基于迁移学习的磨机负荷参数软测量建模研究
发布时间：2021-01-02 04:26
球磨机是流程工业中的关键基础设备,尤其是化工和冶金领域。然而,由于参数时变,大惯性等因素对球磨机运行过程的影响,缺乏有效的关键负荷参数测量方法。因此,准确检测磨机负荷参数对选矿全流程优化运行和控制有重要的研究意义。软测量是借助自动控制技术,并合理的运用到生产实践过程中,依据易测变量与难以直接测量的待测过程变量之间的数学关系,通过各种数学计算与估计方法,从而测量出待测变量。鉴于此,软测量技术被广泛应用于磨机负荷检测中,但是,在实际磨矿生产过程中,通常不可避免的存在多工况问题,使得历史工况与待测工况之间的数据分布发生迁移,导致传统的软测量建模方法的预测性能下降。针对选矿过程中变工况导致的预测主导变量模型难以建立的问题,本文通过引入一种有效的学习策略—迁移学习,研究多工况和变工况磨机负荷参数软测量建模方法,本文主要工作内容概括如下:（1）针对待建模工况中仅含有少量带标签样本的问题,本文主要研究了基于半监督分布适配的域适应方法。通过充分利用待测工况中少量的带标签样本的标签信息,与传统的负荷参数软测量方法相比,取得了良好的预测效果,并通过球磨机实验验证了该方法的有效性。（2）针对磨机待建模工况中...
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
球磨机内磨介质的三种运动状态
太原理工大学硕士研究生学位论文 1,, inf , ,ppP QW P Q x y d x y 是在集合M M内所有的以 P 和 Q 为边缘分布的联合分布。习的基本方法将迁移学习的基本方法分为四种，这四种基本的方法分别是：基型的迁移，基于特征的迁移，及基于关系的迁移。样本的迁移的权重生成规则，对数据样本进行重用，来进行迁移学习。图 本迁移方法的思想。源域中存在不同种类的动物，如狗、鸟、猫种类别。在迁移时，为了最大限度地和目标域相似，可以人为地类别的样本权重。
最后利用常用的机器学习分类算法预测类别标签。根据特征的同构和异构性，又可以分为同构和异构迁移学习。图2-8 很形象地表示了两种基于特征的迁移学习方法。图 2-8 特征迁移方法示意图Figure 2-8 Feature based transfer learning3）基于模型迁移它是找到两个域之间共有的模型参数信息来完成迁移的。基于模型的迁移策略要求有这样的假设条件：两个域之间共享一些模型参数。Zhao 等人提出了 TransEMDT 方法[83]，该算法集成了决策树和 k 均值聚类算法，用于个性化的活动识别模型适应。Deng等人也用超限学习机做了类似的工作[84]。4）基于关系迁移基于关系的迁移学习方法(Relation Based Transfer Learning)与上述三种方法具有截然不同的思路。这种方法比较关注源域和目标域的样本之间的关系。基于关系的迁移学习方法很少，见文献[85]借助于马尔科夫逻辑网络 (Markov Logic Net) 来挖掘不同领域之间的关系相似性。2.6 本章小结本章首先对球磨机的工作机理做了介绍，接着介绍了球磨机负荷参数以及负荷与磨矿生产率的关系，最后针对软测量建模以及迁移学习的相关理论知识做了介绍，通过本章的基础知识介绍，为后面的章节基于迁移学习的软测量建模方法打下基础。
【参考文献】：
期刊论文
[1]磨矿过程的球磨机研磨机理数值仿真及磨机负荷参数软测量综述[J]. 汤健,乔俊飞,刘卓,周晓杰,余刚,赵建军. 北京工业大学学报. 2018(11)
[2]基于慢特征重构与改进DPLS的软测量建模[J]. 蒋昕祎,李绍军,金宇辉. 华东理工大学学报(自然科学版). 2018(04)
[3]基于贝叶斯ICA的多工况非高斯过程故障检测[J]. 邓晓刚,徐莹. 控制工程. 2018(03)
[4]基于流形正则化域适应湿式球磨机负荷参数软测量[J]. 杜永贵,李思思,阎高伟,程兰. 化工学报. 2018(03)
[5]基于流形正则化域适应随机权神经网络的湿式球磨机负荷参数软测量[J]. 贺敏,汤健,郭旭琦,阎高伟. 自动化学报. 2019(02)
[6]一种基于多工况识别的过程在线监测方法[J]. 熊伟丽,郭校根. 控制与决策. 2018(03)
[7]一种基于自适应模糊高斯核聚类的软测量建模方法[J]. 夏源,杨慧中. 上海交通大学学报. 2017(06)
[8]基于局部邻域标准化和贝叶斯推断的多工况过程监测[J]. 郭校根,熊伟丽,徐保国. 信息与控制. 2017(01)
[9]Soft measurement model of ring’s dimensions for vertical hot ring rolling process using neural networks optimized by genetic algorithm[J]. 汪小凯,华林,汪晓旋,梅雪松,朱乾浩,戴玉同. Journal of Central South University. 2017(01)
[10]基于非负矩阵分解的多模态过程故障监测方法[J]. 朱红林,王帆,侍洪波,谭帅. 化工学报. 2016(05)
硕士论文
[1]基于迁移学习的球磨机多工况负荷参数软测量研究与应用[D]. 李思思.太原理工大学 2018
[2]迁移学习在湿式球磨机负荷参数软测量中的研究与应用[D]. 贺敏.太原理工大学 2018
