一種少量標(biāo)定的基于深度信念網(wǎng)絡(luò)的球磨機(jī)料位測(cè)量方法
【技術(shù)領(lǐng)域】
[0001] 本發(fā)明涉及滾筒式球磨機(jī)料位的檢測(cè)方法，具體為一種少量標(biāo)定的基于深度信念 網(wǎng)絡(luò)的球磨機(jī)料位測(cè)量方法。
【背景技術(shù)】
[0002] 滾筒式球磨機(jī)是一種典型的制粉設(shè)備，主要應(yīng)用于電力、礦山、水泥和化工等行 業(yè)。由于球磨機(jī)系統(tǒng)具有非線性、大滯后、強(qiáng)耦合的特點(diǎn)，且工作于封閉旋轉(zhuǎn)狀態(tài)，導(dǎo)致目前 難以直接檢測(cè)球磨機(jī)料位，從而經(jīng)常發(fā)生飽磨、空磨和堵磨，使得其效率降低，研磨質(zhì)量下 降。因此需要采用軟測(cè)量方法對(duì)球磨機(jī)料位進(jìn)行測(cè)量，以優(yōu)化生產(chǎn)過(guò)程。
[0003] 在測(cè)量的建模過(guò)程中，需要建立球磨機(jī)輔助變量和料位標(biāo)簽之間的模型。而建立 傳統(tǒng)的軟測(cè)量模型往往需要大量具有精確料位標(biāo)簽的樣本。但在實(shí)際連續(xù)工業(yè)工程中，若 要獲得精確的料位值，不得不停機(jī)標(biāo)定，于是建模成本較高且過(guò)程繁瑣。但是若只獲得大量 連續(xù)料位的球磨機(jī)振動(dòng)信號(hào)成本較低，而這些未經(jīng)標(biāo)記的振動(dòng)信號(hào)中也蘊(yùn)含著大量與料位 相關(guān)的信息，若能被合理利用，則可以有效降低建模成本和難度。因此需要考慮實(shí)現(xiàn)一種能 夠綜合大量無(wú)標(biāo)簽信號(hào)和少量有標(biāo)簽信號(hào)蘊(yùn)含的信息的方法進(jìn)行建模，從而有效減少標(biāo)定 次數(shù)，降低測(cè)量成本和難度。

【發(fā)明內(nèi)容】

[0004] 本發(fā)明的發(fā)明目的是提供一種利用大量無(wú)標(biāo)簽樣本和少量帶標(biāo)簽樣本進(jìn)行球磨 機(jī)料位測(cè)量的方法，以通過(guò)少量標(biāo)定達(dá)到有效測(cè)量，從而解決實(shí)際工程中難以獲取大量帶 標(biāo)簽樣本的問(wèn)題，達(dá)到降低測(cè)量工程實(shí)施難度的目的。
[0005] -種少量標(biāo)定的基于深度信念網(wǎng)絡(luò)的球磨機(jī)料位測(cè)量方法，包括離線建模階段與 在線測(cè)量階段，其中離線建模階段包括以下步驟：
[0006] 步驟一：采集從低料位到高料位的無(wú)標(biāo)簽振動(dòng)信號(hào)
，同時(shí)對(duì)少量料位 Z = (Z1，…，zN}進(jìn)行標(biāo)定，得到有標(biāo)簽的振動(dòng)信號(hào)
；
[0007] 步驟二：對(duì)無(wú)標(biāo)簽振動(dòng)信號(hào)和有標(biāo)簽振動(dòng)信號(hào)分別求取功率譜
和
為無(wú)標(biāo)簽訓(xùn)練集，M為無(wú)標(biāo)簽樣本個(gè)數(shù)，
為有標(biāo)簽訓(xùn)練集，N為有標(biāo)簽樣本個(gè)數(shù)。
[0008] 步驟三：訓(xùn)練深度信念網(wǎng)絡(luò)（De印Belief Network, DBN)，并利用訓(xùn)練好的DBN對(duì) 有標(biāo)簽的功率譜
進(jìn)行特征提取，其過(guò)程如下。
[0009] 首先將大量無(wú)標(biāo)簽訓(xùn)練集Xunlabel輸入到DBN的首個(gè)受限玻爾茲曼機(jī)（restricted Boltzmann machine, RBM)可見層V中，然后基于大量無(wú)標(biāo)簽訓(xùn)練集Xunlabel采用對(duì)比散度 (Contrastive Divergence,⑶）算法無(wú)監(jiān)督地訓(xùn)練RBM,具體規(guī)則如下：
