基于选择性极限学习机集成的磨机负荷软测量

被引：30

作者：

赵立杰 ^{[1
,2
]}

汤健 ^{[1
]}

柴天佑 ^{[1
]}

机构：

[1] 东北大学流程工业综合自动化国家重点实验室

[2] 沈阳化工大学信息工程学院

来源：

浙江大学学报(工学版) | 2011年 / 45卷 / 12期

基金：

中国博士后科学基金;

关键词：

磨机负荷; 特征提取; 极限学习机; 集成模型.;

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：

140102 [集成电路设计与设计自动化];

摘要：

针对传统磨机负荷检测方法存在的测量精度低、性能不稳定等缺陷,建立一种基于筒体振动信号频谱特征提取的选择性极限学习机(ELM)集成方法.采用核主元分析(KPCA)提取振动信号频谱特征,避免输入信号维数过高引发维数灾难.在非线性频谱特征空间内选用学习速度快、泛化性好的ELM建立集成模型个体,有效克服了单一ELM个体模型存在的运行结果不稳定问题.基于遗传算法(GA)的子模型后续选择方法进一步排除部分劣势个体,构建泛化能力强的简约集成模型,降低计算复杂性.实验结果表明:该方法对于矿浆浓度、料球比、充填率磨机负荷参数具有较高的精度和稳定性.

引用

页码：2088 / 2092

页数：5

共 4 条

[1]

磨机负荷检测方法研究综述 [J].