球磨机是一种重要的工业生产设备,它广泛应用于水泥、玻璃、金属选矿等生产行业,能将各种物料和矿石磨成细颗粒状。球磨机的工作载荷是动态变化的,目前,大部分球磨机的工作载荷不检测,对应的控制系统不考虑工作载荷的变化,难于达到优化控制。球磨机载荷不同时,其音频信号特征变化,通过检测音频信号的特征值,可以判断球磨机工作载荷的变化情况。本文研究球磨机工作载荷的音频特征,寻求工作载荷变化状态与对应音频特征之间的关系,为实现球磨机的优化控制做基础研究。本文以实验室小型球磨机为研究对象,通过理论研究、实验探究以及仿真分析相结合的方法。首先,从球磨机的构造以及工作原理出发,分析磨音产生机理,确定了本文的研究重点。搭建了球磨机磨音信号采集系统,设计了实验方案,并且通过实验采集到了球磨机在不同负荷下的磨音信号,为球磨机负荷预测提供了外部特征信号。其次,对磨音信号进行功率谱估计,通过分析得知磨音信号的频谱随着负荷的变化而发生变化,并且球磨机磨音信号功率谱的变化存在随机性、复杂性以及非线性等特点;利用主元分析法对球磨机磨音功率谱分段以后得到基本特征进行特征提取,通过分析得知特征提取后降低了特征的维数以及特征之间的冗余度,使特征分布更加确定、随机性更小。最后,对支持向量机的参数进行分析和研究,提出利用粒子群算法对支持向量机的参数进行寻优,用优化后的参数建立支持向量机预测模型,用特征提取后的样本集训练模型并进行预测,将预测结果与PCA-SVM和SVM两个模型的预测结果进行对比分析,结果表明了本文提出的PCA-PSO-SVM预测模型能对球磨机负荷进行有效预测,还具有预测精度高、稳定性好以及计算效率高等优点。通过以上研究表明,通过磨矿实验采集磨音信号、磨音信号的特征提取以及基于粒子群寻优算法建立支持向量机预测模型,实现了球磨机负荷的有效预测,对提高球磨机磨矿效率、降低能耗具有积极的指导作用。