分选方法（精选9篇）
分选方法 篇1
0 引 言
现有的信号分选方法主要分为预分选和主分选。预分选主要基于方位角、载频、脉宽等参数的子空间划分法,该方法将信号的特征参数组成的空间划分为多个分选子空间,然后将脉冲描述字在子空间上投影,属于同一子空间的聚合在一起,从而实现对来自接收机脉冲流的稀释。信号主分选主要是基于脉冲重复间隔(PRI)的去交错算法,这类算法主要有直方图法,累计差直方图法,顺序差值直方图法和PRI变化法等[1]。
为了满足现代战争的需要,有些国家已经开发和使用了一些特别先进、特别复杂的综合体制雷达。所谓“综合体制”是指这些新型雷达已经集各种体制雷达于一身,具备多种工作模式可完成多种作战功能。从信号波形设计来看,这种雷达信号波形相当复杂,往往多种波形同时运用,不仅一种信号参数发生变化,而且频域、时域参数同时参杂着多模式的发生变化。如美国ITT公司设计的Falon多功能雷达,该雷达集常规、MTI、PC、频率捷变等几种体制于一身;同时使用5种波形;经常使用三种工作模式。如表1所示[2]。
对于表1所示的这种体制的雷达辐射源,利用现有的分选方法进行分选,在分选的过程中容易把其中的每一个模式都分选为一个辐射源,造成增批。现有的分选算法都需要相当数量的脉冲数积累,面对这种多模式雷达,在每种工作模式下发射的脉冲数量有限,并且模式之间的快速转换,现有的分选算法在实时性上就很难满足要求了。
针对以上问题,本文提出一种结合聚类、数据融合的综合分选方法。综合分选首先是利用方位角(DOA)、载频(RF)进行预分选,稀释来自接收机的脉冲串。然后利用脉宽(PW)、脉内调制参数进行聚类,在聚类完成之后,利用多模雷达各个模式脉冲的到达时间(TOA)之间的关联性,进行模式融合。仿真实验表明该方法能够提高分选多模雷达信号的正确性,并且具有较强的实时性。
1 基于BFSN聚类分选算法
基于广度优先搜索邻居的聚类算法[3,4](Broad First Search Neighbors,BFSN)属于基于密度的聚类方法,它可以根据数据对象的分布,将数据分成若干个类,而不需要预先指定类的数目。它具有如下优点:算法简单,实现容易,聚类结果精确;聚类过程中能够发现同类对象之间的相异程度;输入2个参数就基本可以估算;能够发现孤立点,发现任意形状的聚类;对输入数据的顺序基本不敏感。
对于预分选后的脉冲,首先使用PW和脉内调制样式参数(K)进行二维聚类。脉内调制样式主要有:线性调频、相位编码、频率编码、偶二次调频、V型调频等。这些脉内调制参数的测量识别在实际工程中已经得到很好的实现[5]。下面具体介绍BFSN聚类分选算法。
假设第i个脉冲的参数组成的向量为Xi,则Xi=[PW,K,RF];当脉内调制方式为线性调频或者非线性调频时,K为调频带宽B,当脉内调制方式采用频率编码或者相位编码时,K为码元的长度Nc;第k个聚类的中心记为Xok,则Xok=[PWok,Kok,RFok];第i个脉冲与聚类k之间的几何距离定义为:
式中:W是信号参数的加权矩阵。几何距离越小表示信号参数之间的相似程度越高,如果几何距离小于某一门限值,则该脉冲参数属于同一辐射源。如果几何距离大于某一门限,则该脉冲参数属于一个新的辐射源。
聚类分选的主要目的是将不属于同一辐射源的脉冲尽量分开,同时不产生过多的奇异类(成员较少的类别)。聚类分选的流程图如图1所示。
聚类的步骤:首先将来自预分选的第一个脉冲设为第一类,并令Xo1=X1,利用式(1)计算第二个脉冲与聚类一的距离S21,如果S21≤S(S为设定的门限),将脉冲2归入聚类一,并从原始脉冲串中剔除该脉冲,之后修正聚类一的中心Xo1,聚类中心的修正公式为:
式中:PWok为修正后的第k类的脉宽中心;n为已聚类的脉冲数目;PWn+1为第k类第n+1个需要归入的脉冲的脉宽;Kok,RFok的修正方式同式(2);如果S21>S,则搜索下一个脉冲并计算该脉冲与类一之间的距离,如果距离小于门限,则聚为一类、剔除该脉冲并修改聚类中心,大于门限继续搜索下一个,直到搜索完所有脉冲,由此可以得到聚类一。取剩余脉冲的第一个脉冲为聚类二的中心,按聚类一的方法,搜索并聚类;用同样的方法对所有脉冲进行聚类,当剩余脉冲的数量小于门限时聚类停止。这样就完成了对来自预分选脉冲的聚类。
2 多假设类合并
采用上述聚类的方法可能会将一部具有多种工作模式的雷达聚类为几个辐射源,因此在聚类结束后要对聚类结果进行合并处理。做多假设类合并的依据是:来自同一个辐射源的信号一定具有很强的相似性,而来自不同辐射源的信号则相似性弱。为了有效地探测目标,雷达信号必须具备一定的时间分辨率和距离分辨率,其扫描调制形式和波形以及载频所处的频段也都是为了满足探测目标的需要。所以如果不是来自同一辐射源的脉冲类可能个别参数有一定的相似性,而两个来自同一辐射源的脉冲类,大部分参数都有一定的相似性[6]。
为了便于合并分析,建立相似系数矩阵leib_sim(a,a),a为目前脉冲类的总数;leib(i,j)则对应第i类和第j类的相似系数。同时设定合并门限hebing_thd。
2.1 未合并前各个类的相似性分析
(1) 参数PW的分析
分析各个类之间的PW直方图的相似性,计算公式为:
式中:x,y分别为直方图中横坐标和纵坐标的取值点;PW_simij为第i类和第j类的相似系数;PW_x_numi,PW_x_numj分别为PW直方图被匹配上的横坐标的个数;PW_x_num为两类匹配上的横坐标的总个数;x_num为两类直方图横坐标的取值点总个数;PW_y_numi,PW_y_numj分别为PW直方图被匹配上的脉冲数;PW_y_num为两类匹配上的脉冲数;y_num为两类脉冲总数。下面以一个例子来解释公式的含义。
如图2、图3所示为两类脉冲的PW直方图(与真实雷达信号无关,仅用于说明公式)。则有:PW_x_num1=2,PW_x_num2=2,在PW=2和PW=7处匹配上;PW_x_num=4;x_num=5;PW_y_num1=3+4=7,PW_y_num2=5+4=9;PW_y_num=16;y_num=20;则PW
利用分析PW的方法,继续分析载频RF、带宽B等参数。从而得到相似系数矩阵leib_sim(a,a)。
2.2 利用时间连续性和相似系数矩阵进行合并
多模雷达模式之间的转变间隔很短,因此各类间的时间连续性分析成为多假设类合并首要因素。具体分为:如果已聚类的结果中某两类的到达时间为首尾相连则认为具有较好的时间连续性,则认为这两个聚类为一部雷达的两个模式,将这两类进行合并;取类二的到达时间:TOA_start(第一个脉冲到达时间),TOA_end(最后一个脉冲到达时间);如果TOA_start、TOA_end刚好落入类一的两个连续脉冲间,则认为具有很强的时间连续性,将这两类进行合并。对于时间连续性不明显的类别则利用相似系数矩阵与合并门限进行比较,大于门限则进行合并,小于门限则不合并。
2.3 孤立点的挖掘
经BFSN聚类和多假设类合并后,可以得到多个脉冲类。设定一个关于类中脉冲数目的门限,如果类中脉冲数目小于门限,则表示该类脉冲为孤立点。算法挖掘出的孤立点信号可能是记录错误、测量误差造成的错误数据和噪声数据,没有什么意义,剔除就行;但也可能具有较大的信息量,表示平时不易侦察到的雷达。因此,对挖掘出的孤立点进行分析具有很大意义。要判断这些孤立点是否为雷达信号,只能利用重复周期这个参数。在利用PRI分析分选效果时可以分析这些孤立点。
3 利用PRI分析分选效果
经过聚类和多假设类合并之后,计算经过合并之后各类的PRI,并给出PRI统计直方图,文献[7]提出利用直方图的方法进行判别固定重频信号。首先利用TOA对信号做一阶差值直方图,假设直方图包含N个小区间,每个区间的中心为Toi,其对应的直方图值为H(Toi),这样可以得到2个N维的向量:
找出P中最大的元素记为Pmax,将P中所有元素都除以Pmax将其归一化,再将P中小于0.8的元素都设为0(谐波分量对应的元素变为0),所有非零元素组成的新向量记为P′,将T中与P对应的元素组成新的向量T′,这样可信度的定义为:
式中:T′为N1×1向量,T为N×1向量,且1≤N1≤N。如果N1=1则说明该信号为固定重频信号概率很大,如果N1>1则需要进行参差判别,文献[8]给出了满足雷斯尼克模型的参差信号鉴别方法。
4 仿真验证
模拟预分选输入的脉冲由五部同方位X频段(频率集中在9 400～9 500 MHz之间)雷达信号组成。其中两部三模式雷达,一部宽窄脉冲雷达,两部脉压雷达,共836个脉冲。具体参数如表2所示(仿真编程时脉内调制形式用不同的数字代表不同的调制形式)。
使用表2数据进行仿真,在BFSN聚类分选完成后,总共被聚为10类,如图4所示在脉宽为100 μs处有一类,图5显示脉宽在200～800 ns之间的聚类共有9类。经过多假设类合并融合之后最终分选为5部雷达,与模拟输入的数目一样,如图6(a)所示。图6(b)～图6(f)给出了最终分选出的5部雷达的PRI直方图。由所得的PRI直方图可以看出仅图6(b)对应的PRI变换方式简单,对应为宽窄脉冲雷达。图6(c)～图6(f)中所示的PRI变换范围比较大,变化方式也比较多,如果用传统的PRI分选将很难实现。由于本文仅研究分选,重频类型的识别见文献[9,10]。
5 结 语
本文提出的多模雷达分选方法,主要分选采用到达角DOA和载频RF进行预分选处理后的脉冲。在分选的过程中,首先采用脉宽和脉内调制形式参数进行聚类,聚类完成之后求各个类别之间的相似系数矩阵并分析各个类别的时间关联性,利用多模雷达各个模式之间的时间关联性和相似性进行模式融合和多假设类合并,对融合之后的类别继续进行时间关联性判断,查找是否有宽窄脉冲雷达,有则进行融合。最后计算并分析最终所得分选结果的PRI,并利用PRI判断可行度。该方法有很好的分选正确率,实时性也比较好,具有一定的工程应用价值。
参考文献
[1]赵国庆.雷达对抗原理[M].西安:西安电子科技大学出版社,1999.
