Metoda identyfi kacji obciążenia młyna kulowego oparta na sieci IRF-Net z wielosygnałowymi obrazami czasowo-częstotliwościowymi

Dokładne określenie stanu obciążenia młyna kulowego podczas procesu mielenia sprzyja poprawie ogólnej wydajności produkcji i zapewnia bezpieczną pracę całego procesu mielenia. W tym badaniu obciążenia młyna kulowego zostały sklasyfikowane do dziewięciu kategorii na podstawie stosunku objętości wsadu (CVR) i stosunku objętości materiału do kuli (MBVR). Różne czujniki są wykorzystywane do zbierania drgań cylindra i sygnałów akustycznych w procesie mielenia, odpowiednio, a surowe dane są konwertowane na obrazy czasowo-częstotliwościowe za pomocą ciągłej transformacji falkowej. W tym artykule model ResNet18 został ulepszony pod trzema względami, a mianowicie: poprzez zastosowanie splotu separowalnego głębokościowo (DSC), warstwy dropout i funkcji aktywacji Hardswisha, a ulepszona sieć fuzji resztkowej (IRF-Net) oparta na połączeniu dwóch sygnałów obrazu czasowo-częstotliwościowego jest proponowana do rozpoznawania obciążenia. Aby zweryfikować wydajność proponowanego modelu, analizowane są obrazy czasowo-częstotliwościowe pozyskanych danych, pojedyncze i wielokrotne sygnały są używane jako wejścia sieciowe, odpowiednio, w porównaniu z innymi klasycznymi modelami, a eksperymenty ablacji są przeprowadzane na różnych modułach ulepszenia. Wyniki pokazują, że ulepszona sieć fuzji resztkowej osiąga najlepsze wyniki w rozpoznawaniu z dokładnością 98,33%, co świadczy o dobrym rozpoznawaniu obciążenia. Metodę identyfikacji wielosygnałowego diagramu czasowo-częstotliwościowego opartą na IRF-Net można wykorzystać do rzetelnej oceny stanu obciążenia młyna.