[发明专利]一种球磨机负荷参数软测量方法

说明书

本发明一种球磨机负荷参数软测量方法，属于软测量技术领域；提供了一种基于多工况迁移学习的球磨机负荷参数软测量方法；技术方案为：记录球磨机已知标签、采集已知和未知标签下的辅助变量，对采集到的辅助变量进行FFT，组合建模数据输入Xs和实时数据输入Xt得到X，对源域中标签Ys单位化处理得到Ysa，对X和Ysa用联合分布适配方法降维处理得到新的特征表示Z，将Z划分为源域特征Zs和目标域特征Zt，对源域数据中标签Ys归一化处理得到Ysy，用Zs和Ysy训练多任务‑最小二乘支持向量机模型，用所建模型对Zt预测；本发明应用于软测量领域。

技术领域

本发明一种球磨机负荷参数软测量方法，属于软测量技术领域。

背景技术

球磨机是磨矿、电力和冶金等行业中广泛使用的一种基础设备，其负荷变量(包括球料比、磨矿浓度和充填率)是磨机工作过程中的重要参数。在工业过程中，及时调整磨机的装球量及给料量，使磨机稳定运行在最佳负荷点，避免饱磨、空磨及堵磨现象，对研磨质量、球磨机的工作效率和设备安全有决定性作用。然而，球磨机正常工作时，筒体将保持旋转状态，并将钢球和物料带到一定高度后落下，无法在内部安装料位计、浓度计等设备测量负荷参数，同时球磨机的机理模型复杂，具有大时滞、随机干扰大等特点，其关键参数是时变和非线性的，不能直接实时监测。因此，准确测量球磨机负荷参数能够提高运行效率和安全性能，是实现球磨机优化控制和节能降耗的关键技术之一。

软测量技术通过建立易测过程变量与难测过程变量之间的数学关系，实现对工业过程中难以在线测量的参数进行有效估计，目前已成为磨机负荷参数预测研究领域的关键技术之一。

在球磨机负荷参数软测量的建模过程中，需要构建球磨机易测的辅助变量(如球磨机振动信号、振声信号)和磨机负荷参数标签之间的模型。建立传统的软测量模型要求训练数据和预测数据满足独立同分布条件，故要求实时工况样本具有精确标签，且数量充分。然而，针对每一个工况建模的成本高且过程繁琐，不易于实现。并且，在实际连续工业工程中，经常面临设备重组、原料及环境改变、钢球量变化，工况随时都会改变，无法获取实时工况标签，故建模时采用与实时工况相近的历史工况数据，然后预测实时工况的标签从而达到软测量的目的。因此建模工况和实时工况数据不满足独立同分布条件，原来的模型失效，无法准确预测实时工况标签。

但是，这些随时改变的工况的球磨机辅助变量中也蕴含着大量与磨机负荷参数相关的信息，且只获得时变工况球磨机辅助变量的成本较低，可大量采集，若能被合理利用，则可以有效降低建模成本和难度。此外，传统的软测量方法只对单一负荷参数进行预测，没有充分考虑磨机负荷参数之间的耦合影响关系。如果对建模工况的数据通过迁移学习算法进行处理，使得建模工况与实时工况的数据近似满足独立同分布的要求，此时对处理后的数据再进行软测量建模，则软测量的预测精度将提升数倍。此外，多任务学习算法可挖掘隐含在多个相关任务中的关联信息，将提升软测量建模的精度。

稳定运行时，已获得部分工况具有精确标签的样本。因此需要考虑实现一种能够综合已知标签工况的和未知标签工况的球磨机辅助变量蕴含信息的方法进行建模，同时挖掘各个磨机负荷参数之间潜在的关联规则，预测未知标签工况数据的负荷参数，从而降低建模成本和难度。

发明内容

本发明一种球磨机负荷参数软测量方法，克服了现有技术存在的不足，提供了一种基于多工况迁移学习的球磨机负荷参数软测量方法，用以解决在多工况情况下软测量模型性能恶化的问题。