基于MEEMD-多尺度分形盒维数和ELM的球磨机负荷识别方法

• 作者: 刘鑫 宗路 罗小燕 蔡改贫
• 来源期刊: 化工学报
• 关键词: MEEMD 分形盒维数 磨机负荷 多尺度 ELM
• 年，卷（期）: 2019,（2）
• 所属期刊栏目: 过程系统工程
• 页码范围: 764-771
• 页数: 8页
• 分类号: TP29
• 语种: 中文
• DOI: 10.11949/j.issn.0438?1157.20180743

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	罗小燕	江西理工大学机电工程学院	60	279	9.0	14.0
2	蔡改贫	江西理工大学机电工程学院	123	454	11.0	16.0
3	宗路	江西理工大学机电工程学院	10	20	3.0	4.0
4	刘鑫	江西理工大学机电工程学院	12	16	3.0	3.0