一种立式混合机填充率自动控制方法及装置制造方法及图纸

本申请提供了一种立式混合机填充率自动控制方法及装置，所述立式混合机包括承重传感器、振动传感器、混合筒和排料门，所述方法包括：实时获取承重传感器测得的物料质量；实时获取振动传感器测得的混合筒的振动信息；将所述振动信息转换为物料密度；根据所述物料质量、物料密度和混合筒总容量，确定立式混合机的填充率；根据所述填充率，调节排料门的开度，以使所述填充率维持在预设范围内。本申请实施例通过控制出料门开度，来实现填充率的控制。保证了立式混合机物料在合适的填充率下工作，既保证物料的混合效果，又防止过高料层导致的生产安全事故，实现了填充率的自动和有效控制。

【技术实现步骤摘要】
一种立式混合机填充率自动控制方法及装置
本申请涉及自动控制技术，尤其涉及一种立式混合机填充率自动控制方法及装置。
技术介绍
强力混合机是利用机械力和重力等，将两种或两种以上物料混合起来的机械设备，是烧结工艺中关键的设备之一。一般分为立式混合机和卧式混合机，其中立式混合机是借助高速旋转的混合浆，使得物料在强迫扰动下产生剧烈的剪切力与对流，实现物料的均匀混合。物料的填充率是立式混合机重要的性能参数，填充率为混合筒内物料的体积占混合筒总容量的比例。当填充率过高，物料在混合筒内混合时间过长，即物料从进料口到出料门经过的时间过长，使已经混合均匀的物料又被破环，导致过混合，另外物料在混合筒内填入过高，还有可能使物料与进料口碰撞，引起混合筒的电机过载、停机，严重时甚至会引发安全事故；当填充率过低，物料在混合筒内混合时间过短，即物料从进料口到出料门经过的时间过短，使物料混合不均匀，导致物料欠混合。可见，填充率过高和过低都会影响混合效果，甚至导致严重的安全事故，而立式混合机在工作过程中，难以保证物料填充率维持在规定范围。因此，如何高效、自动的控制立式混合筒内物料的填充率，成为本领域技术人员亟待解决的问题。
技术实现思路
本申请提供一种立式混合机填充率自动控制方法及装置，以避免出现物料在立式混合机中过混合或者欠混合的问题。根据本申请实施例的第一方面，提供一种立式混合机填充率自动控制方法，所述立式混合机包括承重传感器、振动传感器、混合筒和排料门，所述方法包括：实时获取承重传感器测得的物料质量；实时获取振动传感器测得的混合筒的振动信息；将所述振动信息转换为物料密度；根据所述物料质量、物料密度和混合筒总容量，确定立式混合机的填充率；根据所述填充率，调节排料门的开度，以使所述填充率维持在预设范围内。在一些实施例中，所述将振动信息转换为物料密度的步骤包括：将所述振动信息输入预设神经网络模型中，得到物料密度。在一些实施例中，所述预设神经网络模型可以通过以下步骤确定：通过训练样本训练原始的神经网络模型，得到训练后的神经网络模型，其中所述训练样本包括多组样本，所述样本包括振动信息和与所述振动信息对应的物料密度；利用测试样本测试所述训练后的神经网络模型，其中所述测试样本包括多组样本；如果测试通过，则确定训练后的神经网络模型为预设神经网络模型。在一些实施例中，所述通过训练样本训练原始的神经网络模型，得到训练后的神经网络模型的步骤包括：根据训练样本，确定隐层神经元数量；根据所述隐层神经元数量、原始的神经网络模型和训练样本中的振动信息，确定输出神经元数值；利用所述输出神经元数值和训练样本中的密度，确定训练误差；如果所述训练误差在预设误差范围内，确定所述原始的神经网络模型为训练后的神经网络模型；如果所述训练误差未在预设误差范围内，则调节所述原始的神经网络模型，重复执行所述根据隐层神经元数量、原始的神经网络模型和训练样本中的振动信息，确定输出神经元数值的步骤，直至所述训练误差在预设误差范围。在一些实施例中，所述根据训练样本，确定隐层神经元数量利用下述公式计算：其中n为隐层神经元数量；m为输入神经元数量；p输出神经元数量；a为调节常数，取值一般为1-10；输入神经元数量m和输出神经元数量p，根据将训练样本划分得到每组数据中的输入数据和输出数据的数量确定。在一些实施例中，所述根据所述隐层神经元数量、原始的神经网络模型和训练样本中的振动信息，确定输出神经元数值利用下述公式计算：其中xj为输出神经元数值，f为激活函数；vij是隐层神经元与输出层神经元的加权系数；xi是训练样本中的振动信息；bj是输出层神经元偏置。在一些实施例中，所述利用所述输出神经元数值和训练样本中的密度，确定训练误差利用下述公式计算：其中Q(v,b)为训练误差，yi为训练样本中的密度。在一些实施例中，所述根据所述物料质量、物料密度和混合筒总容量，确定立式混合机的填充率按照下述公式计算：V1＝m/ρ；P＝V1/V2；其中m为物料质量，ρ为物料密度，V1为物料体积，V2为混合筒总容量。在一些实施例中，所述根据填充率，调节排料门的开度的步骤包括：如果所述填充率大于预设范围的最高值，则将排料门的开度调大；如果所述填充率在预设范围内，则将排料门的开度保持不变；如果所述填充率小于预设范围的最低值，则将排料门的开度调小。第二方面，提供一种立式混合机填充率自动控制装置，所述立式混合机包括承重传感器、振动传感器、混合筒和排料门，所述装置包括：第一获取单元，用于实时获取承重传感器测得的物料质量；第二获取单元，用于实时获取振动传感器测得混合筒的振动信息；转换单元，用于将所述振动信息转换为物料密度；确定单元，用于根据所述物料质量、物料密度和混合筒总容量，确定立式混合机的填充率；调节单元，用于根据所述填充率，调节排料门的开度，以使所述填充率维持在预设范围内。由以上技术可知，本申请实施例提供一种立式混合机填充率自动控制方法及装置，所述立式混合机包括承重传感器、振动传感器、混合筒和排料门，所述方法包括：实时获取承重传感器测得的物料质量；实时获取振动传感器测得的混合筒的振动信息；将所述振动信息转换为物料密度；根据所述物料质量、物料密度和混合筒总容量，确定立式混合机的填充率；根据所述填充率，调节排料门的开度，以使所述填充率维持在预设范围内。本申请实施例通过控制出料门开度，来实现填充率的控制。保证了立式混合机物料在合适的填充率下工作，既保证物料的混合效果，又防止过高料层导致的生产安全事故，实现了填充率的自动和有效控制。附图说明为了更清楚地说明本申请实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。此外，这些介绍并不构成对实施例的限定，附图中具有相同参考数字标号的元件表示为类似的元件，除非有特别申明，附图中的图不构成比例限制。图1是根据本申请一示例性实施例示出的立式混合机的主视图；图2是根据本申请一示例性实施例示出的立式混合机的立体图；图3是根据本申请一示例性实施例示出的一种立式混合机填充率自动控制方法的流程图；图4是根据本申请一示例性实施例示出的又一种立式混合机填充率自动控制方法的流程图；图5是根据本申请一示例性实施例示出的又一种立式混合机填充率自动控制方法的流程图。具体实施方式物料的填充率是立式混合机重要的性能参数，填充率为混合筒内物料的体积占混合筒总容量的比例。当填充率过高，物料在混合筒内混合时间过长，即物料从进料口到出料门经过的时间过长，使已经混合均匀的物料又被破环，导致过混合，另外物料本文档来自技高网...