[2]旷平昌,王杰贵.基于脉冲样本图的雷达辐射源识别新技术[J].电子对抗,2009(4):12-18.
[3]叶菲,罗景青.一种基于BFSN聚类的多参数综合分选算法[J].雷达与对杭,2005(2):43-45.
[4]申冰,周群.一种信号分选和特征提取联合处理的雷达信号分析方法研究[J].火控雷达技术,2007(9):51-54.
[5]祝正威.雷达信号的聚类分选方法[J].电子对抗,2005(6):6-10.
[6]冯清贤.复杂体制雷达综合分选技术的研究[D].成都:西南交通大学,2007.
[7]王聪,沈洪宁,秦长海.一种新的电子战信号分选综合方法的研究[J].舰船电子对抗,2009,32(5):20-23.
[8]CHAN Y,CHAN F,HASSAN H E.Performance evalua-tion of EMS deinterleaver using TOA analysis[C]//14thIn-ternational Coference on Microwaves,Radar and WirelessCommunications.[S.l.]:MRWC,2002:341-350.
[9]赵长虹.重频分选与跟踪算法的研究[D].西安:西安电子科技大学,2003.
[10]何炜.雷达信号分选关键算法研究[D].成都:电子科技大学,2007.
分选方法 篇2
风选技术在垃圾分选中的应用
随着人们生活水平的显著提高,城市垃圾中有机物的含量增加,纸类等轻组分的含量也显著增高,因此,风选技术得到越来越广泛的应用.这里主要介绍风力分选的工作原理、几个重要参数的确定以及常见的风选设备.并在参照北京市小武基垃圾中转站风选设备的基础上,设计出在满足性能的`前提下,成本低的适用于中等城市垃圾分选的风选设备.
作 者： 作者单位： 刊 名：机械设计 ISTIC PKU英文刊名：JOURNAL OF MACHINE DESIGN 年，卷(期)： 22(z1) 分类号：X7 关键词：风选机 旋风分离器 风机 锁气器分选方法 篇3
关键词：铅银矿;矿区地质特征;有用组分;铅银精矿
1 矿区地质
泾县铅银矿床位于安徽省宣城市西部，距泾县城南东直线距离约20km。矿区位于榔桥岩体的北部，矿体位于勘探区的中部，勘探區内出露的地层主要有志留系上统举坑组，岩浆岩为花岗闪长岩，构造主要为F1断层等。
1.1 地层
矿区内出露地层仅有志留系上统举坑组（S3jk）、第四系全新统（Q4）。志留系上统举坑组（S3jk）上部：分布于矿区的东南部和西南角，灰白、灰绿、黄绿色厚层石英细砂岩平紫红、黄色粉砂岩、砂质页岩，未见顶底。与岩体接触带附近具轻微角岩化热变质及较弱硅化、弱绢云母化等蚀变。产状：140°-190°∠58°-70°。第四系全新统（Q4）：分布在沟谷凹地，成分杂，以砂质粘土为主，次为砾石。厚度2-8米不等。
1.2 构造
矿区构造发育一条F1断层，走向北东30°- 80°，宽0.4-3.0m，长数百米，分布于矿区的中部。向北东延伸出探矿权，向南西因第四系覆盖未见出露，经地质填图发现其长约700m，其中探矿权内部分长约600m，其走向30°-80°，倾向南东，倾角50°-60°，断层性质为张性断层，与围岩接触带大致平行。
断层内成分较杂，主要为碎裂花岗闪长岩、糜棱岩，并充填有石英脉及方铅矿-重晶石脉，是矿区银铅多金属矿的主要控矿、容矿构造。
1.3 岩浆岩
区内出露的岩浆岩为单一的花岗闪长岩，属于榔桥岩体的北东段，侵入时代为燕山早期。花岗闪长岩为中细粒花岗结构、块状构造，主要矿物成分有斜长石、钾长石、石英、黑云母以及角闪石等。其他矿物有榍石、锆石、锐钛矿、金红石、磷灰石等。岩石具钾长石化、绢云母化等蚀变，局部裂隙较发育的地段有绿泥石化、重晶石化、高岭石化等蚀变。
另外，勘探区内发现有二条煌斑岩脉，分布于F1断层两侧。煌斑岩呈灰黑色，微晶结构，块状构造，矿物成分主要为辉石、斜长石，辉石发育绿泥石化蚀变。
1.4 围岩蚀变
区域内变质作用主要为接触变质作用、热液交代作用;蚀变主要包含岩体蚀变和近矿围岩蚀变。其中岩体蚀变主要为高岭石化、绿泥石化、绿帘石化。近矿围岩蚀变为高岭石化、钾长石化、绢云母化、青磐岩化、糜棱岩化。
2 矿体特征
矿区圈定一条铅银多金属矿体，赋存在花岗闪长岩内F1断层蚀变带中，矿体产状与断层产状基本一致。由0、2、4、6、10共5条勘探线控制，地表使用的探槽工程为TC4，见矿钻孔工程有ZK001、ZK201、ZK202、ZK203、ZK401、ZK402、ZK403、ZK602、ZK603。有古采坑沿脉巷道3条，位于0、2、4勘探线之间，显示了矿体连续性较好。
矿体地表出露标高+250-350米，矿体向北东和南西为第四系覆盖，深部钻探工程揭露矿体连续，呈脉状，形态简单，平均真厚度为1.22m，厚度变化系数54%，属稳定类型。矿体产状总体产状150°∠52°，矿体沿走向和倾向均呈连续舒缓波状。
综上所述，该矿体为一产状受F1断层破碎带控制的脉状铅银多金属矿体，且连续性尚好。
3 矿石特征
矿石为原生的铅银矿石，矿物以它形细粒状结构为主，少量粗粒和微细粒，脉石矿物以自形—半自形粗粒结构，少量细晶结构。矿石自然类型可分为脉状矿石、斑块状矿石，矿石工业类型主要为硫化铅银矿石。矿石构造以块状、脉状为主，少量团块状、浸染状。矿石中矿石矿物主要为方铅矿，少量闪锌矿、黄铜矿;地表氧化矿石中矿石矿物为铅矾、斑铜矿、孔雀石;脉石矿物主要为石英、重晶石，少量黄铁矿等。
方铅矿为它形粒状结构，以中-细粒为主，少量粗粒和微细粒，呈脉状分布，反射色为白色，无多色性，均质性，部分可见黑三角孔，含少量脉石矿物团块。银呈角粒状、针状、枝丫状包于方铅矿内，银在方铅矿中分布不均匀，粒径通常小于1μm。方铅矿中银有两种赋存状态，①类质同象形式赋存于方铅矿晶格中，②独立银矿物颗粒（<1μm）包裹于方铅矿中。闪锌矿为它形，呈脉状分布，反射色为棕灰色，与方铅矿共生，部分闪锌矿呈乳滴状分布于方铅矿中。黄铁矿主要为他形粒状结构，反射色为黄白色，无多色性，均质性，磨光不足常见麻点，细粒状分布，粒度为0.2mm左右。黄铜矿为他形粒状结构，含量极少，呈细粒状分布于方铅矿和脉石矿物中，反射色为黄色。原矿化学多元素分析结果见表1。
表1 矿石化学多元素分析结果（%）
[Cu＼&Pb＼&Zn＼&S＼&Ag*＼&Au*＼&0.047
SiO2
49.89＼&7.50
Al2O3
3.59＼&0.057
CaO
0.57＼&3.60
MgO
0.41＼&150.00
Fe
1.07＼&0.73
＼&]
*单位为g/t。
矿石化学多元素分析结果显示，矿石中铅、银为主要元素具有回收价值，金大于0.1g/t可进行综合利用，浮选后进入铅银精矿，其他元素达不到综合利用评价标准。
矿石铅物相分析结果见表2，矿石粒度分布结果见表3。
表2 铅物相分析结果
[物相＼&方铅矿＼&白铅矿＼&铅钒＼&磷氯铅矿＼&其他铅矿＼&总铅＼&含量/%
占有率/%＼&6.98
92.69＼&0.16
2.12＼&0.29
3.85＼&0.088
1.14＼&0.015
0.20＼&7.53
100.00＼&]
通過铅物相分析结果可知，铅主要以方铅矿形式存在，含量为6.98%，占总铅的92.69%，白铅矿含量0.16%，占总铅的2.12%，铅钒含量0.29%，占总铅的3.85%，磷氯铅矿占总铅的1.14%，其他形态铅占0.20%。
矿石粒度分布结果见表3。
由矿石粒度分布结果知，分布在-0.125mm粒级铅、银品位较高，粒级越细，铅、银品位越高。
4 有用组分选别探索
根据矿石的物质组分研究结果知，矿石中铅、银为主要元素具有回收价值，金大于0.1g/t可进行综合利用，因此试验设计的闭路流程为一次粗选两次精选两次扫选，中矿按照顺序返回的原则，结果见表4。
表4 选别试验指标
[产品名称＼&产率/%＼&品位＼&分布率/%＼&铅/%＼&银/g·t-1＼&铅＼&银＼&铅银精矿
尾 矿
原 矿＼&9.58
90.42
100.00＼&72.83
0.60
7.51＼&1409.3
19.90
152.5＼&92.78
7.22
100.0＼&88.24
11.76
100.0＼&]
闭路流程试验得铅银精矿产率9.58%，精矿含铅72.83%、含银1409.3g/t，铅回收率92.78%、银回收率88.24%，铅精矿品质达到行业标准（YS/T319-2007）一级品Pb≥65%要求。
5 结论
①泾县铅银矿矿床位于榔桥岩体的北部，地层主要有志留系上统举坑组，矿区岩浆岩为单一的花岗闪长岩，构造主要为F1断层，矿体为脉状铅银多金属矿体。围岩蚀变为高岭石化、钾长石化、绢云母化、青磐岩化、糜棱岩化。矿石主要金属矿物主要为方铅矿，方铅矿为他形粒状结构，以中-细粒为主;银在方铅矿中分布不均匀，粒径通常小于1μm，以类质同象形式或独立银矿物颗粒（<1μm）包裹于方铅矿中。
②试验采用一次粗选两次精选两次扫选的浮选流程对有用组分进行回收，可获得含铅72.83%、含银1409.3g/t，铅回收率92.78%、银回收率88.24%的铅银精矿，选别指标良好。
参考文献：
[1]冯志兴，吕新彪，王涛.西藏尤卡朗铅银矿床成矿作用初步研究[J].矿床地质，2011，30（3）：469-476.
