康 岩,卢慕超，阎高伟

(太原理工大学信息工程学院,山西太原 030024)



基于DBN-ELM的球磨机料位软测量方法研究

康 岩,卢慕超，阎高伟

(太原理工大学信息工程学院,山西太原 030024)

针对采用传统方法建立球磨机料位软测量模型存在测量精度不高和稳定性较低的缺点，提出一种结合深度信念网络和极限学习机的软测量方法。该方法以球磨机轴承振动信号为辅助变量，采用深度信念网络进行振动信号功率谱的特征提取，然后将提取的有效特征输入极限学习机进行模型训练，得到软测量模型。最后在小型实验室球磨机上进行试验和模型验证。结果表明，该方法与传统方法相比具有较高的测量精度和较好的稳定性。

球磨机料位;深度信念网络;特征提取;极限学习机;软测量

0 引言

球磨机是广泛应用于电力、磨矿和化工等行业的高能耗设备。球磨机筒体内的料位是影响球磨机系统高效和安全稳定运行的关键因素之一，料位过低时球磨机的生产效率较低，料位过高时容易发生堵磨等安全事故。在实际工业生产过程中，由于球磨机筒内情况复杂，存料量难以直接测量，大部分球磨机系统未能高效运行[1]，因此，准确地测量球磨机料位对保障球磨机系统高效和安全运行具有重要意义。

近年来，科研技术人员针对该问题提出了很多解决方法，其中以软测量方法为主要代表，该方法主要是采用特征提取结合机器学习方法进行建模。文献[2]基于振动信号和反向传播神经网络建立了球磨机料位的软测量模型。……