【技术实现步骤摘要】
基于数据驱动模型的回转滚筒内部颗粒流预测和分类方法
[0001]本专利技术涉及回转滚筒颗粒运动领域,特别是涉及一种基于数据驱动模型的回转滚筒内部颗粒流预测和分类方法。
技术介绍
[0002]回转滚筒作为常见的工业设备,回转滚筒广泛应用于物料颗粒相关的各种行业中。然而,回转滚筒内部的不同性质颗粒流往往呈现出各种现象,如混合、雪崩和离析。这些回转滚筒特有的特征,尤其是颗粒混合物的均匀性,对整体行业生产有重大影响,包括质量和热传递、颗粒破碎和磨机磨损。因此,需要通过量化和预测最佳操作条件,以实现更好的提高破碎和粉磨效率以降低能耗。
[0003]过去,基于从各种实验收集数据和半经验模型研究了回转滚筒的混合和偏析过程。由于物料存在颗粒密度、粒径和形状差异,回转滚筒运动过程中普遍存在混合偏析行为。特别是回转滚筒中轴向偏析出现时,介质和物料颗粒轴向分布并不均匀,产生交替的偏析带特征。这情况下,混合颗粒体系中的轴向偏析结构,降低了整体研磨效率。
[0004]目前,传统的基于模型的方法往往需要广泛的领域知识,并且还必须进行繁琐的参数标定和实验验证。尽管过去已经观察到计算性能的巨大增长,基于物理模型的数值方法,仍然难以在大型工业中应用。相反,数据驱动方法不依赖于大量的先验专家知识,能够从历史数据中提取出与运动行为相关的特征表示,并通过挖掘颗粒运动全过程数据建立它们和运动状态之间的映射关系。
[0005]因而,有必要研究一种基于数据驱动模型的预测和分类方法,结合离散元模拟的数据,有效地学习回转滚筒混合颗粒系统的流动 ...
【技术保护点】
【技术特征摘要】
1.一种基于数据驱动模型的回转滚筒内部颗粒流预测和分类方法,其特征在于:根据回转滚筒在不同时间的颗粒轴向偏析数据和碰撞能量数据,通过长短期记忆方法构建用于回转滚筒内部颗粒流预测和分类的数据驱动模型,对回转滚筒内部混合颗粒的流动数据时序特征进行预测,并对回转滚筒的多种工况标签进一步分类。2.根据权利要求1所述的基于数据驱动模型的回转滚筒内部颗粒流预测和分类方法,其特征在于:包括如下步骤,S1、基于离散元模拟回转滚筒内部颗粒运动,模拟参数均与实验保持一致;S2、通过不通位置角度的相机捕捉颗粒混合和偏析过程,统计回转滚筒内部每个粒子信息,包括坐标、速度、能量、接触检测和运动状态等;然后,分析不同特征信息对混合颗粒整体流动影响的相关性,进而提取出能显著表征宏观角度和微观角度的颗粒流动特征;S3、将回转滚筒中颗粒轴向偏析数据作为宏观流动特征,将碰撞能量作为微观流动特征,统计并计算出回转滚筒在不同时间的颗粒轴向偏析数据和碰撞能量数据;S4、采用LSTM方法建立数据驱动模型框架:重复步骤S1和S3,模拟不同的工况条件下的回转滚筒内部颗粒流动案例,选取回转滚筒转速、填充率和长径比三种不同的工况条件作为LSTM模型的输入变量;以轴向偏析指数和相对区域能量作为LSTM模型的输出变量,建立用于回转滚筒内部颗粒流预测和分类的数据驱动模型框架;S5、超参数优化模型并建立标准数据驱动模型:在搭建数据驱动模型框架的基础上,确定所述数据驱动模型的输入和输出参数后,通过最小化预测值和目标值之间的差异来训练标准数据驱动模型,进而对标准数据驱动模型参数:时间窗长度、隐含层神经元个数、隐含层层数进行优化,经比较后确定最优数据驱动模型参数;S6、训练数据驱动模型并验证预测和分类效果:在模型训练过程中,将不同工况的数据集打乱,随机选择80%离散元数据作为训练集;输入所构建的标准数据驱动模型进行训练,并用于交叉验证,剩下的20%数据作为测试集;绘制图片,将训练后数据驱动模型的颗粒流动预测和分类结果和离散元模拟结果进行对比,进而验证该数据驱动模型在回转滚筒混合颗粒工业应用中具有快速预测和参数优化的潜力。3.根据权利要求2所述的回转滚筒内部颗粒流预测和分类方法,其特征在于,步骤S1中,在基于离散元模拟回转滚筒内部颗粒运动时,需根据实验参数建立等尺度的离散元回转滚筒模型;获取所述实验参数的实验装置包括回转滚筒和多相机采集系统,所述离散元模型为透明回转滚筒,所述透明回转滚筒内部填充有完全偏析状态的两种直径类型的透明玻璃颗粒。4.根据权利要求3所述的回转滚筒内部颗粒流预测和分类方法,其特征在于,步骤S1中,为了模拟不同状态的颗粒运动行为,所述回转滚筒的工况参数包括:长径比0.5~3,填充率为10%~30%,转速为40rpm~80rpm;模型中使用的时间步长为瑞利时间步长的25%。5.根据权利要求2所述的回转滚筒内部颗粒流预测和分类方法,其特征在于,步骤S...
【专利技术属性】
技术研发人员:黄鹏,缪秋华,应何蓉,郭佳明,贾民平,许飞云,胡建中,
申请(专利权)人:东南大学,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。