基于監(jiān)督等距映射和支持向量回歸的球磨機料位測量方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及滾筒式球磨機料位的檢測方法，具體是一種基于監(jiān)督等距映射和支持 向量回歸的滾筒式球磨機料位檢測方法。
【背景技術(shù)】
[0002] 滾筒式球磨機是一種用于電力、礦山、冶金、化工和建材等領(lǐng)域中的主要設備，其 功能為將原料磨制成粉，屬于一種高能耗、低效率的設備。根據(jù)研究，球磨機有10%以上的 節(jié)能潛力和9%以上的節(jié)省鋼材原材料的潛力。通過準確測量滾筒式球磨機的料位，并進行 有效控制，將有利于這些潛力的挖掘。由于滾筒式球磨機工作于封閉旋轉(zhuǎn)狀態(tài)，缺少直接檢 測其內(nèi)部料位的設備，經(jīng)常發(fā)生飽磨、空磨和堵磨等現(xiàn)象，導致生產(chǎn)效率降低，并影響產(chǎn)品 質(zhì)量和設備壽命。因此可靠檢測球磨機料位，使其運行在最佳狀態(tài)，對提高系統(tǒng)的穩(wěn)定性和 經(jīng)濟性具有重要意義。
[0003] 目前，滾筒式球磨機料位的檢測方法主要有壓差法、功率法、振聲法和振動法。差 壓法利用球磨機出入口的差壓來表征球磨機料位，其優(yōu)點是現(xiàn)場操作人員對此方法經(jīng)驗豐 富，缺點是由于球磨機出入口差壓不僅與球磨機的存料量有關(guān)，還與鋼球裝載量和通風量 等相關(guān)，在實際的使用中精度較低。功率法通過檢測運行時電機電流的變化來間接反映存 料量，其優(yōu)點是直觀性強，不易受周圍環(huán)境影響，檢測結(jié)果比較準確，缺點是球磨機功率主 要受鋼球負荷的影響，空載與滿載時功率變化很小，且非單調(diào)，靈敏度低。振聲法，又稱電耳 法、噪聲法，利用鋼球與襯板和鋼球之間碰撞的噪聲來表征料位，屬于非接觸測量，其優(yōu)點 是運行成本低、結(jié)構(gòu)簡單，缺點是易受鄰磨噪聲信號、本身的運轉(zhuǎn)部分和電機傳動機構(gòu)等設 備的背景噪聲的影響，且高料位時靈敏度較低。振動法利用球磨機的振動信號來表示料位， 其優(yōu)點是中低料位的靈敏度高，傳感器密封好，能適應現(xiàn)場工作環(huán)境，缺點是在高料位時， 貼近優(yōu)化區(qū)，信號隨料位變化很小，靈敏度較低?？梢娬駝臃ê驼衤暦ň容^高，但是在高 料位處的靈敏度較低。目前振動法廣泛應用于工業(yè)現(xiàn)場，但是其頻譜存在高維、大量冗余、 非線性，因此需要首先對振動頻譜采用降維等方法對頻譜特征進行處理。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明針對球磨機振動信號存在非線性、冗余性和振動法在高料位時靈敏度較低 的問題，提供了一種基于監(jiān)督等距映射和支持向量回歸的球磨機料位測量方法。
[0005] 本發(fā)明采用如下技術(shù)方案實現(xiàn)，基于監(jiān)督等距映射和支持向量回歸的球磨機料位 測量方法，其模型結(jié)構(gòu)如圖1所示，包括離線建模階段與在線測量階段，其中離線建模階段 包括以下步驟：
[0006] 步驟一采集料位Ζ= {ζι，…，zn}下的球磨機振動信號S= {si，···，sn}，其中N為訓練 樣本個數(shù)；
[0007] 步驟二求取振動信號的功率譜，并將內(nèi)的功率譜均分成nf份，且對各部分 求取均值，得到振動功率譜基本特征x= {xi，···，xn}，其中fi,、f2和nf由技術(shù)人員可根據(jù)經(jīng)驗 確定；
[0008] 步驟三用監(jiān)督等距映射(S-Isomap)對振動功率譜基本特征X進行非線性降維和提 取特征Y，基于監(jiān)督等距映射的非線性降維過程描述如下。
[0009] 1)對振動功率譜基本特征X和料位真值Z組成的訓練集數(shù)據(jù){(XI，ζι)，…，（XN, zN)} 按照式(1)計算相異度距離：
[0010]
