磨煤机作为一种煤料粉碎设备,在矿山、冶金、火电、化工等工业行业中往往起到重要的辅助作用,磨煤机的工作效率和这些行业总体的生产效率有着密切的关系。然而,磨煤机存在多变量、强耦合、大惯性等无法回避的特性,若处于不良工况或磨损较大的情况可能会影响磨煤机系统的正常运行,从而提高发生煤粉堵塞、高温超限等多种故障的可能性。在研究提高球磨机工作效率和安全运行的方向中,如何获得当前工作状态下的载煤量是关键性的研究问题,也长期处在该领域的热点研究地位。若能及时、准确地获得当前载煤量,将有效提高对球磨机的自动控制水平、提高运行效率,对行业产生可观的经济效益。论文对于球磨机载煤量的检测,提出了一种根据钢球表面受压缩应力与载煤量关系的新思路,并围绕该思路进行了理论分析、模拟验证、试验论证等环节,探究了该思路的可行性和有效的方法。通过对球磨机运动理论中“抛落式”和“泄落式”运动状态的分析,本文提出对于不同运动状态,钢球表面受压缩应力不同,故可以通过持续检测该信号的数值来对磨煤机当前载煤量进行分类识别。为验证这一理论,建立了球磨机-钢球-煤料模型。在球磨机和设计上,使用Solidworks建立三维模型文件并导入EDEM软件中,通过EDEM特有的“粒子工厂”功能产生钢球和煤料模型,并导入相应的物理参数,进行软件模拟计算。在试验环节,首先设计并制造一个类似球磨机钢球大小的近似球体作为设备外壳,外壳的样式和薄膜压力传感器相适应,由Auto CAD 3D软件绘制完成后交由3D打印厂家完成,之后在其部分表面覆盖一种FSR薄膜压力传感器、在外壳内部设置Arduino电路板和蓝牙无线传感装置,通过无线信号将数据传输到外部计算机中。之后,在软件模拟测试环节设计的球磨机模型文件基础上改造了球磨机模型筒体造型、计算了电机功率、装配元件并装配完成。在数据处理环节,论文使用目前应用广泛的SVM支持向量机人工神经网络作为数据分析的工具,将每一时刻的FSR压力传感器数据作为数据,载煤量作为识别结果形成一个样本,经训练后进行分类识别,取得了较显著的试验成果,证明该方法有可行性,对球磨机相关设计与研究有一定参考意义。