[发明专利]一种融合集成磨机负荷参数软测量系统

说明书

本发明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。

技术领域

本发明涉及一种融合集成磨机负荷参数软测量系统。

背景技术

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秒内产生堵磨故障的工业实际，东北大学提出采用充填率(CVR)作为磨机负荷参数表征磨机内全部负荷的体积[6]。基于磨机筒体振动频谱存在的高维共线性问题，文献[7]建立了基于特征提取、特征选择、模型学习参数组合优化的磨机负荷参数软测量模型。上述方法构建的软测量模型均为传统的单一模型。研究表明，集成学习通过对具有差异性的多个单一子模型进行集成，能够获得更好的建模性能和稳定性。集成模型的泛化能力需要在集成子模型的精度和多样性间进行均衡[8,9]。针对筒体振动和振声频谱分频段间的冗余性和互补性、单传感器信号蕴含信息的不确定性和局限性等问题，文献[10]建立了基于分支定界(BB)和自适应加权融合(AWF)算法的选择性集成(SEN)模型，其实质是选择性融合多源信号的单尺度频谱特征子集构建软测量模型。从磨机研磨机理的视角出发，筒体振动/振声信号具有非平稳和多组分特性，傅里叶变换(FFT)并不适于处理具有这些特性的机械信号[11]。

多种不同的时频分析方法被用于处理具有具有非平稳和多组分特性的机械信号[12,13,14,15]，其中Huang等人提出的经验模态分解(EMD)及其改进方法 [16,17,18]可有效将原始时域信号分解为具有不同时间尺度的子信号，即内禀模态函数(IMF)，已在旋转机械故障诊断领域广泛应用[19]。潜结构映射(PLS)和核 PLS适合于对具有共线性特性的数据建模[20,21,22]。汤健等人首先提出综合 EMD、功率谱密度(PSD)和潜结构映射(PLS)算法分析筒体振动[23]，并建立基于核PLS(KPLS)的选择性融合多尺度筒体振动频谱特征的软测量模型[24]；文献[25] 详细分析了不同研磨工况下IMF频谱的变化，并基于文献[23]提出的采用PLS 潜变量方差贡献率度量IMF蕴含信息量的准则，建立了基于EMD和PLS的选择性集成模型。文献[26]提出基于对多尺度子信号按由强到弱进行分解的希尔伯特振动分解(HVD)的建模方法，从另外一个角度诠释了磨机负荷与筒体振动间的映射关系。上述方法是通过基于线性/非线性潜结构映射算法构造磨机负荷参数 SEN软测量模型，这类模型虽然能够有效地拟合现有建模小样本数据所蕴含的模式，但在对未知样本的推理能力方面较弱。