[0013] 其中ε為學(xué)習(xí)率，〈· >data為無(wú)標(biāo)簽訓(xùn)練集所在分布的期望，〈· > "_為重構(gòu)后模 型所在分布的期望。完成第一個(gè)RBM的訓(xùn)練后，將無(wú)標(biāo)簽訓(xùn)練集乂^^^俞入到訓(xùn)練好的RBM 中，得到隱含層輸出Act，再將其輸入到下一個(gè)RBM中。對(duì)于之后的RBM的訓(xùn)練采用相同的 訓(xùn)練策略。
[0014] 然后為DBN添加一個(gè)輸出層，基于少量有標(biāo)簽訓(xùn)練集Xlabe^用有監(jiān)督的反向傳播 算法對(duì)整個(gè)網(wǎng)絡(luò)的參數(shù)進(jìn)行微調(diào)。最后將有標(biāo)簽訓(xùn)練集X unlatel輸入DBN，并將最后一個(gè)隱 含層的激活值Y = Iy1，…，yN}作為提取特征。
[0015] 步驟四：基于少量有標(biāo)簽的功率譜的提取特征Y = {yi，…，yN}及其對(duì)應(yīng)料位標(biāo)簽 對(duì)支持向量機(jī)（support vector machine, SVM)進(jìn)行訓(xùn)練；
[0016] 對(duì)于少量提取特征及其對(duì)應(yīng)料位{(yi，Z1)，…，（y N，zN)}，優(yōu)化問(wèn)題為
[0018] 上式的約束條件為
[0019] wTΦ (y；)+b-z；^ ε + ξ
[0020] Zi-W1 Φ (y；) +b ^ ε + ξ (3)
[0021] ξ 〇 ξ 廣彡 0, i = 1，…，Ν，
[0022] 式（2)中第一項(xiàng)用于增強(qiáng)泛化能力，第二項(xiàng)用于降低誤差，常數(shù)C用于懲罰超出誤 差ε的樣本，L，G為引入的松弛變量。
[0023] 引入Lagrange函數(shù)，并利用對(duì)偶原理，得到式（2)的對(duì)偶優(yōu)化問(wèn)題：
[0025] 從而可求解得到料位預(yù)測(cè)值
[0027] 在線測(cè)量階段包括以下步驟：
[0028] 步驟一：采集振動(dòng)信號(hào)s，并求取相應(yīng)的功率譜X ;
[0029] 步驟二：利用DBN進(jìn)行特征提取，得到特征y ;
[0030] 步驟三：將特征y輸入到SVM進(jìn)行預(yù)測(cè)，得到料位預(yù)測(cè)值S。
[0031] 與現(xiàn)有技術(shù)相比，本發(fā)明具有以下優(yōu)點(diǎn)：本發(fā)明能夠有效解決在難以獲得大量樣 本標(biāo)簽的情況下工業(yè)軟測(cè)量建模的問(wèn)題，這一方法對(duì)于解決很多工業(yè)現(xiàn)場(chǎng)較易能夠取得原 始傳感信號(hào)但難以獲取精確樣本測(cè)量值的軟測(cè)量問(wèn)題具有重要的實(shí)用價(jià)值。
【附圖說(shuō)明】
[0032] 圖1為具體實(shí)施例中方案1的硬件結(jié)構(gòu)框圖。
[0033] 圖2為具體實(shí)施例中方案2的硬件結(jié)構(gòu)框圖。
[0034] 圖3為本發(fā)明的測(cè)量曲線圖。
[0035] 圖4為對(duì)比方法的測(cè)量曲線圖。
【具體實(shí)施方式】
[0036] -種少量標(biāo)定的基于深度信念網(wǎng)絡(luò)的球磨機(jī)料位測(cè)量方法，包括離線建模階段與 在線測(cè)量階段；在硬件實(shí)施上，可以采用以下兩種方案。方案1的硬件示意圖如圖1所示， 離線建模階段和在線測(cè)量階段采用同一裝置。若為了節(jié)約整體成本，采用嵌入式系統(tǒng)進(jìn)行 在線測(cè)量，即方案2,硬件示意圖如圖2所示。