[2]施建萍，陈新.云南剑川铁腊曲铅银矿矿床地质[J].云南地质，2011，30（2）：141-143.
[3]刘珂辛，钟康惠，张勇强.西藏都日铅银矿床地质特征及成因[J].四川有色金属，2011（4）：27-31.
[4]涂宏.马家坪地区铅银矿化特征及找矿方向[J].能源及环境，2011（8）：27-28.
[5]施建萍，陈新敏，李凯.云南弥渡黄矿厂铅银矿矿床成因[J].云南地质，2011，30（1）：42-45.
分选方法 篇4
流式分选已成为一种最常用和有效的分离细胞方法[1]。其原理是:通过对喷嘴喷出的射流施加周期扰动,迫使射流逐渐断裂成包裹细胞的液滴。当一束激光透过刚从喷嘴喷出的射流时,包裹其中的一个细胞所产生的散射光投射到光电倍增管,转换为电信号,即被识别了。液流中依次排列的每个细胞,都一一识别。就在包含该细胞的液滴从液流脱离的瞬间使其带电,不同的细胞的液滴充电量不同。接着,带电液滴在下落过程中受到高压电场的作用,会偏离自由落体轨迹。不同细胞液滴所带的电荷量不同,偏离角度也不同,落下后可被处在不同位置上的试管收集[2]。在这过程中,从细胞被识别到含着该细胞的液滴脱离液流的时间称为液滴延迟,若设置的液滴延迟与实际不一致,会导致液滴充电时机不准确,从而引起细胞分选的混乱。因此,液滴延迟是决定分选精度的一个重要参数,也使得精确测定并稳定控制液滴延迟一直是流式分选的研究热点。
传统流式分选仪的液滴延迟获取方法是:在预先设定的液滴延迟下,分选一定数量的荧光微球并观察分选效果,之后改变液滴延迟的设定值并重复分选实验,反复进行多次,比较结果,直到分选效果达到最好[3]。其过程繁琐,需要丰富经验,且无法维持液滴延迟稳定。面对不足,有关厂家提出了各自的自动液滴延迟获得方法。例如,BD公司通过激光检测代替人工观察,确定分选出液流中包含的微球数目[4],提高了获得液滴延迟的效率和精度;Beckman Coulter公司则是利用摄像机拍摄液流,获得高分辨率图像,经图像处理后得到相应的液滴延迟[5],提高了精度。两者方法各异,然而都是通过调节压电激励的幅度来维持液滴断点位置固定不变[6],从而保证液滴延迟稳定。可是,当工作压力发生波动即变化时,维持液滴断点位置固定并不能保证液滴延迟的稳定,也会影响分选精度。
针对上述不足,本研究力求在分析液滴延迟形成机理的基础上,建立液滴延迟与工作压力和压电信号幅值等参数的数学关系,并经实验验证,为根据工作压力变化调节压电激励幅度来实现自动校准液滴延迟提供理论指导。
1 模型建立与理论计算
液滴延迟既与压电激励幅度有关,又与射流速度有关,射流速度却受工作压力影响。因此,深入分析射流速度与工作压力、液滴延迟与工作压力以及液滴延迟与压电激励幅值等关系,都是十分必要的。
1.1 射流速度与工作压力的关系
流式分选仪采用高压气体驱动液体流动,显然,气体压力(又称工作压力)决定射流速度,射流速度则影响液滴延迟。因此,首先应确定工作压力与射流速度的关系。
由于样品流量远小于鞘液流量,忽略其影响。这样,在喷嘴结构尺寸、管路直径和长度以及流体性质一定时,喷嘴出口流速只与工作压力有关,可用伯努利方程[7,8,9,10,11]概括表示:
式中:αi,αo—动能修正系数;pi—工作压力;po—喷嘴出口压力;vi—入口流速;vo—射流速度;h—入口到出口的高度差;ρ—液体密度;g—重力加速度;hf—由入口到出口的沿程损失,hf=∑λ(l/d)·(v2/2g),其中:l,d—各段管路的长度和直径,λ—相应的沿程损失系数,假设在管路中各处均为圆管层流,则:λ=64μ/ρvd;hm—管口扩张或收缩引起的局部损失hm=∑ξ(v2/2g);ξ—局部损失系数,可利用经验公式或查表获得。
由于各段管路直径不一致,以上各式中的流速v也不相同。根据质量守恒可得,不同直径d的管路中液体流速v=vodo2/d2。
将方程(1)整理后得到关于射流速度v0和压力pi的方程:
求解得到:
其中:
式(3)表明,在管路结构和流体性质确定时,射流速度vo仅与工作压力pi有关,射流速度vo随pi增大而增大,呈现二次函数关系,即工作压力决定射流速度。
先根据实验条件确定管路结构和流体性质等相关参数的值(模型计算涉及参数如表1所示),再利用式(3)可以计算出不同工作压力下的射流速度,其结果将在3.1节中与实验结果进行比较和讨论。
1.2 液滴延迟与工作压力和压电激励幅值的关系
液滴形成过程如图1所示。根据射流不稳定理论,喷嘴喷出的射流在外界扰动的作用下会破断成一个一个的液滴[12]。早在1878年,Lord.Rayleigh[13]就基于流体力学基本方程分析了毛细射流在外界扰动下破断成液滴的机理,他提出,射流在轴对称扰动下,当扰动的波长大于射流的周长时,射流表面受到的扰动可表达为:
式中:R(t)—时间函数的射流半径;R0—射流的初始半径;ε0—初始扰动;β—扰动增长率;k—波数,k=2π/λ=2πf/v;λ—扰动波长;v—射流速度;f—扰动频率;z—射流向下发展的长度。
当射流表面初始小扰动增长到与初始射流半径相等时射流断裂,液滴形成,即有:
对式(5)求解,便可得到液流从喷嘴喷出到发生断裂的时间,即液滴延迟时间则为:
通常,用压电晶体产生振荡来扰动射流,实验结果也表明初始扰动的大小与压电激励幅值A成正比[14]。液滴延迟常用液滴周期数表示,假设εn=k A,则液滴延迟可表示为:
式(7)表明,当射流的初始半径和扰动频率确定后,液滴延迟T与压电信号幅值A成对数关系,与扰动增长率β成反比。研究表明,扰动增长率β与流体和环境介质的性质以及射流速度v有关[15,16,17]。
液滴延迟理论计算过程,首先是根据式(3)计算出不同工作压力下射流速度,再利用文献[11]所述的修正算法,选用表1所述的物性值及其他相关参数,计算出不同射流速度下的β值(修正参数A取0.175)。然后,根据式(7),完成两项理论计算:
(1)固定压电幅值A。利用不同工作压力下的值,计算出液滴延迟T。其结果将在3.2节中与实验结果进行比较和讨论。
(2)固定某个工作压力下的β值。利用不同的压电幅值A,计算出液滴延迟T。其结果将在3.3节中与实验结果进行比较和讨论。
2 实验系统和实验操作
实验系统利用所在实验已有的分选平台,示意图如图2所示。
实验中,以高压气体作为气源,经调压阀调节压力后驱动鞘液喷出喷嘴,输出压力范围0~45 psi,喷嘴出口直径约为70μm。检测光源采用波长为488 nm的固体激光器;样品选择荧光微球,发射波长532 nm,直径10μm;用光电倍增管检测前向和侧向光信号;压电振荡频率为10 k Hz~100 k Hz可调,幅值为0~100 V可调。系统分选速度超过8 000/s,分选纯度高于90%。同时,使用与压电振荡频率相同的高频闪光灯照射液流,用摄像头观察液流状态,其中液滴断点位置的改变可以反映出液滴延迟的变化。
实验操作方法:
(1)先后打开气路和液路阀门,接着旋转调压阀,将工作压力调整到设定值。
(2)待流速稳定后,使用量筒收集一定体积的喷出液体,同时记录收集时间。
(3)通过摄像头观察液滴并调节压电信号频率和幅值,使液滴形成状态较为理想。
(4)将制备好的荧光微球悬液放入上样器,打开进样开关,微球悬液在气压驱动下通过管路缓慢流入喷嘴。待检测到微球事件后,微调样品压力使事件速率约为400/s。然后调节光路和光电倍增管增益,直到散点图呈现为清晰的一团。
(5)在初定的延迟周期(即液滴延迟整数部分)下,分选160个液滴,使用显微镜观察并统计分选到的微球数量。改变设定延迟周期并重复以上实验,比较各个延迟周期下的分选结果,以分选到微球数最多的延迟周期作为当前系统的延迟周期。
(6)在步骤(5)确定的延迟周期下,设定延迟相位(即液滴延迟小数部分,分辨率为1/16个液滴周期),分选10个液滴,使用显微镜观察并统计分选到的微球数量。改变设定延迟相位并重复以上实验,比较不同延迟相位下的分选结果,以分选到微球数最多的延迟相位作为当前系统的延迟相位。这样,前一步所确定的延迟周期与这次所确定的延迟相位之和即为液滴延迟。
(7)停止上样,冲洗管路。先后关闭液路和气路阀门。
3 实验结果分析
3.1 射流速度随工作压力变化
按照前述实验操作,在工作压力为5 psi~40 psi之间,以5 psi为间隔,分别采集一定体积的液体,而后根据单位时间流量计算出射流速度,实验结果如图3所示。
为了便于分析,也将1.2节所述的理论计算结果表示在其中。
从图3可见,实验结果与理论计算的变化趋势一致,曲线形状都是对称轴沿横轴的抛物线。从图3中还可见,实验拟合方程与理论方程的形式完全相同,这说明射流速度随工作压力变化的数学模型是合理的。不同之处是实验曲线在理论曲线之上,即实验值大于理论值,其拟合方程系数差异与之吻合。分析原因,可能是计算中所使用的管路直径偏小,过高估计了局部损失以及部分结构参数的测量不准确导致的。
