一种基于筒体表面多点振动信号的磨机负荷检测方法与流程

技术特征：

1.一种基于筒体表面多点振动信号的磨机负荷检测方法，其特征在于，包括以下步骤：

1)在筒式钢球磨机轴承和筒体表面安装若干振动传感器，采集筒式钢球磨机轴承和筒体表面不同区域的振动信号；

2)基于一种改进的自适应变步长的最小均方滤波算法对获取的振动数据流进行自适应滤波，获得特征振动信号；

所述的改进的自适应变步长的最小均方滤波算法对获取的振动数据流进行自适应滤波，其规则如下：

Xi(n)代表第i个传感器的自适应滤波器n时刻的输入信号，Wi(n)代表第i个传感器的自适应滤波器n时刻的抽头权向量，yi(n)代表第i个传感器的自适应滤波器n时刻的输出信号，di(n)代表第i个传感器的自适应滤波器n时刻的期望信号，通过期望信号与输出信号之差e′i(n)来调节自适应滤波器的抽头向量Wi(n)，使下一时刻的输出yi(n+1)更接近期望信号：

Xi(n)＝[xi(n),xi(n-1),…,xi(n-P+1)]^T(i＝1,2,…,5)

Wi(n)＝[wi(n),wi(n-1),…,wi(n-P+1)]^T(i＝1,2,…,5)

其中，延迟单元个数P表示滤波器的阶数；

yi(n)＝Wi^T(n)×Xi(n)

e′i(n)＝di(n)-yi(n)＝di(n)-Wi^T(n)Xi(n)

Wi(n+1)＝Wi(n)+2μi(n)e′i(n)Xi(n)

其中，μi(n)为第i个传感器的自适应滤波器的步长因子：

其中，自适应步长参数βi(n)＝(1-λ)βi(n-1)+λ[e′i(n)-e′i(n-1)]，

3)对特征振动信号进行快速傅立叶变换，得到对应的频域信号，并基于能量谱对获取的频域振动信号进行特征频段选取，再对特征频段内的各频率点能量进行自适应加权算法，从而实现频域振动信号在特征频段的特征信息提取；

4)对筒式钢球磨机各段的振动特征信息，首先基于误差项加权算法建立加权的最小二乘支持向量机鲁棒性算法，再基于密度加权的稀疏化算法建立约简加权的最小二乘支持向量机软测量模型，并得到各振动信号的磨机负荷预测值；

5)对各段磨机负荷预测值基于加权因子动态调整的策略进行数据融合，获得筒式钢球磨机负荷软测量值。

2.根据权利要求1所述的一种基于筒体表面多点振动信号的磨机负荷检测方法，其特征在于，所述的振动传感器分别为安装在磨机出入口的轴承套上的Vibz1和Vibz2，以及安装在距离磨机入口处1/4、1/2、3/4筒体表面上的Vibt1，Vibt2和Vibt3，且Vibt1、Vibt2和Vibt3在筒体截面上的夹角均为120度。

3.根据权利要求1所述的一种基于筒体表面多点振动信号的磨机负荷检测方法，其特征在于，所述的振动传感器的触发方式为接近开关触发，并同时采集数据，然后经MSP单片机处理后通过nRF401无线通讯模块传入PC端。

4.根据权利要求1所述的一种基于筒体表面多点振动信号的磨机负荷检测方法，其特征在于，所述的特征频段选取是基于能量谱在磨机工况转换时的灵敏度进行的，所述的特征信息提取是基于特征频段内的各频率点能量自适应加权获得，具体步骤如下：

1)能量谱计算，首先采集磨机负荷ML从空磨状态逐渐到满磨状态下的振动信号序列{xML(i)(n)；n＝1,2,…,N；i＝1,2,…,I}，其中xML(i)(n)表示在磨机负荷为ML(i)工况下采集的第n个数据，N为样本长度，I为磨机负荷的不同工况数量，E(k)为第k个频段内的能量；经离散傅立叶变换后，计算在频段内的能量为

