針對濕式球磨機在磨礦過程中內(nèi)部負荷靠專家經(jīng)驗難以準確預測的問題,提出一種基于改進的共生生物搜索（ameliorated symbiotic organisms search,簡稱ASOS）-極限學習機（extreme learning machine,簡稱ELM）的磨機負荷軟測量方法。首先,利用ELM算法建立磨機負荷軟測量模型,運用ASOS算法優(yōu)化軟測量模型的隱含層參數(shù);其次,以筒體振動與振聲信號的特征信息構(gòu)建磨機負荷特征向量,并將其作為軟測量模型的輸入,將磨機負荷參數(shù)作為輸出;最后,通過磨礦負荷檢測實驗和對比分析表明,磨機負荷軟測量模型的負荷參數(shù)預測準確率較高,泛化能力較強,為磨機磨礦效率的提高及控制優(yōu)化提供了有益的指導。 

【文章來源】：振動.測試與診斷. 2020,40(01)北大核心EICSCD

【文章頁數(shù)】：10 頁

【文章目錄】：
引言
1 磨機負荷軟測量模型的建立
    1.1 ELM算法分析
    1.2 磨機負荷特征向量的構(gòu)建
    1.3 基于ELM的磨機負荷軟測量模型建立
2 磨機負荷軟測量模型的優(yōu)化
    2.1 改進的共生生物搜索算法
    2.2 基于ASOS算法優(yōu)化的ELM磨機負荷軟測量模型建立
3 磨機負荷軟測量的實驗分析
    3.1 實驗平臺搭建
    3.2 實驗分析
4 結(jié)論



本文編號：3180400