3.2 液滴延迟随工作压力变化
压电信号频率和幅值分别选定在52 k Hz和100 V。依照前述实验操作,在工作压力为22 psi~38 psi之间,以2 psi为间隔,使用人工校准方法分别获取其液滴延迟,实验结果如图4所示。
为了便于分析,本研究也将1.2节所述液滴延迟随工作压力变化的理论计算结果表示在其中。
由图4可见,实验曲线与理论曲线的变化趋势一致:在所选择的参数范围内,一开始液滴延迟随工作压力增大迅速减小,且减小速率逐渐变缓;在工作压力的一定区间内,液滴延迟T几乎不变;曲线存在拐点,工作压力过了拐点后,液滴延迟又缓慢增大。同时,还不难看出,实验值小于理论值,对应曲线也更平缓,实验曲线要先于理论曲线出现拐点。分析其原因:一是在推导增长率过程中,线性近似不完全符合真实流体的复杂运动,势必引起误差;二是计算时所选用的相关参数和实际情况存在差异,也会造成偏差。在实际应用中,可通过标定来获得不同工作压力下的实际增长率,使理论值与实测值等同或接近。
3.3 液滴延迟随压电激励幅值变化
工作压力和压电信号频率分别选定在30 psi和52 k Hz。依照前述实验操作,在压电幅值分别为5 V、10 V、20 V、40 V、60 V、80 V、100 V的条件下,使用人工校准方法分别获取其液滴延迟,实验结果如图5所示。
为了便于分析,本研究同样将1.2节所述液滴延迟随压电幅值变化的理论计算结果表示在其中。
由图5可见,在所选择的参数范围内,实验曲线与理论曲线的变化趋势一致,液滴延迟T随着压电激励幅值A增大而减小。同时还可见,实验拟合方程与理论方程的形式完全相同,均呈对数关系且所含系数非常接近,说明液滴延迟随压电信号幅值变化的数学模型原理正确。然而,理论曲线在实验曲线之上,表明前者稍大一点,其拟合方程的系数差异也与之吻合。分析引起原因,可能是增长率的计算值与实际情况存在偏差所致。
3.4 根据工作压力调节压电幅值保持液滴延迟稳定
按照3.3节所述方法,压电频率固定在52 k Hz,分别先在工作压力为28 psi、30 psi和32 psi的条件下校准液滴延迟,再根据校准结果得出对应的液滴延迟随压电幅值变化的拟合方程。其中:
令液滴延迟T=30,代入式(8)中,可得到压电激励幅值A=54.8 V,这说明工作压力为28 psi时,压电激励幅值应为54.8 V,液滴延迟才能维持在30。同理,T=30代入式(9)和式(10)后,可知工作压力分别为30 psi和32 psi时,压电信号幅值应分别为46.3 V和为44.1 V时,对应的液滴延迟才能稳定在30。
实验结果如图6所示。
由图6清楚可见,根据预设液滴延迟T=30计算出的3个实验条件下,测量得实际液滴延迟分别为30.06、30.06、30,误差为0.06,包含拟合方程不准确引起的计算误差和实验误差。液滴延迟测量值与预设值基本一致,说明根据标定数据调节压电激励幅值的方法行之有效。但是,随工作压力增加,液滴断点却明显发生了向下移动,充分表明当工作压力发生变化时,若要保证液滴延迟不变,液滴断点位置必然会发生变化。换言之,工作压力发生变化,如果还维持液滴断点位置固定不变,就不可能保证液滴延迟的稳定。
4 结束语
综合上述理论计算、实验结果以及相关分析,不难得出如下结论:
(1)射流速度随工作压力变化,呈现二次函数关系;
(2)液滴延迟随工作压力增大而变小,变化速率先大后小,到达拐点后又缓慢变大;
(3)液滴延迟随压电信号的幅值变化呈对数关系;
(4)根据工作压力调节压电幅值能实现液滴延迟稳定,T值误差仅为0.062。
分选方法 篇5
雷达信号分选[1]就是在多部雷达脉冲交迭在一起的情况下,分离出各部雷达脉冲串的技术。其实质就是脉冲信号的去交迭、去交错的过程[2]。目前基于PRI参数提出很多分选方法[3],随着新体制、新技术雷达的不断出现,雷达接收机收到的雷达信号更加密集和复杂,如频率交迭而成的密集脉冲流,运用传统的分选方法进行分选越来越困难。
本文研究了一种基于SDIF算法和序列相关法的联合检测法,及基于该方法的一种被动雷达信息处理系统信号分选跟踪机设计与硬件实现。该信号分选跟踪机在复杂的电磁环境中,如果没有任何先验数据,通过SDIF算法分析雷达参数,再通过序列相关法验证信号的存在性,增加检测概率;如果有先验雷达参数,只需用序列相关法验证信号的存在性即可。联合检测方法可实现该信号分选跟踪机对信号的准确、快速分选,进而依据一定威胁判断准则找出威胁等级最高的雷达,然后通过跟踪器跟踪该部雷达,正确给出跟踪波门。
1 系统概述
被动雷达信息处理系统由信号分选跟踪机、窄带数字接收机及测向处理机三部分组成(见图1),通过各分机的数据处理和分机间通信,即可完成辐射源信息采集与处理,并输出控制信息,完成对辐射源的跟踪。信号分选跟踪机主要完成对环境的分选、识别、分析,对威胁信号提供PRI跟踪波门,可在系统引导下对通过滤波器的信号进行PRI跟踪,实时监视跟踪信号的变化,引导跟踪器跟踪。
信号分选跟踪机接收来自微波前端的载频码、两路视频信号流及来自窄带数字接收机的窄带高灵敏度脉冲流,对接收的信号进行分选、识别、分析,将脉宽类型选择(SEL)信号输出给窄带数字接收机,将信号流(Signal)、宽波门(Gate_W)及载频码(CF)同时输出给窄带数字接收机和测向处理分机,并将频综调节码、PIN控制码及波段选择信息输出给微波前端。
2 信号分选跟踪机设计
2.1 信号分选算法
2.1.1 分选概述
信号分选是从大量随机交叠的脉冲信号流中分离出各个雷达脉冲串,并选出有用信号的过程。信号分选的实质就是脉冲信号去交叠、去交错的过程。
一般来说,脉冲信号的分选是根据信号到达角(DOA)、脉宽(PW)、载频(CF)、脉冲到达时间(TOA)、信号幅度(PA)等参数进行的[4]。在本信号分选设计中,脉冲描述字PDW是由PW、CF和TOA组成的。预先测得的载频码(或者装载数据库)可传给接收机前端的频综,将其调整到相应的本振频率上,以保证信号经多次混频后能够落入高中放带宽内,进而缩小信号频率搜索范围;此外,根据前端测得载频码可以进行捷变频分析,从而分选出捷变频信号。脉宽和脉冲重复周期对于视频信号处理至关重要,脉宽用于确定产生波门的宽度;脉冲重复周期则是跟踪的关键,在确定时域上的一个基准信号后,要根据它产生下一个波门的位置,进而判断在该波门中是否存在实际的信号。
由此可见,PRI分选是整个信号分选算法的核心。
2.1.2 分选算法对比分析
(1) 积累差直方图法(CDIF)。
它用脉冲间隔直方图分析方法来分选复杂雷达信号,准确性高,可靠性好,可有效克服脉冲重频分频、倍频的问题。但是,算法的运算量很大;其检测门限不是最佳检测门限;大量脉冲丢失时,会检测出谐波。
(2) 顺序差直方图法(SDIF)。
它比CDIF法更快,更清晰,因为它只有当前差,并与门限比较,无需用两倍PRI值与门限比较。该算法具有最佳检测门限,在大量脉冲丢失时,它采用次谐波校验防止虚假检测,适于常规、捷变频和重频参差雷达信号分选。
(3) 序列相关法。
原理比较简单,易于实现,是重频分选的经典方法之一。当然,运算量较大,在一次分选过程中,通常需要多次选择准PRI进行序列相关试探,而且每一次序列相关最多只能分选一部雷达脉冲列,故该方法计算量较大。由于容差的门限较小,故对脉冲干扰和脉冲丢失都很敏感。对于重频参差雷达信号,总是分选为PRI等于帧周期的多个脉冲列。它更加适用于已知可能的PRI或者工作在数据库方式,将它和SDIF算法综合使用再配合参差鉴别等可以获得较好的分选结果。
(4) PRI变换法[5]。
该方法由于采用了复值自相关积分,从根本上解决了二次谐波抑制的问题,用来检测由多个具有恒定PRI脉冲组成的脉冲串的PRI很有效。并且,由于采用了通过时间而移动的叠加PRI直方图单元方法,可以有效获得跳变脉冲串的PRI。但是,它的运算量极大,因为它不仅要基于每一对TOA之差进行运算,还要对相应的每个TOA进行复指数计算,并且在前面运算的基础上,还要对每个时间间隔计算的值进行叠加。显然很难满足实时性要求,它的性能可能只是在实验室的仿真中才能体现出来,对于设备量有限,实时性要求极高的系统来说,显然很难满足实时性要求,是无法采纳的。
另外,有一些文献还提出了一种用于密集信号分选的平面变换技术算法[6],该算法能比较直观地显示分选结果,但在用DSP做分选运算时其优势并不明显,不满足实时分选要求,故也不采用。
从上面的分析可以看出,这些算法所做的主要工作就是从大量交叠的密集脉冲中检测目标辐射源的PRI序列是否存在,进而将已识别的目标辐射源从存在缓存里的采样数据中检索出来的过程。信号分选器工作在复杂的电磁环境中,在无任何先验数据的情况下,可通过SDIF算法分析雷达参数,再通过序列相关法验证信号的存在性;在引导方式下有先验雷达参数,只需用序列相关法验证信号的存在性即可。
