[發(fā)明專利]一種多源機(jī)械信號分析與優(yōu)化組合方法

有效

• 申請?zhí)枺?/td>: 201711268730.X
• 申請日: 2017-12-05
• 公開（公告）號: CN108038079B
• 公開（公告）日: 2021-01-05
• 發(fā)明（設(shè)計）人: 湯健;喬俊飛;李曉理;劉卓
• 申請（專利權(quán)）人: 北京工業(yè)大學(xué)
• 主分類號: G06F17/14
• 分類號: G06F17/14;G06K9/00;G06Q10/04;G06Q50/02
• 代理公司: 北京思海天達(dá)知識產(chǎn)權(quán)代理有限公司 11203
• 代理人: 張慧

本發(fā)明公開一種多源機(jī)械信號分析與優(yōu)化組合方法，對所采集多源機(jī)械振動和振聲信號進(jìn)行快速傅里葉變換，獲得機(jī)械頻譜數(shù)據(jù)；基于這些機(jī)械頻譜數(shù)據(jù)構(gòu)建潛結(jié)構(gòu)映射模型，基于驗證數(shù)據(jù)得到MLPF(磨機(jī)負(fù)荷參數(shù)預(yù)測)模型的結(jié)構(gòu)參數(shù)和驗證誤差；通過單一機(jī)械信號MLPF潛結(jié)構(gòu)模型的驗證誤差和結(jié)構(gòu)參數(shù)與全部機(jī)械信號MLPF潛結(jié)構(gòu)模型的驗證誤差和結(jié)構(gòu)參數(shù)之比對機(jī)械信號的預(yù)測精度貢獻(xiàn)率和蘊含信息貢獻(xiàn)率進(jìn)行評估，并定義兩者的可調(diào)加權(quán)作為綜合指標(biāo)，實現(xiàn)多源機(jī)械信號預(yù)測精度和蘊含信息貢獻(xiàn)率的綜合評估；通過選擇綜合指標(biāo)值大于設(shè)定閾值的多源機(jī)械信號完成初選，再基于組合優(yōu)化策略實現(xiàn)用于構(gòu)建MLPF模型的最佳多源機(jī)械信號優(yōu)化組合。

技術(shù)領(lǐng)域：

本發(fā)明屬于信號分析技術(shù)領(lǐng)域，尤其涉及一種基于線性潛結(jié)構(gòu)模型面向磨機(jī)負(fù)荷參數(shù)預(yù)測的多源機(jī)械信號分析與優(yōu)化組合方法。

背景技術(shù)

實時準(zhǔn)確的磨機(jī)負(fù)荷參數(shù)預(yù)測(MLPF)模型是選礦過程實現(xiàn)運行優(yōu)化與運行控制的關(guān)鍵因素之一[1,2]。基于數(shù)據(jù)驅(qū)動的軟測量模型已被廣泛用于這些難以檢測過程參數(shù)的推理估計[3]。球磨機(jī)是磨礦過程的關(guān)鍵機(jī)械設(shè)備，具有重型、旋轉(zhuǎn)、封閉等特點，其連續(xù)運行過程中釋放出強(qiáng)烈的機(jī)械振動和振聲信號。通常，這些機(jī)械信號的頻譜用于構(gòu)建與磨礦過程質(zhì)量和產(chǎn)量密切相關(guān)的磨機(jī)內(nèi)部負(fù)荷參數(shù)模型[4,5,6]。

理論上，球磨機(jī)的機(jī)械振動和振聲信號具有非穩(wěn)態(tài)和多組分特性。球磨機(jī)內(nèi)部的數(shù)以萬計的鋼球分層排列，在磨機(jī)旋轉(zhuǎn)工作過程中以不同的沖擊力和不同的周期對礦石和磨機(jī)襯板進(jìn)行沖擊。通常在磨機(jī)筒體外部所測量的筒體振動信號是由這些沖擊力合成得到的。進(jìn)一步，筒體振動通過磨機(jī)機(jī)械傳動系統(tǒng)傳遞到磨機(jī)軸承座；同時，筒體振動也是在磨機(jī)研磨區(qū)域所測量的振聲信號的主要來源。針對這些多源機(jī)械信號，通常采取的策略是首先采用信號處理技術(shù)進(jìn)行分析以提取更為顯著的特征[7]。

通常所采用的信號處理技術(shù)是對這些原始機(jī)械振動和振聲進(jìn)行快速傅里葉變換(FFT)，采用這種方式獲取的頻譜被稱為單尺度頻譜[8]。但是，理論上FFT不適合處理具有非穩(wěn)態(tài)和多組分特性的機(jī)械信號[9]。小波分解及其改進(jìn)算法等多種不同的時/頻分析技術(shù)已被廣泛用于基于此類機(jī)械信號的故障診斷[10,11]。為了能夠自適應(yīng)的分解該類機(jī)械信號，經(jīng)驗?zāi)B(tài)分解(EMD)及其改進(jìn)算法可以將原始機(jī)械信號分解為具有不同時間尺度的系列子信號，并應(yīng)用于不同的工業(yè)過程中[12,13,14]。從機(jī)械信號產(chǎn)生機(jī)理的視角出發(fā)，這些子信號被認(rèn)為是具有不同尺度的多源信息，其頻譜相應(yīng)的被稱為多尺度頻譜[8]。這些多尺度頻譜被廣泛應(yīng)用于軸承故障診斷和球磨機(jī)筒體振動分析[15,16]。理論上，基于多尺度頻譜能夠構(gòu)建得到具有更加合理性解釋的MLPF模型。但是，這些復(fù)雜的基于EMD等算法的信號分解過程也可能會產(chǎn)生一些非確定和不準(zhǔn)確的信息。因此，基于FFT的單尺度頻譜仍然是實際工業(yè)過程中應(yīng)用最為廣泛的建模數(shù)據(jù)。

在具有較高的頻率分辨率時，單尺度頻譜和多尺度頻譜都包含成百上千的頻率變量，并且相互之間存在較強(qiáng)的共線性。因此，潛結(jié)構(gòu)映射或偏最小二乘(PLS)及其核版本常用于直接處理具有這些特點的頻譜數(shù)據(jù)[17]，其主要原因是該類方法能夠基于較少的潛在變量(LVs)對高維譜數(shù)據(jù)建模。同時，為了提高M(jìn)LPF模型的泛化性能，基于“操作輸入特征”和“操縱訓(xùn)練樣本”集成構(gòu)造策略的選擇性集成(SEN)建模方法從有效融合多源有價值信息的視角進(jìn)行軟測量模型的構(gòu)建[18]；但其模型結(jié)構(gòu)較傳統(tǒng)的單一模型復(fù)雜，難以用于簡潔、快速的對多源機(jī)械信號進(jìn)行分析評估。從另外一個視角，基于多尺度頻譜的建模方法與工業(yè)過程中專家人腦認(rèn)知磨機(jī)負(fù)荷的過程相類似；因此，基于多尺度頻譜的建模方法有待于深入研究。同時，不同的MLPF建模方法的比較結(jié)果表明，基于單尺度頻譜的模型在泛化性能上優(yōu)于基于多尺度頻譜的模型；但是，基于單尺度的MLPF建模方法在提高模型的可解釋性和洞悉機(jī)械信號產(chǎn)生機(jī)理方面存在難以克服的固有缺點。