[0026] 采用语言式Mamdani模糊模型建模方法或T-S模糊模型建模方法根据每个所述潜 在特征变量和对应的磨机负荷构建对应的模糊推理子模型。
[0027] 优选地，所述步骤S500中从所有的模糊推理子模型中选取Jsei个作为集成子模型 并求取集成子模型对应的权重包括：
[0028] 在所有的模糊推理子模型中遍历所有的选取Jsel个模糊推理子模型作为集成子模 型的候选方式，针对每一种组合方式求取对应的权重参数；
[0029] 将所有的候选方式中，预测误差最小的选取方案和对应的权重参数作为集成子模 型及集成子模型对应的权重。
[0030] 优选地，基于如下公式计算所述权重Wjw :
[00创其中，为模糊推理子模型输出值巧y已的标准差。
[0033] 优选地，所述表征磨机振动和/或振声的样本特征信号包括筒体振动信号、轴承振 动信号、磨机研磨区域振声信号中的至少一种。
[0034] 优选地，所述磨机为球磨机，所述负荷参数包括料球比、矿浆浓度和充填率中的一 项或多项。
[0035] 本发明基于模拟领域专家"听音识别"磨机负荷参数的思路，提出了基于模糊推理 的磨机负荷参数选择性集成软测量方法。分别采用多组分信号分解算法模拟人耳带通滤波 能力实现筒体振动信号的多尺度自适应分解，采用潜变量特征提取的方法模拟人脑对频谱 特征的提取能力，采用模糊推理集成模型模拟专家的逻辑规则推理能力，从而完成对领域 专家的逐层认知、不确定性推理W及选择性信息融合过程的模拟，并通过实验验证了所提 方法的可行性和有效性。本发明可W提高磨机负荷参数软测量的精确性。
【附图说明】
[0036] 通过W下参照附图对本发明实施例的描述，本发明的上述W及其它目的、特征和 优点将更为清楚，在附图中：
[0037] 图1是本发明的磨机系统W及配套的软测量系统的硬件结构示意图；
[0038] 图2是本发明实施例的基于模糊推理的磨机负荷参数软测量方法的流程图；
[0039] 图3是本发明实施例中步骤S300提取的部分潜在特征变量和对应的模糊隶属度函 数的曲线图；
[0040] 图4是本发明实施例中基于同步聚类的一个潜在特征变量和谱特征的数据分组情 况图；
[0041 ]图5是本发明实施例中料球比(MBVR)、矿浆浓度帅)和充填率(CVR)的测试样本预 测曲线。
【具体实施方式】
[0042] W下基于实施例对本发明进行描述，但是本发明并不仅仅限于运些实施例。在下 文对本发明的细节描述中，详尽描述了一些特定的细节部分。对本领域技术人员来说没有 运些细节部分的描述也可W完全理解本发明。为了避免混淆本发明的实质，公知的方法、过 程、流程、元件和电路并没有详细叙述。
[0043] 图1是本发明的磨机系统W及配套的软测量系统的硬件结构示意图。如图1所示， 两段式磨矿回路(GC)广泛的应用于选矿过程，在磨矿回路的第一端，通常包括顺序连接的 料仓1、给矿机2、湿式预选机3、磨机4和累池5。水力旋流器6连接在累池5和湿式预选机3之 间，使得较粗粒度的部分作为底流被返回磨机再磨。新给矿、新给水W及周期性的添加钢 球，与水力旋流器的底流一起进入磨机4(通常为球磨机）。矿石在磨机4内被钢球冲击和磨 剥为较细的颗粒，与磨机4内水混合得到的矿浆连续的流出磨机，进入累池5。通过向累池5 内注入新水对矿浆进行稀释，并将运稀释的矿浆W-定的压力注入水力旋流器6,进而运些 累入水力旋流器的矿浆被分离为两部分:包含较粗粒度的部分作为底流进入磨机再磨；其 余部分则进入二段磨矿(GC II)。
[0044] 同时，为了进行负荷参数的软测量，振动信号获取装置7和振声信号获取装置8分 别与磨机4结合设置W获取振动信号和振声信号，数据处理装置9根据检测获得的振动信号 和振声信号进行数据处理软测量获取负荷参数。在本说明书的W下描述中，W筒体振动信 号为例来对本发明的技术方案进行说明。但是，本领域技术人员容易理解，也可W筒体振动 信号、轴承振动信号、磨机研磨区域振声信号中的至少一种。只要获取的样本信号和测试信 号可W用于表征磨机振动和/或振声即可。
[0045] 球磨机筒体振动系统可被看做是受到外界的持续扰动并对外界的扰动无反馈作 用的一类机械系统。磨机负荷的检测与识别问题可W归为一类特殊的动载荷识别问题，但 识别的不是冲击力，而是与此冲击力直接相关的磨机负荷参数及钢球、物料和水负荷(参见 文献13:汤健.磨矿过程磨机负荷软测量方法研究[D]，东北大学，中国，2012.)。