因此,可采用SDIF算法和序列相关法联合检测,配备参差鉴别分析等处理方法可以实现信号的准确、快速分选。
2.2 系统实现
2.2.1 系统工作概述
信号分选识别跟踪器可工作在引导、独立两种工作方式。在引导工作方式下,信号分选跟踪处理器根据预先装订的威胁目标雷达数据库进行分选和跟踪,并给出跟踪波门;在独立工作方式下,没有威胁目标雷达数据库,信号分选器根据一定的算法,分析信号脉宽、载频、重频的规律,依据一定威胁判断准则找出威胁等级最高的雷达,然后通过跟踪器跟踪该部雷达,并给出跟踪波门。
本系统在接到飞控系统(设备)的分选命令后,就开始采样空间信号并进行参数测量,采样结束后同时完成脉宽PW的分类,再进行捷变频分析和PRI分析,最后将分选结果上报飞控系统(设备),再由飞控系统(设备)判断给出需要跟踪的雷达参数或分选跟踪器分系统本身根据一定的威胁判断规则装载跟踪器,再启动跟踪器。跟踪器跟踪成功后,给出跟踪波门。
跟踪器开始跟踪分选出来的雷达信号以后,这时分选器就不再进行其他工作,以免造成资源的浪费。为确保跟踪器跟踪的准确性,在跟踪器开始跟踪的同时,指定分选器软件监视这一部雷达参数变化;如果跟踪器跟踪丢失,就询问分选器的监视情况。如果分选器也没有监视到此部雷达,跟踪器就报送跟踪丢失;如果分选器能够监视到此部雷达,则跟踪器重新开始跟踪。
2.2.2 硬件框图及接口设计
分选跟踪处理器硬件基本设计框图如图1所示。
整个系统以一片DSP为主处理器,配合FPGA及其他外围电路设计出用于实现雷达信号分选跟踪的处理器[7]。其中,DSP主要用于实现整个分选算法,并与控制系统进行通信及数据交换,同时给跟踪器装载相关参数;FPGA主要负责系统中的译码电路、信号预分选中信号参数的测量、缓冲存储读取,根据DSP装订的参数装订滤波器,滤掉不符合目标特征的脉冲然后进行采样和分选,及信号跟踪器中根据DSP装订的参数装订滤波器,滤掉不符合目标特征的脉冲然后进行跟踪,并输出跟踪波门。
2.2.3 软件总体流程
分选算法所作的主要工作就是从大量交叠的密集脉冲中检测目标辐射源的PRI序列是否存在,进而将已识别的目标辐射源从存在缓存里的采样数据中检索出来的过程[8]。信号分选器工作在复杂的电磁环境中,在无任何先验数据的情况下,可通过SDIF算法分析雷达参数,再通过动态序列相关法验证信号的存在性。因此,可采用动态序列相关法和SDIF算法联合检测,配合参差分析等处理方法实现信号的准确、快速分选。
本机系统工作总过程如图2所示。信号分选跟踪器系统上电复位以后,处于等待控制系统命令状态,这时由控制系统给出控制命令。信号分选器接到开始工作命令后,开始进入分选流程,先采样一段数据以后,采用相关算法对采样数据进行处理。得到信号参数后,装载参数给跟踪器,然后开跟踪器,跟踪器开始工作,跟踪成功后,给出波门信号。同时上报分选器跟踪状态,分选器再将跟踪状态转发给上位机。
2.2.4 信号采样
首先确定取样时间。为了可靠完成对某个辐射源的分选,那么必须拥有该部雷达脉冲不小于5个,实际中一般取10个脉冲。技术指标中威胁雷达辐射源的最大重复周期为10 ms,则10个脉冲,9个间隔,所以取样时间至少为90 ms,为了对低重频信号在一定的虚警概率下仍能够获取足够的样本个数,采样时间定为100 ms。实验证明,100 ms的采样时间对低重频信号在一定的虚警概率下也能实现准确分选。技术指标中给定的最小重复周期为3.3 μs,这样在1 ms时间间隔内已经有300个脉冲了,所以取样时间过长,脉冲数目过多,这样不但不会提高脉冲提取的可靠性,而且会给后续处理电路增加负担。系统中对相同脉宽和载频的到达时间并不是无限制地存取下去,而是分配一定的存储空间,比如128个字(128×16 b),这样,即使有脉宽相同、载频相同的多部信号交叠在一起,按照只要连续捕捉到5个脉冲就认为该部信号存在这一条件,也可将多部信号一一提取出来。
2.2.5 信号分选
加至信号处理系统的信号是密集交迭的脉冲流,信号分选是指从这种随机交迭的脉冲信号分离出各个雷达的脉冲序列并选出有用信号的过程。因此,信号分选的实质就是去交错的过程[7]。
信号分选是利用信号参数的相关性来实现的[9],在实际实现中主要可以用到的参数有PW,CF,TOA这三个参数,CF由前端给出,PW,TOA由在FPGA内构造的测量硬件模块给出。
在本分选系统中采用SDIF算法与动态序列相关法对信号进行分选。分选流程如图3所示。流程图主要画出了脉宽集合形成之后的分选算法,包括载频分选和PRI分选。
3 仿真测试及其结果分析
3.1 软件仿真测试及其结果分析
这里仿真采用Matlab语言进行分选工作的仿真。三部雷达信号分选仿真结果如图4所示。
从图4仿真结果可以看出,基于SDIF与序列相关法的联合检测可以较好地分选出空间各个雷达信号;在空间含有大脉宽和小脉宽情况下,该检测方法也具有较好的鲁棒性;但是随着空间雷达信号密集程度的加重,脉冲丢失情况出现,这时序列相关法检测就比较重要,根据检测到某一类脉冲超过5个脉冲就认为存在该雷达信号,可以增加检测概率。当然,假如空间信号出现更多混叠现象,该分选算法可能会出现少分多分甚至错分的情况,这时考虑再增加一维参数的分选是一个解决方法,比如到达角[10]。
3.2 硬件仿真测试及其结果分析
设备:某型雷达信号分选跟踪平台一部,EM1716直流稳定电源一台,某型自制雷达信号源一台,计算机一台,Tektronic示波器一台,ICETEK-5100USB开发器一件,五部雷达信号参数设置见表1。
通过实物分选跟踪硬件平台的大量实验结果表明:基于SDIF算法和动态序列相关法的联合检测法可以实现对空间多部不同雷达信号进行正确地分选,并能对常规雷达、参差雷达、抖动雷达以及捷变频雷达等正确给出跟踪波门。
4 结 语
本方案充分利用了SDIF算法和序列相关法的优点,通过联合检测处理实现信号的准确、快速分选,仿真结果验证了该方案的优越性。基于本设计思想开发的信号分选跟踪机已在某被动雷达信息处理系统中试用,具有集成度高、可靠稳定的优点。
分选方法 篇6
聚类分析是按照个体之间的相似性对个体进行的类别划分,同类间个体相似性较大,不同类个体相似性较小。C-均值聚类算法是聚类算法的一种。现代雷达告警系统的任务是在威胁系统可能发射武器之前向驾驶员发出可靠报警。雷达告警系统对信号分选要求快速、准确,传统分选方法速度较慢。因此本文中采用改进的C-均值聚类算法,完成对信号的正确分选。
1 改进的C-均值聚类算法概述
1.1 C-均值聚类算法概述
C-均值算法是一种基于样本间相似度的聚类方法,属于非监督学习方法。此方法是随机选取几个样本X中的元素xi(i=1,2,…,N),按照某种方法根据元素间的相似程度划分成C类,使得同一类中元素相似程度较高,不同类元素之间相似程度较低,将同类所有元素平均值作为相似程度的度量标准,称为类中心。当新增一个元素xj(j=1,2,…,N)需要划分到类中,将它划分到距离类中心最近的类中,同时修正该类的中心值,重复这个过程,直到样本X所有元素都划分到类中。
C-均值算法是一种较典型的逐点修改迭代的动态聚类算法,下面介绍其基本原理。
设样本xi(i=1,2,…,N)为样本X中的元素,Cj为样本X中元素组成的第j类聚类,Kj为Cj中的元素个数,lj是第j类所有元素的均值,那么有
lj即为聚类Cj的中心,是衡量相似度的计算标准。将Cj中的各元素x与均值li的误差平方和对所有类相加后为
显然,Wr是误差平方和,Wr度量的是r个元素集C1,C2,…,Cr和相应的r个聚类中心l1,l2,…,lr所产生误差的平方和,所以它是元素数据集和类别数的函数。对于不同的聚类而言Wr是不同的,所以最小均方误差准则下的最优分类必然是使Jc极小的聚类。
C-均值聚类的要点和核心是:以误差平方和Wr为准则函数,算法把n个向量xi(i=1,2,…,n)分为r个组Cj(j=1,2,…,r),并求每组Cj的聚类中心lj(j=1,2,…,c),逐点修正类中心,使得Wr达到最小。要达到最小均方误差准则下的最优分类,对样本的划分尤为重要,一般是选择一些代表点作为聚类中心,然后按照某种准则将其余的点分到各类中。而且初始代表点的选择直接影响到聚类结果的优化程度。
1.2 改进的C-均值聚类算法
经典的C-均值聚类算法存在两个方面的问题:一是算法对初始聚类中心的选取直接影响聚类迭代的效果和速度;二是需要预知实际的聚类数目。这就局限了算法的应用领域和效果。
针对C-均值聚类算法存在的弊端,采用文献[1]提出的改进C-均值算法,直接用样本的初始值进行初始分类,用点到聚类中心的距离是否在误差范围内作判断标准进行分类,而不需要计算点到每个中心的距离。
2 改进C-均值聚类算法的雷达告警系统信号分选
