CEEMDAN和样本熵相结合的球磨机负荷识别方法

作者：刘吉顺; 杨丽荣^*; 罗小燕; 程铁栋

来源：机械科学与技术, 2021, 40(02): 249-256.

DOI：10.13433/j.cnki.1003-8728.20200037

• CEEMDAN
• 样本熵
• 相关系数
• ELM
• 负荷状态识别

针对磨矿作业过程中球磨机的筒体内部情况复杂难以仅靠经验估计负荷状态的问题,提出一种自适应白噪声的完整经验模态分解(CEEMDAN)结合样本熵和极限学习机(ELM)的球磨机负荷状态识别方法。首先,通过CEEMDAN算法对不同负荷状态下原始信号进行分解,利用相关系数法筛选有效的IMF分量;然后,通过分析3种负荷状态下振动信号的有效IMF分量的样本熵在不同数据长度、嵌入维度和相似容限下的值,来确定计算样本熵的最佳参数。结果表明,3种负荷状态下振动信号的有效IMF分量样本熵有明显区别,可以有效识别出磨机不同负荷状态。将各组信号有效IMF分量样本熵作为ELM的输入,球磨机负荷状态为输出,建立了磨机负荷状态识别模型。利用磨矿实验进行验证,表明此种方法应用在球磨机负荷识别上的有效性,整体识别率高达96.81%,且对比于EMD-样本熵和MEEMD-样本熵,总体识别率分别提高了12.41%和9.01%。

• 单位
  机电工程学院; 江西理工大学