球磨机具有操作简单、制造成本低、破碎比大、既可用于湿磨又可用于干磨等诸多优点,广泛应用在玻璃、陶瓷、水泥、化工、矿山等领域。但是,球磨机磨矿过程存在多变量相互制约、强耦合、滞后时间长等缺点,造成其筒体内部负荷参数无法显性描述和实时控制,难于充分发挥磨机的实际效能。因此,实现磨机内部负荷的有效预测,使球磨机运行在最佳工况状态,是提高磨矿效率、降低生产成本的根本任务之一。本文以试验球磨机为研究对象,通过经验分析、实验探究、信号处理相结合的方法,采用多种传感器分别检测球磨机轴承振动信号、筒体磨音信号和主电机电流信号,应用最优融合集和D-S证据理论的多源信息融合技术,对磨机负荷的多源信号特征提取与预测方法进行了深入研究,实现了磨机内部负荷状态参数的有效预测。主要研究结果为:首先,针对球磨机耗能高、产量低、噪音大等问题,通过经验分析得出磨矿过程的主要影响因素和信号检测方法;搭建了球磨机多源信号检测系统,采用单因素变量法进行了磨矿实验,以加球量、给料量、入料粒度分布、球配比为输入参数,以能耗和-200目产率为评价指标,相关实验结果表明,不同磨机负荷参数可划分为欠负荷、正常负荷、过负荷三种状态。其次,为了对三种状态的多源信号进行特征提取和识别,采用了小波变换技术分别对球磨机振动、磨音信号进行特征提取,得到振动特征信息为信号的均值、方差和频率段能量值,磨音特征信息为信号的A计权总声压级和A计权倍频程声压级;通过对比分析不同工况下信号特征信息值的欧氏距离,结果表明与单一信号相比,多源信号能更准确、更快速的对磨机负荷进行识别;通过对不同时间段的电流信号进行均值化处理,得出随着磨机负荷的增加,电流值呈先增加后减小的趋势。最后,针对磨机负荷预测中的检测信号存在高冲突、强突变、低相关的问题,采用了改进后的最优融合集算法,对同类信号在不同时间段的检测数据进行融合,结果表明该方法能有效剔除高冲突信息;采用改进后的D-S证据理论融合规则,提出了一种磨机负荷的多源异类信号特征层融合方法,并通过实例验证和不同算法对比分析,表明该方法应用于磨机负荷预测时,得到的融合结果置信度更高、收敛速度更快、稳定性更强。综上所述,通过单因素变量磨矿试验和多源信号特征提取与识别,采用最优融合集和D-S证据理论建立多源信号特征层融合方法,对磨机负荷预测具有较强的实用性及可靠性,也可为其它选矿设备的节能降耗提供设计新思路。