[发明专利]一种融合集成磨机负荷参数软测量系统有效
申请号: | 201811499493.2 | 申请日: | 2018-12-09 |
公开(公告)号: | CN109583115B | 公开(公告)日: | 2023-10-20 |
发明(设计)人: | 刘卓;汤健;余刚;赵建军 | 申请(专利权)人: | 北京工业大学 |
主分类号: | G06F18/214 | 分类号: | G06F18/214;G06F18/2131;G06F18/25;G06N5/048;G10L25/18;G10L25/33;G06F123/02 |
代理公司: | 北京思海天达知识产权代理有限公司 11203 | 代理人: | 张慧 |
地址: | 100124 *** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 一种 融合 集成 负荷 参数 测量 系统 | ||
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子模型的集合表示为则潜结构映射集成子模型和潜结构映射候选子模型间的关系为:
其中,代表潜结构映射集成子模型的集合;表示SEN潜结构映射模型的集成尺寸,
采用AWF算法按下式计算潜结构映射集成子模型的加权系数:
上式中,和是基于第jselth频谱建立的潜结构映射集成子模型所对应的加权系数;为子模型输出值的标准差,k为样本个数,
SEN潜结构映射模型的输出值采用下式计算:
其中,表示基于第jselth潜结构映射集成子模型的输出,
上述的SEN潜结构映射模型的构建过程可表示为:
其中,yl为建模样本在时刻l的真值。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京工业大学,未经北京工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201811499493.2/1.html,转载请声明来源钻瓜专利网。