基于CEEMDAN-多尺度模糊熵和ISRNN的球磨机负荷识别 |
| |
引用本文: | 高纯生,周小云,黄祥海.基于CEEMDAN-多尺度模糊熵和ISRNN的球磨机负荷识别[J].矿业研究与开发,2020,40(4):141-146. |
| |
作者姓名: | 高纯生 周小云 黄祥海 |
| |
作者单位: | 中铝矿业有限公司,河南郑州450041;江西理工大学机电工程学院,江西赣州市341000 |
| |
基金项目: | 江西省教育厅科技重点项目;江西省重点研发计划项目 |
| |
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 |
本文献已被 CNKI 万方数据 等数据库收录! |
|