基于多源特征提取与机器学习的磨机负荷软测量

发布时间：2017-05-05 16:11

  本文关键词：基于多源特征提取与机器学习的磨机负荷软测量，，由笔耕文化传播整理发布。

【摘要】：磨机作为研磨矿料的一种重要设备,广泛应用于化工、选矿、能源以及建材等行业。磨机负荷是磨机磨矿作业的重要参数,直接关系到磨矿作业稳定,进而影响到磨机生产效率和产品品质。由于磨机是个非线性、变量耦合严重的系统,现常利用一些间接手段来测量磨机负荷,虽然取得一定的效果,但因未能挖掘样本数据中的隐藏信息,无法获得满意的测量效果。本文提出一种基于特征提取与机器学习的磨机负荷软测量方法,充分利用磨机样本数据内部蕴藏的有用信息,并根据两类磨机分别采用了不同样本特征提取手段和建模测量方法,均取得了很好的测量精度。针对湿式磨机的特性,提出了基于核选择的支持向量机磨机负荷软测量。根据湿式磨机的特征,选择磨机功率、振动以及声响作为磨机外部输入,将料球比、介质填充率和磨矿浓度作为输出,分别表示磨机料负荷、球负荷以及水负荷。具体流程如下:首先是数据采集,选择磨机外部特征,利用传感器采集相应外部特征信息,然后进行特征提取,借助核函数的度量特性和能量熵的相关概念,利用超球体描述实现核函数选择,最后是建模与软测量,利用获取到的先验信息通过支持向量机建模实现软测量。针对干式磨机的运行特点,提出了基于张量机的磨机负荷分级软测量。第一步,根据干式磨机运行特点和已有知识,采集磨机外部特征的相关信息,如磨机电流、磨出口温度、入口负压以及筒体振动等;第二步,结合研磨机理和数据样本特点,对磨机负荷进行等级划分,提高测量效率;最后将分级处理后的数据分批利用支持张量机进行建模,以实现对干式磨机负荷测量。通过实验验证,上述针对不同种类磨机提出的不同方法均充分利用的样本先验信息,提高了磨机负荷软测量的精度,有较强的泛化能力。本文的研究内容丰富了磨机负荷测量方法,为未来磨机实现全自动控制提供了条件。
【关键词】：磨机负荷 软测量 特征提取 机器学习
【学位授予单位】：江西理工大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TD453;TP181
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-20
• 1.1 选题背景及研究意义9-11
• 1.2 研究状况11-17
• 1.2.1 磨机负荷测量技术的发展历程11-17
• 1.2.2 磨机负荷测量技术的研究现状17
• 1.3 主要工作以及创新点17-18
• 1.4 论文的主要研究思路和结构安排18-20
• 第二章 相关理论与方法20-37
• 2.1 支持向量机理论20-24
• 2.1.1 支持向量机20-22
• 2.1.2 支持向量回归机22-24
• 2.2 支持张量机理论24-30
• 2.2.1 张量定义24-25
• 2.2.2 张量运算25-27
• 2.2.3 秩一分解27-28
• 2.2.4 线性支持张量机28-30
• 2.3 核函数30-36
• 2.3.1 核函数定义30-31
• 2.3.2 核函数性质31-32
• 2.3.3 常见核函数32-34
• 2.3.4 核函数度量特性34-36
• 2.4 本章小结36-37
• 第三章 基于核选择的多输入多输出支持向量机磨机负荷软测量37-47
• 3.1 最小二乘支持向量机37-39
• 3.2 核函数选择方法39-41
• 3.3 模型参数41-43
• 3.4 算法流程框架43-44
• 3.5 实验结果及分析44-46
• 3.5.1 实验仿真环境44
• 3.5.2 测量结果及对比分析44-46
• 3.6 本章小结46-47
• 第四章 基于支持张量机的磨机负荷分级软测量47-56
• 4.1 磨机负荷分级理论47-49
• 4.1.1 Ⅰ区和Ⅱ区47-48
• 4.1.2 Ⅱ区和Ⅲ区48-49
• 4.2 支持张量回归机及算法总流程49-52
• 4.2.1 支持张量机算法原理49-51
• 4.2.2 算法总流程51-52
• 4.3 实验测试及结果分析52-54
• 4.3.1 实验运行环境及数据52
• 4.3.2 测量结果及对比52-54
• 4.4 本章小结54-56
• 第五章 总结与展望56-58
• 5.1 总结56
• 5.2 展望56-58
• 参考文献58-61
• 致谢61-62
• 攻读学位期间的研究成果62-63

