[发明专利]一种基于遗传算法优化BP神经网络的球磨机负荷检测方法

权利要求书

1.一种基于遗传算法优化BP神经网络的球磨机负荷检测方法，其特点在于，按照以下步骤实施： 

步骤1：采集球磨机的起磨磨音和停磨磨音； 

步骤2：磨音离线处理 

2.1）为了避免起磨磨音与停磨磨音在起始时刻和停止时刻的干扰，对磨音进行掐头去尾处理； 

2.2）将掐头去尾后的起磨磨音与停磨磨音按照某一固定时长进行处理，得到多个数据段信息，根据韦尔奇方法对每个数据段进行加海明窗处理； 

2.3）然后对每个加窗后的数据段进行快速傅里叶变换，取每个变换结果幅值的平方，并除以快速傅里叶变换点数作为功率谱估计的一次估计；并将这个估计值转换为声压级； 

步骤3：选择磨音有效频段 

从停磨磨音或起磨磨音中划分出4-8种磨机负荷，作出这几种磨机负荷的磨音强度随频率的趋势图；根据有效频段范围对原始磨音数据进行选频处理，得到选频后的磨音数据； 

步骤4：标定磨机负荷数据； 

步骤5：基于遗传算法优化BP神经网络建模并进行磨机负荷预测，得到球磨机的负荷检测结果，即成。 

2.根据权利要求1所述的基于遗传算法优化BP神经网络的球磨机负荷检测方法，其特点在于：所述的步骤1中，起磨过程中，根据磨机操作人员经验判断出从起磨过程到最高负荷的时间长度，并用录音设备记录下实时磨音，录音位置可参照现场电耳位置；停磨过程中，同样道理，依照上述方法 采集停磨磨音。 

3.根据权利要求1所述的基于遗传算法优化BP神经网络的球磨机负荷检测方法，其特点在于：所述的步骤2.1）中，同时去掉起磨磨音的第一分钟及最后一分钟信息，另外，同时去掉停磨磨音的第一分钟及最后一分钟信息。 

4.根据权利要求1所述的基于遗传算法优化BP神经网络的球磨机负荷检测方法，其特点在于：所述的步骤3中，制作几种磨机负荷的磨音强度随频率的趋势图的具体步骤是， 

首先根据趋势图分析确定出有效频段范围[f₁,f₂]；对于停磨磨音，选择磨音趋势呈单调上升的频段作为f₁的值；而对于起磨磨音，选择磨音趋势呈单调下降的频段作为f₁的值；然后根据确定f₁值的原则，确定出f₂的值。 

5.根据权利要求1所述的基于遗传算法优化BP神经网络的球磨机负荷检测方法，其特点在于：所述的步骤4中， 

磨机负荷是通过球磨机内的物料体积在滚筒内所占的容积百分比来计算的，因此，在起磨状态下即滚筒内的矿料为零而钢球量不为零时标定一数值，而在球磨机最高负荷时标定另一数值， 

计算选频后的每分钟磨音频谱能量，并将能量值归一化到某一范围内，标定出磨机负荷百分比和归一化后的频谱能量值对应关系，得到多组磨机负荷数据， 

将选频后每分钟的磨音频谱按照某一增量分为多个分频段N_voice，并求出分频段能量值，同时也归一化到某一范围内，再根据上面标定的磨机负荷数据和磨音多频段能量值进行模型建立。 

6.根据权利要求1所述的基于遗传算法优化BP神经网络的球磨机负荷 检测方法，其特点在于：所述的步骤5中， 

对于本发明所应用的BP神经网络模型，输入变量是步骤4得到的分频段能量值，输出变量是磨机负荷百分比，所以该BP神经网络的输入层节点数有N_voice个，输出层节点数有一个；隐含层节点数的选择参考如下公式： 

式中，l为隐含层节点数；m为输出层节点数；n为输入层节点数；a为0～10之间的常数；然后用试凑法确定最佳的隐含层节点数， 

根据BP神经网络结构对种群中的个体进行实数编码，种群规模范围为[20,50]，最大进化代数范围为[30,100]，选择操作选用轮盘赌法，交叉概率范围为[0.4,0.9]，变异概率范围为[0.01,0.1]， 

种群中的每个个体都包含了该网络神经元节点的所有权值和阈值，个体通过适应度函数计算个体适应度值，遗传算法通过选择、交叉和变异操作找到最优适应度值对应的个体， 

将遗传算法得到的最优个体对BP神经网络权值和阈值进行初始权值和阈值赋值，然后BP神经网络经训练后，就能够根据输入的磨音分频段能量值对磨机负荷进行预测。