Стаття присвячена дослідженню зв’язку між сигналом віброакселерометра та рівнем наповнення кульового барабанного млина розмелюваним матеріалом. Встановлено, що є пряма кореляція між рівнем вібрації передньої опори млина та кількістю матеріалу, що розмелюється у млині. Низький рівень вібрації відповідає високому рівню наповнення млина. Запропоновано два способи опрацювання сигналу віброакселерометра для отримання сигналу рівня наповнення із застосуванням рухомого вікна. У першому способі виконується побудова частотного спектру та визначення максимуму в певному діапазоні частот. Другий спосіб полягає у розрахунку інтеграла модуля сигналу віброприскорення за час рухомого вікна. Продемонстровано роботу кожного способу на основі експериментальних даних сигналів віброприскорення під час роботи двох кульових барабанних млинів.
- Fedoryshyn, R.; Nykolyn, H.; Zagraj, V. & Pistun, Y. (2012). The improved system for automation and optimization of solid material grinding by means of ball mills. Annals of DAAAM for 2012 & Proceedings of the 23rd International DAAAM Symposium, ISBN 978-3-901509-91-9, ISSN 2304-1382, CDROM version, pp.053-056, Editor B. Katalinic, Published by DAAAM International, Vienna, Austria, EU, 2012. https://doi.org/10.2507/23rd.daaam.proceedings.013
- Deng, Jiacheng & Zhang, Yi & Huang, Ao & Wang, Runfeng & Gu, Huazhi & He, Jian. (2020). Monitoring and analysis of ball milling process based on acoustic signal inversion. IOP Conference Series: Earth and Environmental Science. 461. 012093. https://doi.org/10.1088/1755-1315/461/1/012093.
- Li, Yaoyu & Bao, Jie & Yang, Runyu. (2021). Acoustic signals of rotating drums generated based on DEM simulations. EPJ Web of Conferences. 249. 14019. https://doi.org/10.1051/epjconf/202124914019.
- P. Hosseini, S. Martins, T. Martin, P. Radziszewski, F.-R. Boyer. (2011). Acoustic emissions simulation of tumbling mills using charge dynamics. Minerals Engineering, V. 24, Issue 13, P. 1440-1447, ISSN 0892-6875, https://doi.org/10.1016/j.mineng.2011.07.002.
- Owusu, K. B., Skinner, W., & Asamoah, R. K. (2023). Acoustic sensing and supervised machine learning for in situ classification of semi-autogenous (SAG) mill feed size fractions using different feature extraction techniques. Powders, 2(2), 299-322. https://doi.org/10.3390/powders2020018
- Huang, P., Jia, M. & Zhong, B. (2014) Study on the method for collecting vibration signals from mill shell based on measuring the fill level of ball mill. Mathematical Problems in Engineering, Volume 2014, Article ID 472315, 10 pages, https://doi.org/10.1155/2014/472315
- Jeong, H., Yu, J., Lee, Y., Ryu, S. S., & Kim, S. (2022). Real-time slurry characteristic analysis during ball milling using vibration data. Journal of Asian Ceramic Societies, 10(2), 430–437. https://doi.org/10.1080/21870764.2022.2068747
- Tang, W., Zhang, F., Luo, X., Wan, J., and Deng, T. (2023). Method of vibration signal processing and load-type identification of a mill based on ACMD-SVD. Mineral Resources Management, 39(1), pp.217-233. https://doi.org/10.24425/gsm.2023.144626
- Zhang, X., Wang, S., Li, W. and Lu, X. (2021). Heterogeneous sensors-based feature optimisation and deep learning for tool wear prediction. The International Journal of Advanced Manufacturing Technology, 114, 2651-2675. https://doi.org/10.1007/s00170-021-07021-6
- https://www.mathworks.com/help/matlab/ref/audioread.html (accessed on 26.09.2025)
- R. Fedoryshyn, V. Lymych, V. Zagraj, O. Masniak. (2024). Technique for defining the optimal parameters of moving window at vibration accelerometer signal processing. Energy Engineering and Control Systems, Vol. 10, No. 2, pp. 142 – 152. https://doi.org/10.23939/jeecs2024.02.142
- https://www.mathworks.com/help/matlab/ref/fft.html (accessed on 26.09.2025)
- https://www.mathworks.com/help/matlab/ref/cumtrapz.html (accessed on 26.09.2025)