雷达告警系统是对PDW流作处理,找出满足条件的PDW流信息。每一个脉冲描述子(PDW)包含信号的脉宽(PW)、载频(RF)、脉冲到达方向(DOA)和脉冲到达时间(TOA)等信息。告警系统流程可分为3部分:第一步分对各频段接收到的在频段内的信号进行灵敏度判断,满足灵敏度条件的PDW流进行脉冲参数的测量;第二步是测量后的PDW流的粗分选;第三步是将分选得到的PDW脉冲类与雷达告警库的告警参数比较,对满足告警条件的脉冲输出其告警参数信息,其中雷达告警库告警参数包括PW、PRI、RF、同一辐射源连续脉冲个数。
在雷达告警系统中必须同时满足雷达告警库的PW、PRI、RF和同一辐射源连续脉冲个数这4个参数条件的脉冲流,才能进行威胁告警指示,所以考虑在雷达告警系统中,把经过测量后的雷达脉冲串(PDW),首先,按照DOA、PW和RF进行分选,因为属于同一DOA、PW和RF范围的脉冲流很可能属于同一辐射源;其次,再对每一类进行PRI分选,这样使得PRI分选和后续工作更容易。脉冲告警系统分选的流程如图1所示,分选的目的是将属于同一辐射源且满足告警条件的信号筛选出来进行威胁告警指示。
由于雷达的空间位置不会在短时间内发生明显变化,故可以先按到达方向(DOA)进行初步分选,由于PDW流中RF,PW参数相对固定性,故在DOA分选后可对RF PW进行联合分选最后进行PRI分选。本文只讨论利用文献[2]提出的改进的C-均值聚类算法对PDW流进行的DOA分选和RF PW联合分选,不做PRI聚类,因为PRI种类多、变化快,不适合聚类处理。具体处理流程如图1所示[3,4,5]。
文献[1]的分选流程,DOA的分选的步骤如下:
(1)读入经过测量可信的PDW流作为待分选的PDW流,此PDW流的第一个脉冲的DOA参数作为第一个DOA聚类的类中心。
(2)取PDW流的下一个脉冲的PDW描述字信息,将其DOA参数与第一个DOA聚类的类中心进行比较,若比较结果值小于设定的容差范围,则将该脉冲所有参数信息分配到该聚类中,同时需重新计算该DOA聚类的平均值,即类中心,并读取PDW流下一个脉冲的PDW描述字信息,继续进行比较。相反,若比较结果值大于设定的容差范围,直接跳转到下一步
(3)比较结果值大于设定的容差范围,认定为匹配不成功,此时需判断是否己经与所有聚类的类中心进行了比较,若没有,则仍需与下一个聚类类中心进行比较。相反,如果和全部的聚类类中心都进行了比较但没有匹配上,则应增加一类聚类类别,将该脉冲DOA参数作为新聚类的类中心。然后读取下一个脉冲继续进行比较,重复步骤(2)和步骤(3)的操作过程。
(4)如果最后一个脉冲已归到某个聚类中,剔除脉冲数少于5个的聚类,因为这些脉冲已无法进行PRI分选,DOA分选结束。
RF、PW联合分选步骤和DOA的分选类似,所不同的是:
(1)读入脉冲流是经过DOA分选的PDW流。
(2)每个聚类都是以RF和PW参数同时满足在各自分选容差范围内作为判断条件的。
由于此次聚类算法仅将在各参数设置范围内具有相似性的脉冲归类,归类完后实际情况中有可能存在几类都属于同一部雷达的情况,还需要根据实际掌握的信息和情况进行合并。
3 算法仿真
为了验证算法的有效性,模拟了3组不同辐射源夹杂干扰噪声的脉冲信号,按照脉冲到达时间顺序进行混合。每个辐射源PDW流包括PW、RF、DOA等参数。参数取值情况与抖动如表1所示,同时由于测量误差的原因,脉宽、载频、到达角有一定偏差。
在这里对以上数据作出解释,由于本雷达告警系统测向范围在(0°～360°)取3个典型值;同时告警系统将频率划分为6～8GHz、8～12GHz、12～18GHz这3个频段,故频率取各频段一典型值,由于不作频率测量只是简单划分故其偏差较小;脉宽测量时计数器频率高偏差较小。在仿真中为了模拟PW,RF,DOA测量值,给PW,RF和DOA加上各自随机偏差。在以上3组数据的基础上加入均匀分布干扰数据。
加入干扰数据之后,所形成的原始数据如图2和图3所示。
首先经过DOA聚类分选处理之后,得到具体的聚类结果如图4和图5所示。
其次再经过PW RF聚类分选处理之后,得到具体的聚类结果如图6所示。
从图4可以看到,噪声到达角度被进一步剔除掉。从图5和图6可以看到噪声频率、脉宽被进一步剔除掉。同时属于同一雷达辐射源的PDW脉冲流被归类到同一类别中以利于后续的分选和告警识别
该算法能自动确定分类数并且能对噪声点进行剔除,同时起到稀释脉冲流和分类具有相似性脉冲的作用,从而避免了噪声对后续分选工作产生的影响,同时使后续分选变得简单。
4 结束语
本文介绍了改进的均值聚类算法在雷达告警系统信号分选中的应用,并通过仿真进行了验证。从仿真结果看,该方法利用聚类算法的对相似个体进行分类性质进行分选,同时利用文献[1]提出的改进C-均值聚类算法无需预知设定的聚类数目,克服了传统分选方法速度慢且数据量大时易失效的缺点,对雷达告警系统雷达信号的快速准确分选和后续处理有积极的促进作用
参考文献
[1]李峰.复杂环境下雷达辐射源信号分选算法研究[D].西安:西安电子科技大学,2009.
[2]李雷,罗红旗,丁亚丽.一种改进的模糊C均值聚类算法[J].计算机技术与发展,2009,12(19):71-73.
[3]赵国庆.雷达对抗原理[M].西安:西安电子科技大学出版社,1999.
[4]祝正威.雷达信号的聚类分选方法[J].电子对抗,2004(6):6-10.
分选方法 篇7
随着微机技术不断应用到无损检测领域,同时无损检测本身的新方法和新技术也不断出现,从而使无损检测技术在工业材料的检测及质量管理中成为一个不可缺少的重要环节。钢铁材料电磁检测技术是无损快速检测技术领域中的一种实用技术,其目的是利用钢铁件内部结构异常或缺陷存在所引起的磁导率变化来进行各种钢材、零部件的硬度、含碳量测定及钢铁件混料分选,以便改进制造工艺,提高产品质量。本文将C8051F020单片机用于钢材无损检测分选仪的设计中,一方面提高了工件检测精度和速度,另一方面缩小了仪器体积,便于检测人员携带。
1 电磁检测原理
电磁检测是从使用电流的磁性方法中分离出来的,电磁方法也称磁感应法,它是以电磁感应为基础,利用交变磁场直接作用于铁磁材料本身,并通过对感应电流或电压振幅、相位的科学分析,从而成功地完成钢铁材料的性能测试、质量检查和监控,进行混料分选,完成材料的硬度、表面淬硬层或覆盖层深度的测定。该方法采用低频电流,通常不超过400Hz,比较常用的是60Hz～100Hz。电磁检测系统通常由3部分组成,即交变电流的检测线圈(探头)、检测电流的仪器和被检的金属工件。
电磁检测钢铁质量的磁导率检测法按电源类型可分为直流法和交流法两种,但第一种方法速度慢,不易实现自动化,而交流磁导率法是目前国内外应用最广泛的一种方法。交流磁导率法又分为中强磁场下的磁导率法和弱磁场下的初始磁导率法,二者区别是前者在实用中工件磁化区域多处于巴克豪森跃迁区,故对供电电源要求很高,弱磁场下的初始磁导率法避免了上述缺陷。所谓初始磁导率法,即工件在磁畴畴壁的可逆位移区域被磁化的磁导率法[1]。钢铁件的成分和组织结构不同,必然导致其磁性能和机械性能不同,即钢铁件成分和组织结构与其磁性能和机械性能是直接相关的。本文采用初始磁导率法,用电磁分选仪测出检测线圈的感应电势或感应电流,便可求得其相对磁导率,从而根据钢铁件的成分和机械性能与磁导率之间的相关性,间接测量出其硬度、含碳量,并可分选钢铁混料。
2 钢材无损检测分选仪设计
2.1 硬件设计
该仪器的硬件整体设计见图1,以通用型C8051F020单片机为核心,采用单片机片内ADC模块,通过模拟通道读入外部简单处理过的差分反馈信号,通过数字端口读入键盘的数据,通过数字端口输出实时的数据信号以驱动LCD显示,通过数字端口输出声光报警控制信号及外部设备控制信号,通过数字端口设置模拟开关选通,用以控制励磁电流的大小及频率高低。其特点在于:应用了C8051F020型单片机,将ADC模块、信号放大模块集成,整体封装采用TQFP贴片形式,大大缩小了占用空间,提高了整机的移动性能;在仪器的前向通道设计中,采用高性能仪表运算放大器及相应的噪声抑制措施对探头反馈信号进行处理后直接送单片机,减少外围电路,同时减小了信号的失真,保证了信号的完整性;键盘采用按钮加IN4148的组合形式,给出类似BCD码的数据形式,一改传统的扫描形式,不仅提高了键盘的反应速度,而且减少了单片机资源的浪费,提高了整体速度与精度;分选仪在分析处理现实数据的同时还能根据信号及设定的程序控制外部设备。为了增强分选仪的实用性,励磁信号的强度及频率必须能够变化,单片机通过MAX335模拟开关控制励磁信号强度及频率,考虑到稳定及避免占用MCU资源,励磁信号的频率由晶振及分频器CD4060提供。
2.2 软件设计
