[发明专利]一种基于EEMD的湿式球磨机负荷参数集成建模方法

说明书

技术领域

本发明涉及一种磨矿生产过程参数测量方法，特别是涉及一种基于EEMD的湿式球磨机负荷参数集成建模方法。

背景技术

球磨机负荷是与磨矿过程生产效率、产品质量、能源消耗密切相关的重要指标。合理的磨机负荷参数是保证球磨机优化运行的必要条件。由于球磨机内钢球与物料、钢球与衬板间复杂的冲击与研磨周期性运动导致工作环境恶劣，传感器难以安装在封闭旋转的球磨机筒体内直接测量球磨机内部负荷，工业生产过程中主要依赖人工经验判断，具有一定的随机性和不确定性，易导致堵磨、空磨现象，甚至损坏球磨机设备，为此有效检测磨机负荷内部运行参数至关重要。

传统基于单一信号的球磨机负荷检测方法只能在某一范围内较准确的反映球磨机负荷，测量精确度、灵敏度和稳定性难以保障。多传感器信息融合方法在一定程度上解决了单一信号检测的局限性，但是现有的多传感器信息融合方法多是提取振动信号的幅值、能量等总体特征，忽略了振动信号频谱蕴含的关键细节特征，模型的精度和适应度有限。集合多个模型的集成建模方法，可以提高模型的泛化性、有效性及可信度。

球磨机运行过程中，钢球不断冲击磨损衬板，磨机衬板厚度和钢球配比不断变化，一系列不同强度、不同频率的冲击力相互叠加，同时入口物料颗粒分布和硬度的时变特性，引起筒壁振动信号非线性和非稳态变化显著。筒壁振动信号蕴含大量反映球磨机负荷运行状态变化信息，然而现有球磨机负荷测量模型大多假设振动信号具有线性平稳性，试图用统一的谐波成分逼近非平稳信号，信号容易失真。非平稳信号的自适应分解方法能够提供更丰富的球磨机运行状态细节信息，但是基于经验模态分解(EMD)的磨机负荷参数建模方法难以克服间歇特性引起的模态混叠问题，本征模态函数缺乏单一性，物理含义解释困难，频谱特征难以选择且模型复杂度增加、泛化性降低。集成模型比单一模型具有更高的预测精度和稳定性，目前球磨机负荷参数集成模型多是建立在振动或振声信号傅里叶频域分析或者经验模态分解基础上，前提条件振动、振声信号满足线性平稳和不间断特性。

发明内容

本发明的目的在于提供一种基于EEMD的湿式球磨机负荷参数集成建模方法，该方法针对传统数据分析方法受线性或平稳性假设限制，采用非线性非平稳自适应信号处理方法—集合经验模态分解EEMD克服筒壁振动信号经验模态分解过程中存在的失真和模式混淆问题，本发明为基于集合经验模态分解的湿式球磨机负荷参数集成建模方法。

本发明的目的是通过以下技术方案实现的：

一种基于EEMD的湿式球磨机负荷参数集成建模方法，所述方法包括基于集合经验模态自适应分解获取非线性非平稳筒体振动、振声信号本征模态函数（IMFs）及其频谱，利用区间偏最小二乘（iPLS）方法提取反映球磨机负荷参数变化的本征模态函数局部频谱特征，与电流信号融合，基于极限学习机（ELM）方法建立磨矿浓度、填充率和料球比磨机负荷参数集成模型，对球磨机振动、振声信号进行EEMD分解，首先对振动、振声信号进行预处理，剔除偏差较大的离群点得到振动数据                                               和振声数据；然后采用EEMD将和自适应的分解为本征模态函数和；将振动、振声本征模态函数IMF频谱进行iPLS特征选择，具体步骤如下：

(1) 将频谱分为个等宽的子区间，；

(2) 采用非线性迭代偏最小二乘算法（NIPALS）在每个子区间分别建立磨机负荷参数局部偏最小二乘回归模型，算法表示为                           

其中矩阵，分别表示IMF频谱区间和输出磨机负荷参数的负荷向量，是权值矩阵，为内部模型对角系数矩阵，。第个磨机负荷参数，在IMF的第个特征频段iPLS模型输出为；                                                        

(3) 分析各IMF频谱子区间模型，采用交叉校验均方根误差(RMSECV)，比较各子区间局部模型精度，取精度最高的局部模型所在区间为入选频段。