一种基于虚拟样本的磨机负荷参数软测量方法技术

本发明专利技术公开了一种基于虚拟样本的磨机负荷参数软测量方法，所述方法首先采用集成经验模态分解技术(EEMD)获得磨机筒体振动及振声样本信号的多尺度时域子信号，进行进一步处理后获得具有不同时间尺度的高维谱数据；接着基于这些高维谱数据采用改进的选择性集成核偏最小二乘方法(IGASEN-KPLS)构建基于可行性的规划(FBP)模型，并基于先验知识和FBP模型产生新的虚拟样本；然后将其与真实训练样本混合后得到混合建模样本，并采用基于互信息(MI)的特征选择方法进行多尺度谱特征的自适应选择，采用这些选择的谱特征构建软测量模型，并进行软测量。

【技术实现步骤摘要】

本专利技术设及软测量领域，具体设及一种基于虚拟样本的磨机负荷参数软测量方 法。
技术介绍
磨矿过程的优化运行控制需要准确检测磨机内的负荷参数（参见文献 P.Zhou,T.Y.Chai,Η.Wang,"Intelligentoptimal-settingcontrolforgrinding circuitsofmineralprocessing, "IEEETransactionsonAutomationScienceand lingineering, 6(2009)730-743.和文献T.Y.Qiai,"Operationaloptimization andfeedbackcontrolforcomplexindustrialprocesses,"ActaAutomatica Sinica，39 (2013) 1744-1757)。磨机内部数W万计的钢球分层排列，不同层的钢球对磨机内 部物料和磨机筒体的冲击力具有不同的强度和周期。通常测量得到的筒体振动信号是具有 不同时间尺度的多个子信号的混合。筒体振动是磨机振声信号的主要来源。因此，运些机 械振动和振声信号具有非稳态和多组分特征。优秀的领域专家通过同时考虑多种运行工况 和多种来源信息可有效监视磨机负荷状态和部分磨机内部的负荷参数。研究表明，人耳可 W从磨机振声信号中分辨出有价值信息。事实上，人耳是一组自适应带通滤波器，人脑具有 多层认知结构。领域专家可从多源特征和多种运行工况中提取有价值信息进行决策。领域 专家经验的差异和有限的精力难W保证磨机长期工作在优化负荷状态。针对运些情况，很 有必要模拟领域专家的认知过程建立磨机负荷参数软测量模型。 在时域内，磨机筒体振动和振声内的有价值信息被隐含在宽带随机噪声中（参见 ^南犬Y. ,Zen邑，E.Forssber邑，"Monitoring邑rindin邑parametersbyvibrationsignal me曰surement-曰prim曰ry曰pplic曰tion, ''Miner曰IsEngineering, 1994, 7 (4) :495-501.)。 基于机械振动和振声信号的磨机负荷参数建模需要关注3个子问题：多组分信号自适应分 解、多源谱特征自适应选择、基于选择多种运行工况的软测量模型构建。 研究表明，信号处理可W简化特征的选择和提取过程（参见文献 S.Shukla,S.Mishra,andB.Singh,"PowerQualityEventClassificationUnder NoisyConditionsUsingEMD-BasedDe-NoisingTechniques, "IEEETransactionon IndustrialInformatics, 10(2014) 1044-1054.)。磨机负荷参数与筒体振动和振声信 号的功率谱密度（PSD)密切相关（参见文献J.Tang,L.J.Zhao,J.W.Zhou,Η.化e，T. Υ.Chai,"Experimentalanalysisofwetmillloadbasedonvibrationsignalsof 1 油orato巧-scaleballmillshell,"Mineralslingineering, 23(2010)720-730.)，但运 些谱数据通常包含成千上万的特征。很多维数约简算法用于处理具有该特点的数据（参见 文南犬J.Tan邑，T.Y.Chai,W.Yu,L.J.Zhao,"Modelingloadparametersofballmill ingrindingprocessb曰sedonselectiveensemblemulti-sensorinform曰tion,''IEEE TransactionsonAutomationScienceandEngineering, 10 (2013)726-740.)。基于 互信息（MI)和偏最小二乘（PLS)的算法可W有效识别运些特征（参见文献)。为 有效的融合运些频谱特征，基于集成化S，选择性集成（沈脚和核化S(KPLS)的软测量 模型方法已有报道（参见文献J.Tang,T.Y.Chai，L.J.Zhao,W.化，比化e，"Soft sensorforparametersofmillloadbasedonmulti-spectralsegmentsPLS sub-modelsandon-lineadaptiveweightedfusionalgorithm,，，Neurocomputi ng, 78 (2012) 38-47.文献J.Tang,T.Y.Qiai，W·化，LJ.Zhao,"Featureextraction andselectionbasedonvibrationspectrumwithapplicationtoestimate theloadparametersofballmillingrindingprocess，，，ControlEngineering Practice, 20 (2012) 991-1004.)。但是，快速傅里叶变换（FFT)不适合于具有非稳态特性 的机械振动和振声信号的处理（参见文献巧]Y.G.Lei,Z.J.He,Y.Y.Zi，"Applicationof theEEMDmethodtorotorfaultdiagnosisofrotatingmachinery,"Mechanical SystemsandSignalProcessing, 23 (2009) 1327-1338·)。离散小波变换、连续小波 变换（CWT)、小波包变换等时频分析方法已经被广泛应用于旋转机械设备的故障诊断 (参见文南犬G.K.Singh,S.A.S.AlKazzaz,"Isolationandidentificationof drybearingfaultsininductionmachineusingwavelettransform,，，Tribology International42(2009)849-861.;文献J.Cusido，LRomeral，J.A.Ortega,J. A. 民osero,andA.GarciaEspinosa,"Faultdetectionininductionmachinesusing powerspectraldensityinwaveletdecomposition, "IEEETrans.Ind.Electron.，v ol. 55,no. 2,pp. 633-643,Feb. 2008.文献M.Riera-Guasp,J.A.Antonino-Daviu,M. Pineda-Sanchez，民.Puche-Panadero,J.Perez-Cruz,"Ageneralapproachfor thetransientdetectionofslip-dependentfaultcomponentsbasedonthe discretewavelettransform，"IEEETrans.Ind.Electron.，55(2008)4167-4180.文 南犬J.Ses本文档来自技高网...