[0011] 其中d(Xl，以）表示歐式距離，α用于調(diào)節(jié)不同料位點對之間的距離，β用于防止d (Χι，&)較大時D(Xl，Xj)增長較快，一般設置為所有點對之間歐式距離的平均值。
[0012] 2)構(gòu)建近鄰圖G，gXl和以的相異度距離D(Xl，以）小于閾值T，或者^是^的k近鄰 點，則判定這兩個點相鄰，即在圖G中有邊存在，且邊長為D(Xl，Xj)。
[0013] 3)根據(jù)弗洛伊德(Floyd)算法計算最短路徑，對于Xi和Xj，如果有邊連接，初始化其 最短路徑(^匕山）=0匕，叉」），否則設(^匕山）= 〇〇，對111=1，"_，1'1，計算(^匕士）= {(^ (Xi，Xj)，dG(Xi，Xm)+dG(Xm，Xj)}，這樣得到最短路徑距離矩陣Dg= {dG(Xi，Xj)}。
[0014] 4)計算d維嵌入，將多維尺度變換（MDS)應用到Dg中，計算平方距離矩陣 嘉=巧} = {媒(心5)}和中心化矩陣H= {Oij-1/N}，令τ(DG) = -HSH/2，τ(DG)的最大d個特征值 λ?，λ2，…，Ad對應的特征向量ui，U2，…，Ud所構(gòu)成的矩陣為U = [ U1，U2，…，Ud ]，則
d維降維結(jié)果。
[0015] S-Isomap利用樣本標簽得到數(shù)據(jù)點間的相異度距離，替代原有的歐式距離，從而 相對減小類內(nèi)距離，增大類間距離，再通過采用相異度距離構(gòu)建近鄰圖，然后在近鄰圖中用 最短路徑得到近似的測地線距離，通過建立原數(shù)據(jù)的測地線距離與降維數(shù)據(jù)間的距離的等 距映射，完成數(shù)據(jù)降維。
[0016] 步驟四：學習步驟三的監(jiān)督等距映射的非線性映射，訓練徑向基(RBF)神經(jīng)網(wǎng)絡， 使其逼近監(jiān)督等距映射，RBF神經(jīng)網(wǎng)絡輸入層數(shù)據(jù)為訓練集振動功率譜基本特征X，輸出層 數(shù)據(jù)為特征Y，將振動功率譜基本特征X輸入RBF神經(jīng)網(wǎng)絡，得到映射特征Y' = {y、，...，y 'n}。
[0017] S-Isomap對在線測量數(shù)據(jù)缺乏從高維空間到低維空間的映射信息，故在離線建模 階段采用適當?shù)姆椒▽W習此非線性映射，用于對在線測量數(shù)據(jù)進行降維，本發(fā)明采用RBF神 經(jīng)網(wǎng)絡學習此映射。
[0018]步驟五：建立映射特征Y '和料位Z之間的支持向量回歸（SVR)模型，采用SVR建立 RBF神經(jīng)網(wǎng)絡所得特征Y '與料位Z之間的非線性模型。
[0019] RBF神經(jīng)網(wǎng)絡映射所得特征Y'與料位Z組成的SVR訓練集{(y'ud，· · ·，（y'N，zN)} 可通過下列優(yōu)化問題得到w和b，
[0020]
[0021 ] "
[0022]
[0023]
[0024] 這里ε為不靈敏損失函數(shù)，C為懲罰系數(shù)，為松弛變量。
[0025]利用拉格朗日函數(shù)和對偶原理，得到式(2)的對偶問題
[0026]
[0027] s. t. eT(a-a*) =〇, (3)
[0028] 0 <ut,a* < C.i = 1,...,N
[0029] 式(3)中Qij = K(y'i,y'j) ξ φ (y'i)1"? (y'」），K(y'i,y'j)為核函數(shù)，本發(fā)明取徑向 基核函數(shù)，
[0030] K(y'i，y'j) = exp(_| |y'i_y'j| |2/〇2) (4)
[0031] 其中i，j = l，…，Ν，σ為核參數(shù)。
[0032] 從而支持向量回歸模型函數(shù)為
[0033]
(5)
[0034] 在線測量階段包括以下步驟：
[0035] 步驟一:采集料位ζ下的球磨機振動信號s;
[0036] 步驟二:求取振動信號s的功率譜，并將內(nèi)的功率譜均分成nf份，且對各部 分求取均值，得到振動功率譜基本特征X;
[0037] 步驟三:利用RBF神經(jīng)網(wǎng)絡映射將振動功率譜基本特征X映射為特征y ' ；
[0038]