基于域适应支持向量回归的磨机负荷软测量

在工况改变时,湿式球磨机的实时数据和建模数据分布不一致,不满足机器学习的数据同分布假设,采用传统软测量方法将导致软测量模型失准和性能恶化等问题。为此,引入域适应思想,提出一种基于域适应支持向量回归的软测量模型,实现多工况下湿式球磨机负荷参数的准确测量。首先对多工况数据进行预处理并提取频谱特征,然后利用目标域中少量带标签样本数据所蕴含的特征信息和知识结构,提升源域数据构建模型对目标域数据的适应程度,最后对磨机负荷参数进行回归预测。实验结果表明,该软测量方法显著优于现有方法,适用于多工况下的软测量建模。

基于迁移变分自编码器-标签映射的湿式球磨机负荷参数软测量

在工况改变时,湿式球磨机的实时数据和建模数据分布不一致,不满足传统软测量建模方法要求的数据同分布假设,导致模型失准和性能恶化。为此,引入迁移学习思想,提出一种基于迁移变分自编码器-标签映射的软测量模型,实现多工况下湿式球磨机负荷参数的准确测量。首先,迁移目标域数据编码得到的隐变量分布参数,对源域数据对应隐变量进行拟合,再解码得到迁移数据;然后采用相似性度量选取相似样本构建标签映射模型,并得到映射标签;最后使用迁移数据和映射标签构建出最终的软测量模型。实验结果表明,该软测量方法显著优于现有方法,适用于多工况下的软测量建模。

基于多工况迁移学习的磨机负荷参数软测量

湿式球磨机运行过程中需要对多个负荷参数进行监测,然而运行工况改变会导致实时数据和建模数据的同分布假设不再成立。针对传统软测量方法不能考虑负荷参数之间的关联性,以及多工况情况下建模数据和实时数据概率分布变化引起的模型性能恶化问题,有针对性的引入迁移学习策略与多任务学习机制,建立一种基于多工况迁移学习的湿式球磨机负荷参数软测量模型。首先采用联合分布适配在降维过程中共同适配不同工况的边缘和条件分布,然后利用多任务最小二乘支持向量机方法对磨机负荷参数进行回归预测。实验结果表明,该软测量方法显著优于现有的方法,适用于多工况情况下的软测量建模。