[0037] 方案1 :離線建模階段，在球磨機(jī)上安裝振動(dòng)傳感器，通過(guò)信號(hào)調(diào)理電路和數(shù)據(jù)采 集卡將訓(xùn)練數(shù)據(jù)傳輸?shù)接?jì)算機(jī)，通過(guò)訓(xùn)練得到軟測(cè)量模型。在線測(cè)量階段，將采集到的振動(dòng) 信號(hào)也通過(guò)信號(hào)調(diào)理電路和數(shù)據(jù)采集卡輸入到計(jì)算機(jī)，再輸入到所建立的模型得到料位預(yù) 測(cè)值。
[0038] 方案2 :離線建模階段，在球磨機(jī)上安裝振動(dòng)傳感器，通過(guò)信號(hào)調(diào)理電路和數(shù)據(jù)采 集卡將訓(xùn)練數(shù)據(jù)傳送到計(jì)算機(jī)，通過(guò)訓(xùn)練得到建模模型，最后將所建立模型的參數(shù)存儲(chǔ)到 用于在線測(cè)量的嵌入式系統(tǒng)。在線測(cè)量階段，將采集到的振動(dòng)信號(hào)，通過(guò)信號(hào)調(diào)理電路輸入 到嵌入式系統(tǒng)，然后經(jīng)過(guò)嵌入式系統(tǒng)的運(yùn)算得到料位預(yù)測(cè)值。
[0039] 在軟件實(shí)施上，離線建模階段包括以下步驟：
[0040] 填充物料，逐漸增加料位，直至最大料位，并通過(guò)振動(dòng)傳感器，采集振動(dòng)信號(hào) (S1 1,…,5^}，同時(shí)對(duì)部分料位下的樣本進(jìn)行標(biāo)定，得到有標(biāo)簽的振動(dòng)信號(hào);
[0041] 分別對(duì)無(wú)標(biāo)簽和有標(biāo)簽振動(dòng)信號(hào)求取功率譜，得到無(wú)標(biāo)簽訓(xùn)練集Xunlatel和有標(biāo)簽 訓(xùn)練集X label;
[0042] 基于無(wú)標(biāo)簽訓(xùn)練集Xunlabel，采用CD算法對(duì)DBN的權(quán)值和偏置進(jìn)行預(yù)訓(xùn)練，本實(shí)施 例中RBM的個(gè)數(shù)為2,隱含層節(jié)點(diǎn)數(shù)為[5030]，學(xué)習(xí)率為0. 01，訓(xùn)練次數(shù)為20 ;
[0043] 為DBN添加一層有監(jiān)督的輸出層，基于有標(biāo)簽訓(xùn)練集Xlabel及其對(duì)應(yīng)料位Z，采用反 向傳播算法微調(diào)DBN參數(shù)，達(dá)到利用標(biāo)簽信息優(yōu)化權(quán)值和偏置與增強(qiáng)所提取特征的魯棒性 的目的；
[0044] 輸入有標(biāo)簽訓(xùn)練集Xlabel至訓(xùn)練好的DBN，得到提取特征Y label;
[0045] 基于對(duì)少量有標(biāo)簽樣本的提取特征Ylabel及其對(duì)應(yīng)料位Z label，建立軟測(cè)量SVM預(yù)測(cè) 模型，本實(shí)施例中其模型訓(xùn)練參數(shù)c = 1000, ga_a = 0. 9。
[0046] 在線測(cè)量階段包括以下步驟：
[0047] 在球磨機(jī)運(yùn)行過(guò)程中，采集振動(dòng)信號(hào)s ;
[0048] 求取功率譜特征X ;
[0049] 輸入到DBN，提取特征y ;
[0050] 將提取特征y輸入到SVM，得到料位預(yù)測(cè)值g :。
[0051] 在本實(shí)施例中，進(jìn)行了 10組的實(shí)驗(yàn)與對(duì)比實(shí)驗(yàn)。表1給出了 10個(gè)有標(biāo)簽訓(xùn)練集。 無(wú)標(biāo)簽訓(xùn)練集T為將T1去掉標(biāo)簽的數(shù)據(jù)集。本發(fā)明中，DBN的預(yù)訓(xùn)練基于無(wú)標(biāo)簽訓(xùn)練集T， DBN的微調(diào)和SVM的訓(xùn)練基于Tj (j = 1，2,…，10);對(duì)比方法中，DBN的預(yù)訓(xùn)練和微調(diào)和SVM 的訓(xùn)練基于T, (j = 1，2,…，10)。附圖3給出了本發(fā)明的測(cè)量曲線圖，附圖4給出了對(duì)比方 法的測(cè)量曲線圖。
