基于自适应多核潜结构映射选择性集成模型的磨机负荷参数预测
汤健1
乔俊飞1
刘卓2
周晓杰2
1.北京工业大学 信息学部, 北京 100124;计算智能与智能系统北京市重点实验室, 北京 1001242.东北大学 流程工业综合自动化国家重点实验室,辽宁 沈阳,110189
摘要：磨机负荷参数是影响选矿流程产品质量和产量的难以检测关键过程变量.磨机研磨产生的多源机械信号频谱与磨机负荷参数间存在复杂的非线性映射关系.核潜结构映射(KPLS)算法适合构建基于频谱数据的磨机负荷参数预测(MLPF)模型.针对上述难点,本文提出一种面向MLPF的自适应多核潜结构映射选择性集成(SEN)模型.首先,基于经验模态分解(EEMD)和时频变换技术处理多源机械信号,得到基于不同时间尺度候选子信号的频谱数据;接着,采用KPLS和分支定界选择性集成(BBSEN)算法,构建基于多尺度频谱的候选子子模型和SEN子模型;最后,从候选子子模型和SEN子模型中优选获得不同时间尺度的候选子信号模型,并再次采用BBSEN算法优选集成子信号模型并加权组合,构建最终的MLPF模型.基于实验球磨机的实际运行数据仿真验证了所提方法的有效性.
关键词：自适应多核选择核潜结构映射(KPLS)选择性集成(SEN)多尺度频谱数据磨机负荷参数预测(MLPF)
论文发表日期：2019-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：14( 951-964 )
英文信息