基于PSO-LSSVM球磨机负荷参数预测及监测系统开发

摘要

针对球磨机筒体振动信号中存在非线性、非平稳性及环境噪声强等问题,提出一种基于粒子群优化最小二乘支持向量机(PSO-LSSVM)球磨机负荷参数(填充率和料球比)预测方法,并开发基于LabVIEW的球磨机负荷参数监测系统。通过粒子群(PSO)优化最小二乘支持向量机(LSSVM)算法中的正则化参数y和核函数宽度,简化求解过程,提高模型训练速度。以球磨机筒体振动信号的Hilbert-边际谱样本熵为输入,以球磨机筒体内部的填充率和料球比为输出,建立基于PSO-LSSVM的磨机负荷参数预测模型。与LSSVM预测结果比较,该模型的预测精度较高,填充率平均绝对误差降低0.05、平均绝对百分误差降低8.09%;料球比平均绝对误差降低0.04、平均绝对百分误差降低2.76%。在线测试结果表明该在线监测系统准确率为64.37%,且系统运行一次的平均时间为45 s,可实现球磨机负荷参数的实时预测。