【相似文献】

中国期刊全文数据库 前10条

1 杨志刚;赵莉娅;薄敬东;;基于磨音信号的磨机负荷模型[J];河北理工大学学报(自然科学版);2011年02期

2 杨虹;王建民;;多频带磨机负荷检测仪的研究[J];化学工程与装备;2012年11期

3 陈绍龙;;磨机负荷自动控制的新路[J];建材工业信息;1985年23期

4 朱蕴;;国内外水泥磨机负荷控制状况简介[J];建材工业信息;1987年17期

5 李占贤,黄金凤;利用多元回归分析方法控制球磨机负荷稳定性[J];矿山机械;2002年07期

6 周克良;戴建国;;基于多传感器信息融合的球磨机负荷检测系统[J];矿山机械;2006年10期

7 蔡建文;王建民;;基于磨音频谱分析的磨机负荷检测系统设计方法[J];科技创新导报;2009年29期

8 康耀华;;磨机负荷的单电耳控制[J];水泥技术;1992年03期

9 王泽红,陈炳辰;球磨机负荷检测的现状与发展趋势[J];中国粉体技术;2001年01期

10 汤健;柴天佑;赵立杰;岳恒;郑秀萍;;融合时/频信息的磨矿过程磨机负荷软测量[J];控制理论与应用;2012年05期

中国重要会议论文全文数据库 前4条

1 王泽红;陈炳辰;;球磨机负荷的间接检测方法[A];第六届全国粉体工程学术大会暨2000年全国粉体设备-技术-产品交流会会议文集[C];2000年

2 汤健;赵立杰;岳恒;柴天佑;;基于遗传算法-偏最小二乘进行谱特征选择的磨机负荷软测量方法[A];第二十九届中国控制会议论文集[C];2010年

3 王靖程;贾立新;诸文智;张彦斌;;基于一致性加权融合估计的磨机负荷特征信息提取方法[A];第二十九届中国控制会议论文集[C];2010年

4 司刚全;曹晖;张彦斌;马西奎;;基于ANFIS的火电厂磨机负荷检测的软测量模型[A];2007'中国仪器仪表与测控技术交流大会论文集（二）[C];2007年

中国重要报纸全文数据库 前1条

1 山东山水水泥集团有限公司 田金清;改造磨头进料装置降低磨机负荷[N];中国建材报;2007年

中国硕士学位论文全文数据库 前10条

1 李艳姣;磨机负荷优化计算与专家控制[D];河北联合大学;2014年

2 王飞;基于频谱分析的磨机负荷检测方法研究[D];重庆邮电大学;2016年

3 熊洋;基于振动特征提取的球磨机负荷预测研究[D];江西理工大学;2016年

4 肖盈丁;基于多源特征提取与机器学习的磨机负荷软测量[D];江西理工大学;2016年

5 梁朝霞;球磨机负荷检测软测量建模方法的研究[D];东北大学　;2008年

6 郜峰;球磨机负荷监测软件平台的设计与开发[D];东北大学;2010年

7 刘晓璞;面向磨机负荷识别的新型磨音检测装置研究[D];济南大学;2012年

8 贺晓巧;基于专家控制系统的磨机负荷优化方法研究[D];华北理工大学;2015年

9 钱海潮;满银沟选厂球磨机负荷测控系统的研究[D];昆明理工大学;2006年

10 谭卢敏;基于嵌入式球磨机负荷检测系统的研究[D];江西理工大学;2007年

  本文关键词：基于多源特征提取与机器学习的磨机负荷软测量，由笔耕文化传播整理发布。

本文编号：346663