基于相空间重构和PSO-K-means的球磨机负荷状态识别方法

作者：蔡改贫; 宋佳; 罗小燕; 吴庆龄

来源：科学技术与工程, 2023, 23(10): 4126-4134.

• 球磨机负荷
• 相空间重构
• 吸引子
• 关联维数
• PSO-K-means聚类

针对球磨机振动信号具有强随机性、非平稳性和非线性等内在特性导致负荷状态难以识别的问题，提出一种基于相空间重构和PSO-K-means的球磨机负荷状态识别方法。首先，利用改进前后的自相关系数算法对Lorenz与Rossler两种混沌时间序列进行数值模拟，得出延迟时间和嵌入维数精准有效的计算方法；其次，验证出球磨机筒体振动信号具有混沌特性后对其时间序列进行相空间重构，恢复出等价的混沌吸引子；接着，针对3种不同负荷状态下的相空间吸引子进行特征提取，分析了关联维数特征量的变化规律；最后，将关联维数作为特征向量输入PSO-K-means聚类模型中对球磨机负荷状态进行分类与识别。结果表明，PSO-K-means聚类模型在负荷状态识别时有较高的精准性，欠负荷、正常负荷、过负荷下识别精度分别为94.2%、96.3%、94.8%。以上结果证实了该方法能够实现对球磨机负荷状态的有效识别。

• 单位
  机电工程学院; 江西理工大学