[0052] 采用均方根誤差（RMSE)作為模型性能評(píng)價(jià)指標(biāo)，其定義分別為：
[0054] 式中和Z1分別表示第i個(gè)樣本的料位估計(jì)值和實(shí)際值，L為在線測(cè)試樣本個(gè)數(shù)。
[0055] 根據(jù)圖3和圖4,可以得出本發(fā)明的測(cè)量結(jié)果優(yōu)于對(duì)比方法的測(cè)量結(jié)果，這充分說(shuō) 明DBN能充分利用大量無(wú)標(biāo)簽振動(dòng)信號(hào)的信息，提取可靠特征。
[0056] 表1現(xiàn)場(chǎng)實(shí)驗(yàn)有標(biāo)簽訓(xùn)練集
【主權(quán)項(xiàng)】
1. 一種少量標(biāo)定的基于深度信念網(wǎng)絡(luò)的球磨機(jī)料位測(cè)量方法，其特征在于包括離線建 模階段與在線測(cè)量階段，其中離線建模階段包括以下步驟： 步驟一：采集從低料位到高料位的無(wú)標(biāo)簽振動(dòng)信號(hào)同時(shí)對(duì)部分料位Z= {Zq,…，ZN}進(jìn)行標(biāo)定，得到有標(biāo)簽振動(dòng)信號(hào); 步驟二：對(duì)無(wú)標(biāo)簽振動(dòng)信號(hào)和有標(biāo)簽振動(dòng)信號(hào)·[#,.. 分別求取功率 譜 ，. ·，，j·和 ..，Xjy^ ; 步驟三：訓(xùn)練深度信念網(wǎng)絡(luò)，并對(duì)有標(biāo)簽的功率譜K,.:..,1?進(jìn)行特征Y= {yi，… ，yN}提??； 步驟四：基于少量有標(biāo)簽的功率譜的提取特征Y= {y:，…，yN}及其對(duì)應(yīng)料位值Z= {Zi，…，ZN}對(duì)支持向量機(jī)進(jìn)行訓(xùn)練； 在線測(cè)量階段包括以下步驟： 步驟一：采集振動(dòng)信號(hào)S，并求取相應(yīng)的功率譜X ; 步驟二：利用深度信念網(wǎng)絡(luò)進(jìn)行特征提取，得到特征y; 步驟三：將特征y輸入到支持向量機(jī)進(jìn)行預(yù)測(cè)，得到料位預(yù)測(cè)值1。
【專利摘要】本發(fā)明涉及滾筒式球磨機(jī)料位的檢測(cè)方法，具體為一種少量標(biāo)定的基于深度信念網(wǎng)絡(luò)的球磨機(jī)料位測(cè)量方法。一種少量標(biāo)定的基于深度信念網(wǎng)絡(luò)的球磨機(jī)料位測(cè)量方法，其具體步驟如下：采集球磨機(jī)的振動(dòng)信號(hào)，并求取振動(dòng)信號(hào)的功率譜；采用大量無(wú)標(biāo)簽數(shù)據(jù)和少量帶標(biāo)簽數(shù)據(jù)對(duì)深度信念網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并進(jìn)行特征提?。蛔詈蠼⑻崛√卣骱土衔恢g的回歸模型。本發(fā)明能可靠測(cè)量球磨機(jī)料位，可在難以獲得大量帶標(biāo)簽樣本的情況下進(jìn)行建模，具有較高的實(shí)用價(jià)值和推廣前景。
【IPC分類】G01F23/22
【公開號(hào)】CN105300473
【申請(qǐng)?zhí)枴緾N201510837425
【發(fā)明人】閻高偉, 任密蜂, 續(xù)欣瑩, 龐宇松, 郭磊
【申請(qǐng)人】太原理工大學(xué)
【公開日】2016年2月3日
【申請(qǐng)日】2015年11月25日