基于EMD和选择性集成学习算法的磨机负荷参数软测量

• 作者: 丛秋梅 余文 刘卓 柴天佑 汤健 苑明哲 赵立杰
• 来源期刊: 自动化学报
• 关键词: 经验模态分解 选择性集成建模 磨机负荷参数 选择性信息融合 频谱特征
• 年，卷（期）: 2014,（9）
• 所属期刊栏目: 论文与报告
• 页码范围: 1853-1866
• 页数: 14页
• 字数: 10389字
• 语种: 中文
• DOI: 10.3724/SP.J.1004.2014.01853

摘要

针对磨机筒体振动和振声信号组成复杂难以解释、蕴含信息存在冗余性和互补性、与磨机负荷参数映射关系难以描述等问题,提出了基于经验模态分解(Empirical mode decomposition, EMD)技术和选择性集成学习算法分析筒体振动与振声信号组成,建立磨机负荷参数软测量模型的新方法。首先从机理上定性分析了筒体振动及振声信号组成的复杂性；然后采用EMD技术将原始信号自适应分解为具有不同时间尺度的系列组成成分,即本征模态函数(Intrinsic mode function, IMF)；接着在频域内基于互信息(Mutual information, MI)方法分析并选择IMF 频谱特征；最后采用基于核偏最小二乘(Kernel partial least square, KPLS)建模方法、分支定界优化算法的选择性集成学习方法建立磨机负荷参数软测量模型,实现了多源多尺度频谱特征的选择性信息融合。基于实验球磨机的实际运行数据仿真验证了该方法的有效性。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	柴天佑	东北大学自动化研究中心	382	9006	43.0	78.0
2	赵立杰	沈阳化工大学信息工程学院	42	592	12.0	24.0
3	苑明哲	中国科学院沈阳自动化研究所信息服务与智能控制技术研究室	60	782	16.0	25.0
4	刘卓	东北大学自动化研究中心	23	216	8.0	14.0
5	丛秋梅	中国科学院沈阳自动化研究所信息服务与智能控制技术研究室	9	100	5.0	9.0
6	余文	墨西哥国立理工大学高级研究中心	1	55	1.0	1.0