基于CEEMDAN-多尺度模糊熵和ISRNN的球磨机负荷识别
来源期刊:矿业研究与开发2020年第4期
论文作者:高纯生 周小云 黄祥海
文章页码:141 - 146
关键词:磨机;负荷;CEEMDAN;多尺度模糊熵;神经网络;
摘 要:针对球磨机振动信号具有非线性、非平稳性特点导致的负荷状态难以识别问题,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN),多尺度模糊熵(MFE)和改进堆叠式循环神经网络(ISRNN)的磨机负荷预测方法。首先,采用CEEMDAN算法分解球磨机振动信号以获得本征模态分量;其次,利用MFE提取负荷状态特征;最后,将特征向量作为ISRNN的输入,球磨机负荷状态作为输出,建立球磨机负荷识别模型。试验结果表明,该方法在负荷识别时有较高的精准性,整体识别率高达98.67%,证明了CEEMDAN-MFE特征提取结合ISRNN的方法可实现对球磨机负荷状态的准确识别。
高纯生1,周小云2,黄祥海2
1. 中铝矿业有限公司2. 江西理工大学机电工程学院
摘 要:针对球磨机振动信号具有非线性、非平稳性特点导致的负荷状态难以识别问题,提出一种基于自适应噪声的完备经验模态分解(CEEMDAN),多尺度模糊熵(MFE)和改进堆叠式循环神经网络(ISRNN)的磨机负荷预测方法。首先,采用CEEMDAN算法分解球磨机振动信号以获得本征模态分量;其次,利用MFE提取负荷状态特征;最后,将特征向量作为ISRNN的输入,球磨机负荷状态作为输出,建立球磨机负荷识别模型。试验结果表明,该方法在负荷识别时有较高的精准性,整体识别率高达98.67%,证明了CEEMDAN-MFE特征提取结合ISRNN的方法可实现对球磨机负荷状态的准确识别。
关键词:磨机;负荷;CEEMDAN;多尺度模糊熵;神经网络;