針對(duì)濕式球磨機(jī)在磨礦過程中內(nèi)部負(fù)荷靠專家經(jīng)驗(yàn)難以準(zhǔn)確預(yù)測(cè)的問題,提出一種基于改進(jìn)的共生生物搜索（ameliorated symbiotic organisms search,簡(jiǎn)稱ASOS）-極限學(xué)習(xí)機(jī)（extreme learning machine,簡(jiǎn)稱ELM）的磨機(jī)負(fù)荷軟測(cè)量方法。首先,利用ELM算法建立磨機(jī)負(fù)荷軟測(cè)量模型,運(yùn)用ASOS算法優(yōu)化軟測(cè)量模型的隱含層參數(shù);其次,以筒體振動(dòng)與振聲信號(hào)的特征信息構(gòu)建磨機(jī)負(fù)荷特征向量,并將其作為軟測(cè)量模型的輸入,將磨機(jī)負(fù)荷參數(shù)作為輸出;最后,通過磨礦負(fù)荷檢測(cè)實(shí)驗(yàn)和對(duì)比分析表明,磨機(jī)負(fù)荷軟測(cè)量模型的負(fù)荷參數(shù)預(yù)測(cè)準(zhǔn)確率較高,泛化能力較強(qiáng),為磨機(jī)磨礦效率的提高及控制優(yōu)化提供了有益的指導(dǎo)。 

【文章來源】：振動(dòng).測(cè)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(jī)負(fù)荷軟測(cè)量模型的建立
    1.1 ELM算法分析
    1.2 磨機(jī)負(fù)荷特征向量的構(gòu)建
    1.3 基于ELM的磨機(jī)負(fù)荷軟測(cè)量模型建立
2 磨機(jī)負(fù)荷軟測(cè)量模型的優(yōu)化
    2.1 改進(jìn)的共生生物搜索算法
    2.2 基于ASOS算法優(yōu)化的ELM磨機(jī)負(fù)荷軟測(cè)量模型建立
3 磨機(jī)負(fù)荷軟測(cè)量的實(shí)驗(yàn)分析
    3.1 實(shí)驗(yàn)平臺(tái)搭建
    3.2 實(shí)驗(yàn)分析
4 結(jié)論



本文編號(hào)：3180400