基于频域特征提取与信息融合的磨机负荷软测量
提出了基于频域特征提取与多传感器信息融合的磨机负荷(ML)软测量新方法.针对磨矿过程主要依靠人工经验定性判断ML状态,难以定量检测ML参数的现状,通过融合磨机筒体振动、振声及驱动电机电流信号,建立了以料球比、矿浆浓度、充填率为输出的ML软测量模型.该方法首先采用快速傅里叶变换(FFT)将时域振动及振声信号转换为频谱变量,再对频谱变量通过主元分析(PCA)进行谱特征提取,然后采用径向基函数 (RBF)变换生成的激活矩阵实现谱特征的非线性映射,最后采用偏最小二乘(PLS)算法建立以谱特征、激活矩阵、电流信号为输入的回归模型,从而有效克服了多传感器信息之间及RBF变换引起的多重共线性等问题.实验表明,该方法能够较准确地检测ML参数,融合多传感器的软测量方法具有更好的预测效果.
磨机负荷、频谱数据、特征提取、径向基函数、偏最小二乘、信息融合
31
TP274(自动化技术及设备)
国家863计划2007AA041405;中国博士后科学基金20100471464 资助项目
2011-01-06(万方平台首次上网日期,不代表论文的发表时间)
共7页
2161-2167