基于MEEMD-多尺度分形盒维数和ELM的球磨机负荷识别方法

论文摘要

针对球磨机在磨矿过程中负荷（充填率、料球比）靠经验难以准确判断的问题,提出基于改进的集总平均经验模态分解算法（modified ensemble empirical mode decomposition, MEEMD）-多尺度分形盒维数盒和极限学习机（extreme learning machine,ELM）的负荷识别方法。该方法首先利用MEEMD算法对不同负荷状态下的磨音信号进行分解得到本征模态分量,然后,采用相关系数法选取敏感模态分量进行重构得到降噪后信号;通过分析重构信号的多尺度分形盒维数,结果表明,欠负荷、正常负荷和过负荷状态下的多尺度分形盒维数存在明显的差异,能够很好地区分磨机的不同负荷状态。将重构磨音信号的多尺度分形盒维数作为极限学习机（ELM）的输入,磨机负荷状态为输出,建立磨机负荷识别模型;通过磨矿实验验证了该方法的有效性,整体识别率高达94.8%,模型能够准确识别磨机负荷状态。

论文目录

• 引言
• 1 MEEMD-多尺度分形盒维数特征提取算法
•   1.1 MEEMD分解
•   1.2 多尺度分形盒维数
•     1.2.1 多尺度分析
•     1.2.2 分形盒维数计算方法
•   1.3 基于MEEMD-多尺度分形盒维数的磨音信号特征提取
• 2 磨机负荷识别模型的建立
• 3 磨机负荷识别实验分析
•   3.1 数据采集
•   3.2 磨音信号的分解与重构
•   3.3 重构信号的特征提取
•   3.4 训练与测试
• 4 结论

文章来源

类型: 期刊论文

作者: 蔡改贫,宗路,刘鑫,罗小燕

关键词: 分形盒维数,磨机负荷,多尺度

来源: 化工学报 2019年02期

年度: 2019

分类: 工程科技Ⅰ辑

专业: 矿业工程

单位: 江西理工大学机电工程学院

基金: 国家自然科学基金项目(51464017),江西省教育厅科技重点项目(GJJ150618)

分类号: TD453

页码: 764-771

总页数: 8

文件大小: 1333K

下载量: 188