【技术保护点】
一种基于虚拟样本的磨机负荷参数软测量方法，包括：S100、将每个真实样本分解为JIMF个真实子信号，获得所有真实样本的JIMF个真实子信号向量，每个真实子信号代表具有物理含义的单一振动模态，JIMF为预定值，所述真实样本为在已知负荷参数下检测获取的磨机筒体的样本振动信号和样本振声信号；S200、提取所有真实子信号的谱特征，获取所有真实样本的JIMF个谱特征向量；S300、对于每个谱特征向量，在所有可插值的谱特征对之间进行插值生成多个虚拟谱特征，所述可插值的谱特征对为自身或相关向量中预定数量的元素相同的两个真实样本所对应的谱特征；S400、以每个谱特征向量和对应的负荷参数为训练样本，训练获取JIMF个子输出预测模型；S500、以每个谱特征向量对应的所述虚拟谱特征为输入，根据对应子输出预测模型计算对应的备选子输出,并在备选子输出符合虚拟子信号筛选条件时将当前备选子输出作为虚拟谱特征对应的虚拟子输出，在重复执行预定次数仍然不能获得虚拟子输出时，返回步骤S400；S600、基于信息熵计算JIMF个虚拟子输出的加权系数，并基于所述虚拟子输出和对应的所述加权系数加权计算虚拟样本输出；S700、对于每个谱特征向量，将对应的虚拟谱特征和谱特征向量合并作为混合样本输入，将虚拟样本输出和真实样本的负荷参数合并获取混合样本输出，S800、在由混合样本输入和混合样本输出组成的混合样本中，通过自适应谱特征选择获取选取的谱特征，并划分为训练样本和验证样本；S900、根据训练样本和验证样本，训练获取软测量预测模型；S1000、获取需要进行软测量的磨机的测试数据的谱特征；S1100、根据所述软测量预测模型计算测试数据的谱特征对应的负荷参数。...

【技术特征摘要】

【专利技术属性】
技术研发人员：汤健，柴天佑，刘卓，吴志伟，周晓杰，迟瑛，贾美英，李东，
申请(专利权)人：中国人民解放军六一五九九部队计算所，东北大学，
类型：发明
国别省市：北京;11