改进LSTM神经网络在磨机负荷参数软测量中的应用

• 作者: 乔铁柱 保罗 郭旭琦 阎高伟
• 来源期刊: 中国矿山工程
• 学科: 工学
• 关键词: 湿式球磨机 软测量 LSTM神经网络 磨机负荷
• 年，卷（期）: 2017,（3）
• 所属期刊栏目: 综合技术
• 页码范围: 66-69,74
• 页数: 5页
• 分类号: TD679
• 字数: 3208字
• 语种: 中文

摘要

球磨机是用于磨矿的高能耗设备,可靠测量其负荷对优化系统控制和节能降耗意义重大.针对传统磨机负荷参数软测量模型未考虑特征样本间的时间尺度信息,以及筒体振动和振声信号之间蕴含的潜在变量信息难以充分挖掘等问题,提出了基于改进长短时记忆(LSTM)神经网络的磨机负荷参数软测量方法.首先求取磨机筒体振动及振声信号的频谱,然后采用编码神经网络提取特征参数,并使用LSTM神经网络建立软测量回归模型对磨机负荷参数进行检测,最后在实验室小型球磨机上进行实验验证.实验结果表明,该方法具有较高的预测精度以及较好的稳定性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	阎高伟		58	223	8.0	12.0
2	乔铁柱		60	276	10.0	12.0
3	郭旭琦		2	11	2.0	2.0
4	保罗		1	6	1.0	1.0