[发明专利]一种磨机负荷参数软测量方法

摘要

本发明公开了一种磨机负荷参数软测量方法，本发明的方法面向筒体振动和振声信号的多尺度和非稳态特性，基于不同视角，采用多种不同的信号分解技术将原始筒体振动信号和振声信号分解为系列子信号。将选择的子信号频谱和原始信号频谱作为多源多尺度信息构建磨机负荷参数软测量模型。采用基于自适应遗传算法(AGA)和分支定界(BB)算法的全局优化选择性集成核偏最小二乘(GOSENKPLS)优化选择候选子模型和选择性集成模型(SEN模型)的结构参数和学习参数，实现对多源多尺度信号的有效选择性融合。本发明可以提高磨机负荷参数软测量的精确性。

主权项

1.一种磨机负荷参数软测量方法，包括：S100、在预定的磨机负荷下运行磨机，获取表征磨机振动和/或振声的训练样本特征信号；S200、将所述训练样本特征信号分解为具有不同时间或能量尺度的多种不同训练样本子信号，每个训练样本子信号代表具有物理含义的单一振动模态；S300、对所有训练样本子信号进行相关性分析，并对与原始信号相关性度量高于预定阈值的子信号进行时域频域转换以获得元素相互独立的特征频谱向量；S400、以核变量数量、核参数以及集成模型尺寸进行编码获取遗传算法的染色体，并以编码后的染色体为个体根据预定种群规模生成初始种群；S500、对当前种群的染色体进行解码以获取每个个体对应的核变量数量、核参数以及集成模型尺寸；S600、基于每个个体对应的核变量数量和核参数对所述特征频谱向量中的每一个频谱生成对应的候选子模型；S700、根据每个个体对应的集成模型尺寸以及对应的所有候选子模型获取每个个体对应的候选选择性集成预测模型；S800、计算当前种群对应的所有候选选择性集成预测模型的预测输出的均方根相对误差(RMSRE)作为适应度，并根据适应度对当前种群的个体进行排序，判断遗传代数是否达到预定换代数，如果未达到，则根据交叉概率和变异概率进行选择、交叉和变异操作以获得新一代种群的染色体，转向S500，否则执行S900；S900、输出当前种群中适应度最小的个体对应的候选选择性集成预测模型作为磨机负荷参数软测量模型；S1000、获取需要进行软测量的磨机的测试数据的特征频谱向量；S1100、根据所述磨机负荷参数软测量模型计算所述测试数据的特征频谱向量对应的负荷参数，所述步骤S500包括基于如下公式解码获取对应的核变量数量、核参数以及集成模型尺寸：其中，和分别是第j_GA个个体对应的核参数、核变量数量以及集成模型尺寸，和分别是当前种群的核变量数量和核参数，和分别是的最大值和最小值，Len(·)为括号内参数的编码长度，K_j是基于Z_j的核矩阵，Z_j为第j个频谱，表示集成子模型的数量，J为特征频谱向量的维度，B∈{0,1}，也即，为染色体第i_bit位的二级制编码。