采用C8051F020的软件系统示意图见图2[2]。C8051F020的U-EC2适配器通过USB端口和PC主机连接,它的另一端插入目标板的标准JTAG接口上,JTAG接口与PC主机之间利用单片机的TMS、TCK、TDI和TDO线,通过在线通信协议进行通信。Silabs公司的集成开发环境和ICP(在线编程)功能可对C8051F系列单片机的FLASH存储器进行编程,利用该软件工具,用户可以在Windows操作系统下实现书写程序、编译、下载、电路内仿真及调试程序等功能,可对硬件和软件进行实时测试。
3 分段最小二乘法
现有分选仪的设计多数建立在钢材的材质特性参数与其磁导率参数成线性关系这一假设的基础上,采用两点法标定仪器,从而实现对未知钢材材质特性的检测,但这只是钢铁件材质-磁导率关系曲线的一种简单近似,其精度不高。其实钢铁件的材质特性与磁导率特别是初始磁导率之间往往存在双值甚至多值关系,例如初始磁导率与回火硬度在某区域往往呈现出“N”型关系。为了提高检测精度,采用基于分段最小二乘原理的数据拟合法,即根据一组测量数据,确定变量之间的函数关系。
3.1 直线的数据拟合
设钢材工件磁导率为u,硬度为h,含碳量为c,当工件的磁导率和工件的硬度在某区域呈直线时,采用基于分段最小二乘原理的直线数据拟合方法。给定一组基点u1
H1(u)=a1+b1u u11≤u
H2(u)=a2+b2u u1N1≤u
…
Hk(u)=ak+bku uk-1Nk-1≤u≤ukNk。
在整个拟合区间上就得到了k条直线段,将k条直线段连接起来,该函数就成为整个区间上的数据拟合函数,这样就得到了钢材工件的磁导率与硬度的函数表达式,同理也可求出磁导率与含碳量之间的函数表达式。
3.2 曲线的数据拟合
该仪器在许多实际检测问题中,变量之间内在的关系并不像上面所述的那样简单,呈线性关系,而是呈复杂的曲线关系。所以仅考虑用一种回归函数拟合其数据点,难以得到最佳的拟合曲线,要根据实测数据点的分布图,确定分段数目以及相应拟合曲线类型,然后再应用最小二乘法原理求得各分段拟合函数。
假设由实验得到一组数据点(ui,ci),i=1,2,…,n,根据散点图发现其前m个点较接近直线,后n-m个点呈现二次曲线关系,故分2段来进行数据拟合。前m个点用一次多项式拟合,后n-m个点用二次多项式拟合,即有:
要保证在分段点(um,cm)连续光滑,存在两个约束条件:
aum+b=k0uundefined+k1um+k2 ,
a=2k0um+k1 。
由此可推导出:
b=k2-k0uundefined。 (3)
令误差的平方和δ为最小二乘估计量,结合式(1)、式(2)和式(3)得到:
undefined。
根据最小二乘原理,当使误差的平方和δ达到最小时,曲线拟合达到最佳,因为误差都是实数,它们的平方和是正数,要求这些正数的和尽可能地小,便保证了这些误差的绝对值尽可能地小。对k0、k1、k2求偏微商,再使偏微商等于零,可求得当δ最小时k0、k1、k2的数值,进一步得到a、b的数值,从而确定拟合曲线的函数。
当然,如果由实验得到的散点图更复杂时,可以考虑分为M段,并且选用m次的多项式来拟合,然后在段点处选择约束条件,最终经过数学计算得到所需的函数关系式。
4 实验与结论
该实验制备了20件相同材质、不同硬度且尺寸均为长10cm的Φ8mm圆柱形碳钢试样,从中选取10件有代表性的作为标准试件来对仪器进行标定,另10件作为被测对象进行检测用,以检验不同算法对工件材质特性参数测量结果的影响。在检测过程中,标准试件的正确选取关系到检测的成败,为此,在仪器设计中增加了标准试件选取功能,以有效地剔除无效试样,不同算法下的测量结果见表1。
HRC
检测结果表明,采用分段最小二乘法检测的误差要比采用单一最小二乘法检测的误差小,因而将分段最小二乘拟合曲线的方法引入到检测过程中,确实能提高钢材无损检测分选仪的分选精度和效率。
参考文献
[1]张迎新.C8051F系列SOC单片机原理及应用[M].北京:国防工业出版社,2005.
[2]潘琢金,施国君.C8051FXXX高速SOC单片机原理及应用[M].北京:北京航空航天大学出版社,2002.
[3]李健生.基于模式识别的电磁无损检测系统的研究[D].哈尔滨:哈尔滨理工大学,2005:5-13.
[4]张东林.分段最小二乘曲线拟合[J].沈阳大学学报,1994(2):80-82.
分选方法 篇8
雷达信号分选是雷达对抗侦察信号处理的重要内容之一,雷达对抗侦察接收机输出到信号处理系统的是密集交叠的脉冲流(即全脉冲,每个脉冲以脉冲描述字PDW的形式表示)。雷达信号分选就是从这种随机交叠的脉冲流中分离出每一部雷达脉冲序列的过程。信号分选是利用同一部雷达信号参数的相关性和不同雷达信号参数的差异性来实现的。利用PRI信息进行分选一直以来是雷达信号处理的主要任务。利用PRI进行分选的算法有累积差值直方图(CDIF)、序列差值直方图(SDIF)和PRI变换等。统计直方图算法是以计算接收到的脉冲序列的自相关函数为基础。由于周期信号的自相关函数仍是周期函数,所以CDIF和SDIF算法中很容易出现PRI及其整数倍即子谐波同时存在的情况。PRI变换算法是为了克服直方图的缺陷而提出的,针对抖动还提出了PRI变换的改进算法,但PRI变换算法的这些适用性是以牺牲运算量来实现的。
利用二维平面显示技术是在先验信息已经被利用的情况下,试图用一种新的思维方式,将混合信号通过某种方式呈现或变换到二维平面S(r,l)(r,l分别是纵,横坐标,可以为任意正实数)来进行处理,找出平面图形的直观变化与各子信号的存在性,及各信号参数大小的某些联系,最后达到通过某种手段分选出信号的目的。平面变换技术就是这种分选方法的一种应用,但算法中特征曲线的提取需要人工参与,因此只能作为辅助分选,并且算法费时、费力。但这种将一维空间的处理变换为用二维平面显示的方式来处理的独创性方法,使雷达密集信号分选这个难题前进了一步。
1 平面变换技术
设某一脉冲到达时间序列为:t1,t2,…,tN(N为脉冲序列长度),对它作平面变换:
平面反变换为:
式中,Tmax是一个正常数;D与D′是一个矩阵。如果将矩阵D以时间ti,i=1,2,3,…,N为坐标画在平面坐标内,显然脉冲序列中所包含的重复周期变化规律将会随时间展现出来。这种以图形方式将脉冲信号的重复周期变化规律展现出来的方式称为“平面变换”。对于某一个到达时刻ti,i=1,2,3,…,N,在平面变换图中对应了多个脉冲间隔点,其中只有一个点对应着该时刻的瞬时脉冲重复周期,别的点都是噪声和虚假点。下面就对这些噪声和干扰进行处理。
为了滤除变换矩阵D中的噪声点,根据噪声分布和规律信号分布的概率密度差别,当f(x)≤c·fmean(c为一常系数)时令组间[Δmin+i×n Δmin+(i+1)×n]内中的所有Δ值等于零。式中,f(x)为组内概率分布密度;fmean为区间[Δmin Δmax]内的平均概率分布密度。
经过以上处理之后,变换矩阵D中一部分噪声和干扰点就被去掉了。按照噪声的随机性特点,变换矩阵D和反变换矩阵D′中的噪声点必然是互不相关的,因此同一到达时刻处的脉冲周期变化是随机的。而对于重复周期变换规律来说,正反2个计算方向的不同只会导致一定的相移,由相移造成的同一到达时刻处的脉冲周期变化较小,其变换规律是完全相同的。据此差别,定义距离:
经以上滤波处理后,由于镜像的原因,使得变换矩阵D每一行中仍然可能包含多个值。根据镜像的特点,在去除噪声之后,信号点一般是间隔最小的点。因此,只需将平面变换矩阵D的各行中最小的值保留,而删除其余的值即可去除镜像点。
在去除镜像效应之后,理论上就得到每一行对应的到达时刻处的瞬时重复周期。定义序列{pi,i=1,2,3,…,N},pi=Dij(Dij>0;i=1,2,3,…,N)。最后,利用重复周期变化规律进行可视化信号分选。
2 一种基于频域的分选方法
一直以来利用脉冲到达时间(TOA)进行基于PRI脉冲去交错处理一直是信号分选处理算法研究的热点,但已有算法CDIF、SDIF和PRI变换等对PRI调制类型的适用程度都有很大的局限性。这样对于包含多种PRI类型的交叠脉冲序列来说,单纯用PRI分析的方法来进行分选无疑是困难重重。针对这种情况,可以考虑利用其他不变的参数来进行综合分选,这就是本文要提出的基于频域来进行信号分选的新方法。
2.1 参数设置
设置一个待分选的雷达信号环境。设一列经过AOA稀释后的交叠脉冲流,参数范围分别为AOA∈[20 40],RF∈[3.5 4] GHz,PW∈[0.1 10] μs,PRI∈[50 150] μs,误差范围分别为AOA±4°,RF±RF×0.1%,PW±(PW×0.5%+0.1 μs),PRI根据调制类型设置不同的抖动范围。脉冲流中交叠的雷达信号类型见表1。另外,脉冲流中还包含10%的噪声脉冲。