[3]基于深度学习的SAR图像变化检测与语义分析[D]. 毛天祺.战略支援部队信息工程大学 2018
[4]基于迁移学习的湿式球磨机多工况负荷参数软测量[D]. 杨飞.太原理工大学 2017
[5]基于数据融合的目标模式识别技术及应用[D]. 王桐.华北电力大学 2017
[6]面向多模态TE过程的故障诊断方法研究[D]. 马贵昌.沈阳理工大学 2017
[7]球磨过程的数学模型及其试验研究[D]. 孙利波.山东大学 2006
本文编号：2952648
【文章来源】：太原理工大学山西省 211工程院校
【文章页数】：88 页
【学位级别】：硕士
【部分图文】：
球磨机内磨介质的三种运动状态
太原理工大学硕士研究生学位论文 1,, inf , ,ppP QW P Q x y d x y 是在集合M M内所有的以 P 和 Q 为边缘分布的联合分布。习的基本方法将迁移学习的基本方法分为四种，这四种基本的方法分别是：基型的迁移，基于特征的迁移，及基于关系的迁移。样本的迁移的权重生成规则，对数据样本进行重用，来进行迁移学习。图 本迁移方法的思想。源域中存在不同种类的动物，如狗、鸟、猫种类别。在迁移时，为了最大限度地和目标域相似，可以人为地类别的样本权重。
最后利用常用的机器学习分类算法预测类别标签。根据特征的同构和异构性，又可以分为同构和异构迁移学习。图2-8 很形象地表示了两种基于特征的迁移学习方法。图 2-8 特征迁移方法示意图Figure 2-8 Feature based transfer learning3）基于模型迁移它是找到两个域之间共有的模型参数信息来完成迁移的。基于模型的迁移策略要求有这样的假设条件：两个域之间共享一些模型参数。Zhao 等人提出了 TransEMDT 方法[83]，该算法集成了决策树和 k 均值聚类算法，用于个性化的活动识别模型适应。Deng等人也用超限学习机做了类似的工作[84]。4）基于关系迁移基于关系的迁移学习方法(Relation Based Transfer Learning)与上述三种方法具有截然不同的思路。这种方法比较关注源域和目标域的样本之间的关系。基于关系的迁移学习方法很少，见文献[85]借助于马尔科夫逻辑网络 (Markov Logic Net) 来挖掘不同领域之间的关系相似性。2.6 本章小结本章首先对球磨机的工作机理做了介绍，接着介绍了球磨机负荷参数以及负荷与磨矿生产率的关系，最后针对软测量建模以及迁移学习的相关理论知识做了介绍，通过本章的基础知识介绍，为后面的章节基于迁移学习的软测量建模方法打下基础。
【参考文献】：
期刊论文
[1]磨矿过程的球磨机研磨机理数值仿真及磨机负荷参数软测量综述[J]. 汤健,乔俊飞,刘卓,周晓杰,余刚,赵建军. 北京工业大学学报. 2018(11)
[2]基于慢特征重构与改进DPLS的软测量建模[J]. 蒋昕祎,李绍军,金宇辉. 华东理工大学学报(自然科学版). 2018(04)
[3]基于贝叶斯ICA的多工况非高斯过程故障检测[J]. 邓晓刚,徐莹. 控制工程. 2018(03)
[4]基于流形正则化域适应湿式球磨机负荷参数软测量[J]. 杜永贵,李思思,阎高伟,程兰. 化工学报. 2018(03)
[5]基于流形正则化域适应随机权神经网络的湿式球磨机负荷参数软测量[J]. 贺敏,汤健,郭旭琦,阎高伟. 自动化学报. 2019(02)
[6]一种基于多工况识别的过程在线监测方法[J]. 熊伟丽,郭校根. 控制与决策. 2018(03)
[7]一种基于自适应模糊高斯核聚类的软测量建模方法[J]. 夏源,杨慧中. 上海交通大学学报. 2017(06)
[8]基于局部邻域标准化和贝叶斯推断的多工况过程监测[J]. 郭校根,熊伟丽,徐保国. 信息与控制. 2017(01)
[9]Soft measurement model of ring’s dimensions for vertical hot ring rolling process using neural networks optimized by genetic algorithm[J]. 汪小凯,华林,汪晓旋,梅雪松,朱乾浩,戴玉同. Journal of Central South University. 2017(01)
[10]基于非负矩阵分解的多模态过程故障监测方法[J]. 朱红林,王帆,侍洪波,谭帅. 化工学报. 2016(05)
硕士论文
[1]基于迁移学习的球磨机多工况负荷参数软测量研究与应用[D]. 李思思.太原理工大学 2018
[2]迁移学习在湿式球磨机负荷参数软测量中的研究与应用[D]. 贺敏.太原理工大学 2018
[3]基于深度学习的SAR图像变化检测与语义分析[D]. 毛天祺.战略支援部队信息工程大学 2018
[4]基于迁移学习的湿式球磨机多工况负荷参数软测量[D]. 杨飞.太原理工大学 2017
[5]基于数据融合的目标模式识别技术及应用[D]. 王桐.华北电力大学 2017
[6]面向多模态TE过程的故障诊断方法研究[D]. 马贵昌.沈阳理工大学 2017
[7]球磨过程的数学模型及其试验研究[D]. 孙利波.山东大学 2006
本文编号：2952648
本文链接：https://www.wllwen.com/kejilunwen/kuangye/2952648.html
