基于多任务-最小二乘支持向量机的球磨机负荷软测量

摘要

干式球磨机是电力、磨矿和建材等行业广泛使用的一种基础破磨设备,其中料位和球料比是磨矿过程的重要负荷参数指标,能否准确地测量干式球磨机负荷直接影响到磨矿产品的质量、效率和球磨机的安全稳定运行.针对传统的干式球磨机负荷测量方法大多数是对单一的料位变量进行预测,在此引入多任务的机器学习机制,采用一种基于多任务-最小二乘支持向量机(MTLS-SVM)的多任务学习算法建立干式球磨机多参数软测量模型,对料位和球料比同时预测.首先,用Welch方法获得球磨机振动信号的功率谱密度,并分割得到基本特征,然后利用多任务-最小二乘支持向量机方法对球磨机料位和球料比进行回归预测.实验室球磨机数据建模结果表明,多任务机制的软测量精度优于传统的单任务模型,验证了该软测量方法的有效性和实用性.