Громаков В.В., Гринь Ю.В.

Национальный горный университет, Украина

Использование нейронной сети для определения состояния струйной мельницы

Понятие струйной мельницы

Мельница струйной энергии – это вид мельницы, в которой нет ударных частиц или агрегатов. Разрушение материала происходит путем столкновения частиц друг с другом в потоке воздуха или перегретого пара, а также иногда конструкция предполагает наличие на пути струи перегородок для увеличения числа столкновений.

В процессе работы струйная мельница издает шум, который может быть представлен в виде временного ряда.

Понятие временного ряда

Временной ряд (или ряд динамики) — собранный в разные моменты времени статистический материал о значении каких-либо параметров (в простейшем случае одного) исследуемого процесса. Каждая единица статистического материала называется измерением или отсчётом, также допустимо называть его уровнем на указанный с ним момент времени.

Понятие искусственная нейронная сеть

Искусственная нейронная сеть представляет собой систему соединённых и взаимодействующих между собой простых процессоров (искусственных нейронов). Такие процессоры обычно довольно просты (особенно в сравнении с процессорами, используемыми в персональных компьютерах). Каждый процессор подобной сети имеет дело только с сигналами, которые он периодически получает, и сигналами, которые он периодически посылает другим процессорам. И, тем не менее, будучи соединёнными в достаточно большую сеть с управляемым взаимодействием, такие по отдельности простые процессоры вместе способны выполнять довольно сложные задачи.

Нейронные сети не программируются в привычном смысле этого слова, они обучаются. Возможность обучения — одно из главных преимуществ нейронных сетей перед традиционными алгоритмами. Технически обучение заключается в нахождении коэффициентов связей между нейронами. В процессе обучения нейронная сеть способна выявлять сложные зависимости между входными данными и выходными, а также выполнять обобщение. Это значит, что в случае успешного обучения сеть сможет вернуть верный результат на основании данных, которые отсутствовали в обучающей выборке, а также неполных и/или «зашумленных», частично искажённых данных.

Экспериментальное исследование

Исследовалась возможность определения состояния струйной мельницы путем классификации издаваемого ею сигнала, используя нейронную сеть.

Входными данными являются реальные данные мельницы (длина записи 100 секунд, частота регистрации 0.0025 секунды), полученные в четырех состояниях:

1. Пустая – перед загрузкой;

2. Загрузка – подача материала и первые секунды измельчения;

3. Рабочий режим – процесс измельчения;

4. Разгрузка – мельница почти пустая, заканчивается измельчение, необходимо подавать материал.

Рис.1 Состояние 1 – пустая

Рис.2 Состояние 2 – загрузка

Рис.3 Состояние 3 – рабочий режим

Рис.4 Состояние 4 – разгрузка

Сигнал подавался на вход нейронной сети полусекундными фрагментами. После обучения сигнал был сдвинут на несколько значений и нейронная сеть пыталась распознать его фрагменты.

Полученное распределение классифицированных фргаментов представлено на графике:

Рис.5 График распределения классифицированных фрагментов

Из графика видно, что в большинстве случаев правильно определился только класс 2 (загрузка). Это можно было предвидеть, глядя на исходные данные – сигнал значительно отличается от других, которые очень сходны друг с другом. Из этого следует, что нейронная сеть подходит только для классификации относительно разных входящих сигналов, и следовательно не вполне подходит для определения каждого состояния струйной мельницы.