球磨机负荷是选矿生产最关注参数信息,同时也是磨矿过程控制关键因素之一。本项目将研究湿法球磨机特性漂移时磨机负荷测量模型精度和工业适应度问题,拟利用灵敏度高、抗干扰性强的球磨机筒壁振动信号,采用集合经验模态分解(EEMD)和互信息方法提取非线性非平稳筒壁振动信号本征模态函数(IMFs)中蕴含的丰富磨机负荷参数信息。通过IMFs特征选择和优化技术,研究基于本征模态特征的自适应选择性集成建模方法,具体包括(1)集合成员模型尺寸控制算法;(2)基于线性依赖条件(ALD)的集合成员模型局部增量学习算法和(3)集成模型的元学习自适应权值更新稳定学习算法,以保证过程漂移时测量模型误差最终收敛到稳定。基于EEMD本征模态特征的自适应选择性集成建模方法是改善磨机负荷测量模型泛化性、可信度和适应性的有效手段,该问题的研究进展将对磨矿过程控制和磨机负荷在线仪表开发和维护产生直接、深远的影响。
英文主题词Ball Mill Load;Soft Sensor;Ensemble Empirical Mode Decomposition;Selective Ensemble;adaptive learning