[0046] 工业实际中，磨机筒体内的物料、钢球和水负荷连续运动且相对比较稳定(尤其是 安装有自动加球机的磨矿过程），故磨机负荷可看作是磨机筒体结构的一部分（参见文献 14:刘树英，韩清凯，闻邦椿.具有筒型结构的回转机械的应力特性分析[J].东北大学学报 (自然科学版），2001,22(2):207-210.)。因此，加入磨机负荷后的球磨机筒体振动系统是由 磨机筒体及其内部的物料、钢球和水负荷组成的一个受交变应力载荷作用的新机械结构 体。该新机械结构体的物理参数(质量、刚度及阻尼等）中包含磨机负荷信息。磨机负荷不同 时，该结构体的各种物理参数也同时发生变化。因此，磨机负荷的识别问题就包含了机械振 动中的系统识别和动载荷识别两个方面的问题。常规的动载荷识别方法很难用于识别磨机 负荷。
[0047] 磨机筒体可近似看作板壳结构体，任意点Bsheii处可检测的振动信号（即筒体径向 振动加速度信号）可由下式表示（参见文献13:汤健.磨矿过程磨机负荷软测量方法研究 [D]，东北大学，中国，2012.):
[004引 XV= 0 a[Mwet (Bshell ), Cwet (Bshell ), Kwet (Bshell ), Fbmw] (1)
[0049] Mwet(Bshell) =Lb+Lm+Lw (2)
[0050] Cwet(Bshell)= Fl (Lb, Lm, Lw) (3)
[005。 Kwet (Bshell ) =F2( Lb, Lm，Lw) (4)
[0052] 其中，XV表示筒体振动信号；0 a表示未知非线性函数;Fbmw表示磨机筒体上点Bshell 在磨机旋转周过程中不问时刻雙到的冲击力;Mwet (Bshell )、Cwet ( Bshell )和Kwet ( Bshell )分力Ij 表示磨机筒体上点Bshell处的质量、阻尼和刚度特性;Lb、Lm和Lw分别表示钢球、物料和水负 荷。
[0053] 磨机内的钢球数W万计且分层排列，不同层的钢球的运动轨迹不同。理论分析表 明，不同层钢球落回点的轨迹是通过磨机筒体中屯、的螺旋线。因此，各层钢球的循环周期不 同，钢球落回点的区域有限，内层钢球只能通过钢球之间的碰撞间接冲击筒体。文献15(周 敬宣，曹蹄，何错，李艳萍.球磨机筒内降噪技术中的力学性能分析[J].华中理工大学学报， 1998，26( 12): 59-61.)对DTM350/700型球磨机的力学性能分析表明，磨机内部各层钢球数、 落点径向冲击速度、抛球间隔也各不相同的。此外，磨机筒体质量不平衡、安装偏屯、等原因 也会造成筒体振动。运些振动相互禪合、叠加后形成通常采集得到的筒体振动信号，可表示 (5) 为：
[0055] 其中，Xj、.表示筒体振动信号的第jv个组成成分，Jv表示筒体振动信号组成成分个 数。
[0056] 现有技术中，工业现场经常使用的磨机振声信号是由振动福射噪声即筒体结构噪 声、磨机内部混合声场传输至磨机外部的空气噪声、与磨机负荷无关的环境噪声等部分组 成，其同样具有类似筒体振动信号的多组分特性。优秀领域专家可W凭借自身经验"听音识 另If所熟悉的特定磨机的负荷及其内部参数状态。但是，专家仅能对振声信号进行辨识，而 空气噪声和环境噪声会对此构成较大的干扰。而振动信号并不能为专家辨识。
[0057] 图2是本发明实施例的基于模糊推理的磨机负荷参数软测量方法的流程图。如图2 所示，所述方法包括：
[005引S100、在预定的磨机负荷下运行磨机，获取表征磨机振动和/或振声的样本特征信 号。
[0059] S200、将所述样本特征信号分解为具有不同时间尺度的样本子信号，每个样本子 信号代表具有物理含义的单一振动模态。
[0060] S300、对所述样本子信号进行降维W获得预定数量的相互独立的潜在特征变量。
[0061 ] S400、通过模糊推理建模方法根据每个所述潜在特征变量和对应的磨机负荷构建 对应的模糊推理子模型。
[0062] S500、对于J-2种可能的集成模型中的子模型数量Jsei,通过求解如下优化问题，从 所有的模糊推理子模型中Jsel个作为集成子模型并求取集成子模型对应的权重，W获得J-2 个候选软测量模型：
[0065] 其中0th为设定阔值，k为样本个数，yi为磨机负荷参数第1个样本的真值，户为选择 性集成模型对第1个样本的软测量值，少1。1为基于第jsel个集成子模型对第1个样本预测值， %。,是第jsel个集成子模型的权重J为模糊推理子模型的数量。
[0066] S600、对所述J-2个候选软