【技术实现步骤摘要】
本专利技术涉及软测量领域,具体涉及一种基于模糊推理的磨机负荷参数软测量方法。
技术介绍
磨矿过程是选矿生产过程的“瓶颈”作业,其作用是将破碎后的原矿通过大型旋转机械设备(球磨机)研磨成粒度合格的矿浆,为后续选矿过程提供原料。球磨机的运转率和效率常常决定了磨矿过程甚至选矿全流程的生产效率和指标(参见文献1:陈剑锋,肖飞凤.球磨机的发展方向综述[J],中国矿业,2006,15(8):94-98.)。准确检测磨机负荷是实现磨矿过程优化控制和节能降耗的关键。工业界通常采用磨机研磨过程中产生的机械振动/振声及磨机电流等多源信号对磨机负荷进行间接测量(参见文献2:汤健,赵立杰,岳恒,柴天佑.磨机负荷检测方法研究综述[J].控制工程,2010,17(5):565-570.以及文献3:TangJian,ChaiTian-you,YuWen,ZhaoLi-jie.ModelingLoadParametersofBallMillinGrindingProcessBasedonSelectiveEnsembleMultisensorInformation[J].IEEETranzactiononAutomationScienceandEngineering,2013,10(3):726-740.),并且在采用干式球磨机的水泥、火电等行业中成功应用。优秀领域专家能够借助工业现场多源信息和多年积累的经验知识,凭借“人脑模型”有效地判别所熟悉的特定磨机的负 ...
【技术保护点】
一种基于模糊推理的磨机负荷参数软测量方法,包括:S100、在预定的磨机负荷下运行磨机,获取表征磨机振动和/或振声的样本特征信号;S200、将所述样本特征信号分解为具有不同时间尺度的样本子信号,每个样本子信号代表具有物理含义的单一振动模态;S300、对所述样本子信号进行降维以获得预定数量的相互独立的潜在特征变量;S400、通过模糊推理建模方法根据每个所述潜在特征变量和对应的磨机负荷构建对应的模糊推理子模型;S500、对于J‑2种可能的集成模型中的子模型数量Jsel,通过求解如下优化问题,从所有的模糊推理子模型中选取Jsel个作为集成子模型并求取集成子模型对应的权重,以获得J‑2个候选软测量模型:maxErmsre=θth-1kΣl=1k(yl-Σjsel=1Jselwjsely^jse1lyl)2]]>s.t.Σjse1=1Jse1wjsel=10≤wjsel≤11<jsel<Jsel1<Jsel≤J]]>其中,θth为设定阈值,k为样本个数,yl为磨机负荷参数第l个样本的真值,为选择性集成模型对第l个样 ...
【技术特征摘要】
1.一种基于模糊推理的磨机负荷参数软测量方法,包括:
S100、在预定的磨机负荷下运行磨机,获取表征磨机振动和/或振声的样本特
征信号;
S200、将所述样本特征信号分解为具有不同时间尺度的样本子信号,每个样本
子信号代表具有物理含义的单一振动模态;
S300、对所述样本子信号进行降维以获得预定数量的相互独立的潜在特征变量;
S400、通过模糊推理建模方法根据每个所述潜在特征变量和对应的磨机负荷构
建对应的模糊推理子模型;
S500、对于J-2种可能的集成模型中的子模型数量Jsel,通过求解如下优化问
题,从所有的模糊推理子模型中选取Jsel个作为集成子模型并求取集成子模型对应的
权重,以获得J-2个候选软测量模型:
maxErmsre=θth-1kΣl=1k(yl-Σjsel=1Jselwjsely^jse1lyl)2]]>s.t.Σjse1=1Jse1wjsel=10≤wjsel≤11<jsel<Jsel1<Jsel≤J]]>其中,θth为设定阈值,k为样本个数,yl为磨机负荷参数第l个样本的真值,
为选择性集成模型对第l个样本的软测量值,为基于第jsel个集成子模型对第l
个样本预测值,wjsel是第jsel个集成子模型的权重,J为模糊推理子模型的数量;
S600、将所述J-2个候选软测量模型中预测误差最小的作为磨机负荷参数软测
量模型;
S700、获取需要进行软测量的磨机的测试数据的潜在特征变量;
S800、根据所述磨机负荷参数软测量模型计算所述测试数据的潜在特征变量对
应的负荷参数。
2.根据权利要求1所述的基于模糊推理的磨机负荷参数软测量方法,其特征
在于,所述步骤S200包括:
通过经验模态分解(EMD)、集合经验模态分解(EEMD)、希尔伯特振动分解
(HVD)、局部均值分解(LMD)中的一种或几种多组分信号分解方法将所述样本
特征信号分解...
【专利技术属性】
技术研发人员:刘卓,汤健,柴天佑,周晓杰,吴志伟,贾美英,迟瑛,丁进良,
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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。