共 10 条
- [10] Nonlinear component analysis as a kernel eigenvalue problem[J]. NEURAL COMPUTATION, 1998, 10 (05) : 1299 - 1319Scholkopf, BSmola, AMuller, KR
基于多源数据特征融合的球磨机负荷软测量
被引：22
作者：
汤健
[1
]
赵立杰
[1
,2
]
岳恒
[3
]
柴天佑
[1
,3
]
机构：
[1] 东北大学流程工业综合自动化教育部重点实验室
[2] 沈阳化工大学信息工程学院
[3] 东北大学自动化研究中心
来源：
关键词：
磨机负荷(ML);
特征提取;
特征选择;
核主元分析(KPCA);
最小二乘支持向量机(LSSVM);
D O I：
暂无
中图分类号：
TP274 [数据处理、数据处理系统];
学科分类号：
0804 ;
080401 ;
080402 ;
081002 ;
0835 ;
摘要：
针对磨矿过程球磨机负荷(ML)难以实时检测,生产中主要依靠人工经验判断负荷状态的难题,依据磨机筒体振动、振声、电流等信号与磨机负荷间存在相关性、信息互补与冗余的现象,提出基于多源数据特征融合的球磨机负荷软测量新方法.该方法由时域滤波、时频转换、特征提取、特征选择及软测量模型5部分组成.采用快速傅里叶变换(FFT)将滤波后的筒体振动及振声时域信号转换成频域信号,根据研磨机理将频域信号划分为低、中、高3个频段,采用核主元分析(KPCA)分别提取各个频段的非线性特征,选择振动、振声频域特征与电流时域特征的融合信号作为模型输入,建立基于最小二乘支持向量机(LSSVM)的磨机负荷软测量模型.实验结果表明,该方法与基于主元分析-最小二乘支持向量机(PCA-LSSVM)方法和单传感器方法相比,磨机负荷参数预测精度较高.
引用
收藏
页码：1406 / 1413
页数：8
相关论文