2)识别特征频段，首先设定从第i个工况ML(i)到第j个工况ML(j)转换过程中的灵敏度阈值为θi→j，再计算各频率成分在磨机负荷从ML(i)到ML(j)转换过程的灵敏度对于si→j(k)＞θi→j对应的频段进行筛选，组成特征频段集Kf，并记为有0到f个的频率段，其对应的功率谱记为Ef(k)，从而剔除信号中不包含在Kf内的频率成分，实现对特征频段的选择；

3)提取能量特征，采用特征频段内的各频率点能量自适应加权算法提取能量特征，其中μ(k)为自适应加权系数，采用梯形函数实现，

其中参数[b1,b2,b3,b4]通过以下公式获得：

b1:

b2:

b3:

b4:

式中a1,a2,a3,a4为阈值，kc为特征能量谱的重心，由以下公式决定：

上式中：分别表示在频率b2和b3时的k取值，和分别为在b1和b4附近的最小分辨率频段，由梯形函数的公式可知，振动信号在频段[b2,b3]内能量完全通过，即加权系数为1，在频段[b2,b3]以外，信号能量逐渐衰减，直至频率点(b1)和(b4)处能量衰减为0，而衰减速度的快慢取决于[b1,b2]和[b3,b4]的长度，长度越长衰减的越慢，a2和a3决定了频段[b2,b3]的宽度，其值选择越大，完全通过的频段就越宽，a1和a4决定了频段[b2,b3]以外的频率成分加权速率的衰减速率，其值选择越大衰减速率越慢。

5.根据权利要求1所述的一种基于筒体表面多点振动信号的磨机负荷检测方法，其特征在于，步骤4)中首先对各个振动信号的所有样本基于经验风险最小化原则建立鲁棒性模型，再基于密度加权对所有样本进行约简，得到约简加权的最小二乘支持向量机软测量模型，其具体步骤如下：

1)构建初始样本集x表示采集后并进行特征提取的振动信号，y表示真实磨机负荷，M表示样本个数，加权最小二乘支持向量机的建模问题，就是对目标函数在约束条件下的最优化问题，其中w为判别函数的权值，γ为惩罚系数，v为加权因子，e为拟合误差，b′是常数项，非线性函数为从输入空间到某个高维特征空间的映射，通过构造拉格朗日函数其中α′为拉格朗日乘子，并对其求偏导化简得

其中，Ω＝K(xi,xj)是核函数，从而可以求得α′,b′，并得到加权最小二乘支持向量机模型为

2)基于密度加权算法对加权最小二乘支持向量机进行稀疏化，定义密度指标其中r是密度中心的邻域半径，||{xi,yi}-{xm,ym}||表示第i个样本和第m个样本的欧式距离，定义贡献度Pi＝Di×ei，逐次选择贡献度最大的样本进行建模，然后在训练样本中把已经选为支持向量的样本的密度指标置零，重复本步骤，直到模型精度满足要求，即模型性能达到初始模型的85％，从而得到约简加权的最小二乘支持向量机软测量模型。

6.根据权利要求1所述的一种基于筒体表面多点振动信号的磨机负荷检测方法，其特征在于，步骤5)中首先对每个振动特征信号建立软测量子模型，然后采用加权因子动态变化的算法对磨机负荷预测值进行数据融合，具体方法如下：

1)采用约简加权的最小二乘支持向量机对每个振动特征信号建立模型，分别简记为同时得到对应的预测值

2)加权融合方式；假设每个预测模型的加权因子为且满足融合后的测量结果为得其融合后的均方误差为

其中是第t个振动信号的方差，是Modelt的负荷预测值，是所有的向量，由于σ′²是关于的二次函数，因此σ′²一定存在比小的最小值，通过求解约束条件的极值，得出在σ′²取得最小值所对应的加权因子为

3)加权因子自适应调整；由迭代法可得，

其中表示k+1个样本的均值，表示k个样本的均值，表示k+1个样本的方差，表示k个样本的方差，在对模型预测值进行融合之前，更新方差计算，并带入到加权因子中去，从而实现对加权值的动态调整。