对于上述雷达信号分选环境,直接进行PRI分析显然得不到正确的分选结果,虚警和漏警率很高。然而,当PRI调制时,RF、AOA和PW一般不变化,综合考虑三参数的测量精度和参数范围,选择用RF进行分选,将RF范围以固定间隔分为若干个RF箱进行统计。为了便于观察将RF信息在RF-TOA平面上进行显示,如图1所示。可见,RF捷变和噪声脉冲以一些杂散点出现在图中,而RF固定(PRI调制)、RF跳变和RF分集信号在一些固定频点处出现了一条“直线”,下面通过设定门限来提取这些“直线”从而完成对雷达脉冲序列的分选。
2.2 基于概率分布密度的频域滤波
计算各RF箱的幅值概率分布密度:
2.3 基于AOA的相关匹配滤波
经上述处理后,由图2可明显见到大部分杂散点被去除掉,但考虑到有些噪声脉冲与雷达信号或雷达信号之间载频很接近,以至于存在一个RF箱中。为了达到一个RF箱中只存在一部雷达信号,要进一步将RF箱内的干扰点去掉,考虑用AOA信息对剩余RF箱中的脉冲进行相关匹配滤波。首先对各RF箱中的脉冲AOA进行统计,以统计结果中峰值处的AOA为中心,在较大容差范围内对AOA进行加权平均得到
在一定观察时间内,由于雷达信号的PRI不同所含雷达脉冲数目也不同,因此处理一次还不能将所有呈现“直线”特征的雷达信号分选出来,尤其是RF跳变信号,也会有几条“直线”出现,如图1中较弱的几条“直线”。由于RF箱中信号分布的概率密度较低,会被当作杂散点去除掉,所以还要对去除的脉冲再进行上述处理过程,直到再也不能选出具有“直线”特征的RF箱为止。
2.4 雷达信号综合
显然,RF跳变和RF分集信号一定被分到不同的RF箱中,并且被当作不同雷达分选出来。因此,用RF分选完毕还要对雷达信号进行关联分析,所用参数为AOA、PW、PRI。首先对已分选雷达信号各参数进行统计,分别取统计结果中所占比例最大的值为此参数的代表值
2.5 捷变频信号的自相关处理
RF捷变雷达在RF-TOA平面中分布杂散,RF箱内概率分布密度低,因此不能被分选出来,而与一些噪声脉冲混叠在一起。对于由伪随机序列控制的RF捷变雷达来说,由于伪随机序列的相关函数在伪码周期处出现相关峰值,并且峰值重复周期为伪随机序列的周期。因此,对剩余脉冲序列基于RF进行自相关运算,会发现RF捷变的周期,可以以此来进行分选,具体步骤如下:
① 对RF点组成的随机信号进行去直流处理,即RF
② 设置采样频率,对剩余脉冲序列的视频波形进行时域采样,采样值为每个脉冲的RF去直流后的RF′;
③ 对采样数据进行自相关运算,从自相关结果中计算出RF捷变的周期T;
④ 取剩余脉冲序列中前T时间内的脉冲依次作为脉冲序列搜索的起点,以时间间隔T向后搜索相匹配的脉冲;
⑤ 根据TOA和RF的测量精度分别设定搜索容差和匹配容差,若在容差范围内搜索到脉冲,则进行RF的匹配,在匹配容差下认为相等便将此脉冲提取出来,否则继续向后搜索,直至结束。
经过上述处理后,表1中所有类型的雷达信号都能够成功分选,但PRI类型还不能确定,还要进一步用SDIF算法进行PRI识别。
3 结束语
本文提出了一种基于频域的脉冲序列分选方法,针对PRI分选难以解决的情况,考虑从RF角度进行分选,并加以AOA辅助分析。对RF捷变信号,本文提出在频域使用自相关运算来进行分析。由仿真结果可知,新方法适于多种PRI类型和RF类型相交叠的情况。基于脉冲RF的分选方案,打破了以往主分选算法中只考虑PRI分选的局限性,并且算法简单只是进行多参数 统计和比较,无需人工参与,易于实现。本文仅考虑了一种参数的变化,对于PRI和RF同时变化的情况,还有待进一步研究。
摘要：提出了一种基于频域的雷达脉冲信号分选方法,新方法打破了以往主分选算法CDIF、SDIF、变换等只考虑分选的局限性,考虑从RF角度进行分选,并综合AOA、PW、PRI等信息进行辅助分析。在仿真试验中,对于复杂雷达信号环境使用新方法进行逐层分选,并依照平面变换技术在RF-TOA平面上显示分选结果,可明显看到新方法能实现对多种PRI调制和RF调制相交叠的情况进行分选,并且算法简单易于实现。
关键词：信号分选,平面变换,去交错,PDW
参考文献
[1]王国玉,汪连栋.雷达电子战系统数学仿真与评估[M].北京:国防工业出版社,2004.
[2]赵国庆.雷达对抗原理[M].西安:西安电子科技大学出版社,1999.
[3]孟建,胡来招.用于信号处理的重复周期变换[J].电子对抗技术,1998,13(1):1-7.
CSS粗煤泥分选机分选试验研究 篇9
1 CSS 粗煤泥分选机理及分选过程
CSS粗煤泥分选机是基于成熟的干扰沉降原理,根据物料密度差异进行分选的设备。物料在上升扰动水流作用下形成自生固体流动床层,实现轻重物料的分离,从而分选出精煤和矸石。矿浆首先给入缓冲桶,经入料平稳装置进入分选机体内,与由顶水自稳定系统产生的上升水流相遇而形成流化床层。当达到稳定状态时,入料中沉降速度小的颗粒会浮起,进入溢流成为精煤,入料中沉降速度大的颗粒则穿过床层,由底流口排出成为沉物[5,6]。
2 CSS 粗煤泥分选机在田庄选煤厂的应用实践
田庄选煤厂属于矿区型炼焦煤选煤厂,技改前采用重介质—浮选工艺。原煤经双层分级筛分级为大于16 mm块煤,2. 5 ~ 16 mm末煤和小于2. 5 mm粗煤泥。块煤进入斜轮分选机分选,末煤进混料桶经重介质旋流器分选,小于2. 5 mm粗煤泥由角锥沉淀池分级,最终0. 5 ~ 16 mm粒级全部进入末煤系统采用重介质旋流器分选,小于0. 5 mm煤泥进入浮选系统。实际生产中由于分级旋流器分级精度低,常常造成浮选精煤跑粗。同时部分细粒煤会进入重介质系统影响重介质旋流器分选效果及介质回收,增加了介耗和煤泥水系统的负担。为减轻重介质系统压力,提高细粒精煤产率,田庄选煤厂引进了两台CSS粗煤泥分选机,又将原0. 5 mm脱泥筛更换成1 mm脱泥筛。改造后的工艺流程如图1所示。
2. 1 CSS 各产品筛分试验
投入生产后,使用CSS对选煤厂的粗煤泥进行分选,多次采集入料、精煤和尾煤样品,并进行筛分、浮沉试验。大于0. 5 mm筛分试验结果如表1所示。小于0. 5 mm筛分试验结果见表2。
根据表1和表2中的数据,绘制入料、精矿、尾矿粒度曲线,如图2所示。
由图2可知,入料和精矿粒度分布较为均为,而尾矿粒度主要集中在大于0. 25 mm。入料、精矿粒度均匀说明物料解离较为充分,有利于创造合适的分选环境。由表1和表2可知: 溢流中大于0. 5 mm含量可达24. 46% ,灰分为11. 74% ,可燃体回收率达到84. 75% ,说明该粒级的分选指标达到较好水平; 入料中小于0. 25mm粒级含量为37. 79 % ,说明入料中该粒级含量较高,不利于分选。精矿中该粒级含量可达35. 24% ,在不考虑泥化的情况下,该粒级中有93. 25% 物料进入溢流,即分选过程中该粒级几乎未得到分选; 小于0. 5 mm粒级可燃体回收率综合可达96. 75% ,在不考虑粒级的影响下,有利于实现精煤产率的最大化,但是较高的回收率也说明该粒级未得到充分分选。
2. 2 CSS 各产品浮沉试验
分别对大于0. 5 mm和小于0. 5 mm入料、精矿、尾矿进行浮沉试验,结果如表3和表4所示,浮沉综合表见表5。
由表5可知,精矿中小于1. 5 kg /L含量达到75. 76% ,为主导密度级,小于1. 3 kg / L含量为34. 25% ,灰分为5. 90% 。若灰分控制在20% 以内,分选密度应在1. 4 ~ 1. 5 kg /L之间,说明该分选机在低密度情况下有利于生产出低灰精煤。根据各粒级平均密度级分配率绘制分配曲线,如图3所示。从图中可以看出: 分配曲线走势较为平缓,分选效果相对较差,究其原因,小于0. 25mm物料在分选机内几乎未得到有效分选,造成整个分配曲线较为平缓。通过分配曲线和表中数据可得到以下分选指标: Ep值为0. 243 kg /L,未达到较好 的0. 1 ~ 0. 13区间, 数量效率 为83. 20% ,不完善度I为0. 344,说明该分选机未达到最佳分选状态,可以通过改善入料状况、分选机操作参数等提高分选效率。
由筛分和浮沉数据可知,粗煤泥分选入料中仍有高达37. 79 % 的细粒级物料,该部分物料在分选机中几乎未得到分选,影响着最终的分选指标。按照目前的工艺,选后溢流脱泥可降低精矿中细粒级物料的含量,保证精煤指标,技改后的指标有利于实现精煤产率最大化。入料中小于0. 25 mm细粒含量较高,说明上一分选环节分级效率低,可在CSS粗煤泥分选机系统增设若干组高效分级旋 流器,优化粗煤 泥分选机 的入料组成。
3 结 语
( 1) 由试验数据可知,小于0. 25 mm粒级物料在CSS分选机中不能得到有效分选,佐证了该设备最佳分选粒级应为1 ~ 0. 25 mm。
( 2) CSS粗煤泥分选机适宜低密度分选,在实际生产中应设置合理的分选密度。