球磨机是物料被破碎之后,再进行粉磨的关键设备。球磨机内部负荷的变化,将直接影响磨矿的效率。而筒体内部犹如黑匣子,负荷无法显性描述和控制,不能判断磨机的实际效能。因此,实现磨机内部负荷的有效预测,使磨机运行在最佳工况状态,是提高选矿效率、降低生产成本的根本任务。本文以Φ330mm×330mm实验球磨机为研究对象,通过理论分析、数值模拟、试验探究相结合的方法,完成了以下工作:在考虑磨矿过程产品质量及能耗影响的基础上,针对磨机负荷振动信号的特征提取与识别进行了深入研究,实现负荷状态参数的准确预测。主要研究成果如下:(1)通过分析球磨机筒体的载荷运动分布,根据力平衡原理,确定轴承的振动测量位置;根据球磨机内部介质运动分层理论,利用离散单元法EDEM进行数值模拟,确定了振动信号的分析周期。针对磨矿过程产品质量及能耗的影响,以负荷(填充率、料球比)为试验参数,进行磨机负荷试验分析。从能耗和-200目粒级产品的产率两个角度,建立“产率比”为评价指标,得到不同负荷参数的磨矿效率。(2)针对振动信号存在干扰信号成份,采用小波阈值去噪算法对球磨机负荷状态的振动信号进行预处理。分析不同小波函数、分解的尺度、阈值、阈值函数对小波去噪效果的影响,以信噪比、均方根误差为评价指标,得到小波阈值去噪的最优方案。(3)通过分析球磨机振动信号与负荷参数的相关性,得到信号时域统计特征;分析负荷参数与各频段频率成分的统计规律,建立频域分频段统计模型,得到信号频域统计特征。根据反映磨机负荷状态的振动信号特征,构建了峰峰值、均值、标准差值、偏度、峭度及AR模型功率谱特征频段能量的特征向量,并基于D-S证据理论建立多特征参数融合模型,得到不同特征参数对球磨机负荷识别的贡献率。(4)分别采用网格搜索与交叉验证算法(K-fold)、遗传算法(GA)对支持向量机参数(C,g)进行优化,以最佳性能匹配参数,建立了基于时域特征、频域特征的负荷预测模型。通过仿真分析表明:利用K-SVM、GA-SVM算法,可快速、准确地实现SVM参数的优化,及磨机负荷参数的准确预测。通过以上研究表明,考虑磨矿过程产品质量及能耗影响的负荷状态参数的预测,对提高磨机的磨矿效率具有积极的指导作用。