胡显能，蔡改贫，罗小燕，宗 路

（江西理工大学 机电工程学院，江西 赣州 341000）

球磨机负荷是磨矿过程的重要参数，直接影响到磨矿的效果以及生产效率[1]。由于球磨机内部工作环境复杂多变，难以保证稳定的的工作状态，给球磨机负荷识别带来极大阻碍。因此，实现球磨机内部负荷的有效识别，充分发挥球磨机的实际效能，提高磨矿效率是当前急需解决的问题。目前，常用的方法是利用检测仪器采集球磨机筒体或轴承等部位的振动信号，采用小波变换技术对振动信号进行处理分析，发掘球磨机内部负荷与信号特征之间的关系，根据信号特征的变化来识别球磨机的负荷状态。由于球磨机磨矿是筒体内的介质对矿料不断冲击研磨而使矿料粒度逐渐减小的一个随机过程，因此其产生的信号具有非线性、非平稳性的特点。尽管传统的小波变换技术在处理非稳定信号具有一定的优势，但是在处理具有非线性的球磨机振动信号方面仍然存在一定的缺陷。

集成经验模态分解（Ensemble Empirical Mode Decomposition，EEMD）是近些年来处理非线性和非平稳性信号的有效方法之一，由Huang和Wu提出[2]。虽然EEMD处理非线性和非平稳性信号具有一定的优势，但是仍然存在着重构信号中有残留噪声以及计算量大的问题。具有自适应白噪声的完整集成经验模态分解（Complete Ensemble Empirical Mode Decomposition with Adaptive Noise，CEEMDAN）是在EEMD基础上的一种改进方法由Torres等提出，该方法不仅弥补了EEMD方法的不足，还改善了分解的完备性[3]。

排列熵（Permutation Entropy，PE）是一种检测离散时间序列复杂度的指标，具有计算简单、运算速度快以及抗干扰能力强的优点，在脑电信号、机械信号等不同类型信号中得到了广泛的应用[4]。……