一种融合集成磨机负荷参数软测量系统技术方案

本发明专利技术公开一种融合集成磨机负荷参数软测量系统；首先采用多组分信号自适应分解算法将原始筒体振动/振声信号分解为具有不同时间尺度和物理含义的时域子信号，再变换至频域得到多尺度频谱；接着构建基于这些多尺度振动/振声频谱的选择性集成潜结构映射模型；然后提取多尺度频谱潜在特征并以这些特征为输入构建选择性集成模糊推理模型；最后采用基于误差信息熵的加权方法融合集成上述两类异质选择性集成模型，进而得到具有双层集成结构的磨机负荷参数软测量模型。采用实验磨机数据仿真验证了所提方法的有效性。

An Integrated Soft Measurement System for Mill Load Parameters

The invention discloses a soft-sensing system integrating integrated mill load parameters. Firstly, the original cylinder vibration/vibration acoustic signal is decomposed into time-domain sub-signals with different time scales and physical meanings by using multi-component signal adaptive decomposition algorithm, and then transformed into frequency domain to obtain multi-scale spectrum. Then, a selective integrated latent structure mapping based on these multi-scale vibration/vibration acoustic spectrum is constructed. Secondly, the potential features of multi-scale spectrum are extracted and used as input to construct a selective integrated fuzzy inference model. Finally, the weighted method based on error information entropy is used to fuse and integrate the two kinds of heterogeneous selective integrated models, and then the soft sensor model of mill load parameters with double-level integrated structure is obtained. The validity of the proposed method is verified by the simulation of experimental mill data.

【技术实现步骤摘要】
一种融合集成磨机负荷参数软测量系统
本专利技术涉及一种融合集成磨机负荷参数软测量系统。
技术介绍
磨机负荷的准确检测是实现磨矿过程优化控制和节能降耗的关键因素之一[1]。磨机过负荷会造成磨机“吐料”、出口粒度变粗，甚至导致磨机“堵磨”、“胀肚”、发生停产事故；反之，磨机欠负荷会造成磨机“空砸”，导致能耗和钢耗增加，甚至设备损坏。工业界通常采用磨机研磨过程产生的机械振动和振声等多源信号建立数据驱动模型间接测量磨机负荷。研究表明，筒体振动和振声信号具有较强的非线性、非平稳性和多组分特性[2]。国外Zeng等人在90年代中期面对选矿行业，在实验和工业球磨机的轴承振动和振声信号方面进行了大量研究，并基于这些机械信号的频谱特征子频段建立了磨机内部磨矿浓度、磨矿粒度等参数的软测量模型[3]，表明磨机振声频谱比轴承振动频谱蕴含更多有价值信息。东北大学、大连理工大学分别基于实验和工业球磨机的振声、轴承压力、磨机电流等外部信号建立了料球比(MBVR)、磨矿浓度(PD)和介质充填率(BCVR)共3个磨机负荷参数的软测量模型[4,5]。针对球磨机内BCVR短时间变化较小、格子型球磨机会在60秒内产生堵磨故本文档来自技高网...

【技术保护点】
1.一种融合集成磨机负荷参数软测量系统，其特征在于，包括：多尺度频谱变换模块，采用EEMD算法将筒体振动和振声信号自适应分解为具有不同时间尺度的IMF，并将这些时域子信号经FFT变换为多尺度频谱和进行重新组合；SEN潜结构映射模块：采用KPLS算法构建潜结构映射候选子模型，然后基于BBSEN进行潜结构映射集成子模型的选择与合并，得到SEN潜结构映射磨机负荷参数软测量模型；基于潜在特征的SEN模糊推理模块，采用KPLS算法提取多尺度频谱的潜在特征，基于这些潜在特征构建模糊推理候选子模型，然后基于BBSEN进行模糊推理集成子模型的选择与合并，得到SEN模糊推理磨机负荷参数软测量模型；基于误差信息熵...

【技术特征摘要】
1.一种融合集成磨机负荷参数软测量系统，其特征在于，包括：多尺度频谱变换模块，采用EEMD算法将筒体振动和振声信号自适应分解为具有不同时间尺度的IMF，并将这些时域子信号经FFT变换为多尺度频谱和进行重新组合；SEN潜结构映射模块：采用KPLS算法构建潜结构映射候选子模型，然后基于BBSEN进行潜结构映射集成子模型的选择与合并，得到SEN潜结构映射磨机负荷参数软测量模型；基于潜在特征的SEN模糊推理模块，采用KPLS算法提取多尺度频谱的潜在特征，基于这些潜在特征构建模糊推理候选子模型，然后基于BBSEN进行模糊推理集成子模型的选择与合并，得到SEN模糊推理磨机负荷参数软测量模型；基于误差信息熵的融合集成模块，采用基于误差信息熵的加权方法融合集成上述两类异质SEN模型，进而得到具有双层集成结构的磨机负荷参数软测量模型。2.如权利要求1所述的融合集成磨机负荷参数软测量系统，其特征在于，多尺度频谱变换模块具体为：EEMD的分解过程可以描述为：(1)初始化M和Anoise；(2)添加Anoise到原始信号；(3)对新信号执行EMD分解M次；(4)计算M次EMD分解的平均结果为最终EEMD分解结果，筒体振动信号EEMD的分解结果可以表示为：EEMD和EMD之间的关系可以表示为：其中，表示第mth个EMD分解的第jVth个IMF，表示分解后的残差，进一步，对磨机筒体振动和振声信号的分解过程可采用如下公式表示：这些分解的信号按照频率由高到低依次排列，同时将每个IMF采用FFT变换到频域，时域与频域间的关系可用下式表示：此处将筒体振动和振声信号的频谱重新进行编号和统一表示，如下式所示：其中，J＝JV+JA，表示组合后振动/振声信号的多尺度频谱数量。3.如权利要求2所述的融合集成磨机负荷参数软测量系统，其特征在于，SEN潜结构映射模块具体为：首先，采用基于上述模块获得的J个多尺度频谱构建J个潜结构映射候选子模型；以第jth个频谱为例进行说明，首先采用如下的“核技巧”实现非线性映射：其中，Ker表示潜结构映射模型的核参数，然后，对核矩阵采用下式进行中心化处理得到其中，I是k维的单位阵；1k是值为1、长度为k的向量，依据KPLS算法，基于频谱xj的潜结构映射候选子模型的输出可表示为：其中，Tj和Uj表示基于KPLS算法得到的输入和输出数据的潜在得分矩阵，对于测试样本按下式进行标定处理：其中，Kt,j是测试样本的核矩阵，Kt,j＝Kj((xt,j)l,(xj)m)，是训练数据；kt是测试样本的个数；1kt是值为1，长度为kt的向量，测试样本的候选子模型输出可表示为：此外，KPLS算法中还需确定潜在变量的数量，也就是潜结构映射模型的层数，将其标记为h，第jth个潜结构映射候选子模型的构建过程可表示为：这样，全部J个潜结构映射候选子模型的集合可以表示为：其中，表示全部潜结构映射候选子模型的集合。采用BBSEN进行潜结构映射候选子模型的选择与合并：首先给定潜结构映射候选子模型和加权算法，接着运行多次BBSEN获得不同集成尺寸时的最优SEN模型，最后通过排序这些模型获得最终的SEN潜结构映射模型，进一步，将选择的潜结构映射集成...

【专利技术属性】
技术研发人员：刘卓，汤健，余刚，赵建军，
申请(专利权)人：北京工业大学，
类型：发明
国别省市：北京,11