【技术保护点】
1.一种立式混合机填充率自动控制方法，其特征在于，所述立式混合机包括承重传感器、振动传感器、混合筒和排料门，所述方法包括：/n实时获取承重传感器测得的物料质量；/n实时获取振动传感器测得的混合筒的振动信息；/n将所述振动信息转换为物料密度；/n根据所述物料质量、物料密度和混合筒总容量，确定立式混合机的填充率；/n根据所述填充率，调节排料门的开度，以使所述填充率维持在预设范围内。/n

【技术特征摘要】
1.一种立式混合机填充率自动控制方法，其特征在于，所述立式混合机包括承重传感器、振动传感器、混合筒和排料门，所述方法包括：
实时获取承重传感器测得的物料质量；
实时获取振动传感器测得的混合筒的振动信息；
将所述振动信息转换为物料密度；
根据所述物料质量、物料密度和混合筒总容量，确定立式混合机的填充率；
根据所述填充率，调节排料门的开度，以使所述填充率维持在预设范围内。


2.根据权利要求1所述的方法，其特征在于，所述将振动信息转换为物料密度的步骤包括：将所述振动信息输入预设神经网络模型中，得到物料密度。


3.根据权利要求2所述的方法，其特征在于，所述预设神经网络模型可以通过以下步骤确定：
通过训练样本训练原始的神经网络模型，得到训练后的神经网络模型，其中所述训练样本包括多组样本，所述样本包括振动信息和与所述振动信息对应的物料密度；
利用测试样本测试所述训练后的神经网络模型，其中所述测试样本包括多组样本；如果测试通过，则确定训练后的神经网络模型为预设神经网络模型。


4.根据权利要求3所述的方法，其特征在于，所述通过训练样本训练原始的神经网络模型，得到训练后的神经网络模型的步骤包括：
根据训练样本，确定隐层神经元数量；
根据所述隐层神经元数量、原始的神经网络模型和训练样本中的振动信息，确定输出神经元数值；
利用所述输出神经元数值和训练样本中的密度，确定训练误差；
如果所述训练误差在预设误差范围内，确定所述原始的神经网络模型为训练后的神经网络模型；
如果所述训练误差未在预设误差范围内，则调节所述原始的神经网络模型，重复执行所述根据隐层神经元数量、原始的神经网络模型和训练样本中的振动信息，确定输出神经元数值的步骤，直至所述训练误差在预设误差范围。


5.根据权利要求4所述的方法，其特征在于，所述根据训练样本，确定隐层神经元数量利用下述公式计算：



其中n为隐层神经元数量；m为输入神经元数量；p...

【专利技术属性】
技术研发人员：刘哲明，宁江波，任悦，田万一，
申请(专利权)人：中冶长天国际工程有限责任公司，
类型：发明
国别省市：湖南;43