在大型矿山，矿石在现场研磨以提取有价值的矿物，进行这种提取的磨矿机由一个大滚筒组成，在这个滚筒中，矿石本身，有时还加入钢球，进行物理研磨过程，当滚筒旋转时，矿石/钢球被叶片提升到滚筒内部一侧的级联角度，在那里它们会掉落并碰撞到底部，从而减少矿石，接下来小编将带大家去了解机器学习解决磨机衬板监控问题。
由于滚筒直径可达10?m，因此滚筒是一个昂贵的套件，为防止损坏滚筒，插入金属或橡胶衬垫，由于磨机停机和更换零件，更换衬板的成本很高，因此尽可能晚地更换衬板是经济的，但同时也能将生产率损失降至很低。
如果要大限度地延长工艺正常运行时间，监测高通量研磨设备中的衬板磨损至关重要，当矿石到达班轮时，会产生振动，这些振动及其传递函数随缸套厚度的变化而变化，这为磨损测量提供了一种有前途的方法。
为了验证这些发现，并且由于很难接触到磨矿机，我们建立了磨矿机的比例模型，利用该样机进行了多种不同缸套厚度的实验测量，所有测量数据均采用深度神经网络进行分析，并在正确的磨损等级下进行了分类。
