科研之友
微信
新浪微博
Facebook
分享链接
摘要
针对机理分析导致参数选择不足与高维过程数据不利于快速精确预测高压辊磨工况变化的问题,提出一种基于樽海鞘群算法(Salp Swarm Algorithm,SSA)的高压辊磨运行工况识别方法。首先对过程数据利用皮尔逊相关系数和互信息进行相应的数据关联度分析,构造皮带机电流、辊磨机压力等过程数据与工况变化相关性的目标函数;然后在求解目标函数时利用自适应高斯-柯西变异概率机制来增加樽海鞘群算法的领导者与跟随者的多样性,使其在迭代寻优时种群分布更加合理的同时又提高了算法后期收敛速度,防止陷入局部最优。最后进行实际高压辊磨生产过程数据特征选择验证和对比实验,实验结果表明所提方法的有效性与准确性。
-
单位流程工业综合自动化国家重点实验室
