申请/专利权人：河北工业大学

申请日：2021-11-22

公开（公告）日：2024-04-23

公开（公告）号：CN114077851B

主分类号：G06F18/24

分类号：G06F18/24;G06F18/213;G06F18/214;G06F18/2411;G06F18/25

优先权：

专利状态码：有效-授权

法律状态：2024.04.23#授权;2022.03.11#实质审查的生效;2022.02.22#公开

摘要：本发明为一种基于FSVC的球磨机工况识别方法，包括提取球磨机在不同工况下的磨音信号，对磨音信号进行降噪，通过相关系数法选取灵敏度高的本征模态分量并重构信号；提取重构信号包含MFCC系数、GFCC系数和短时能量在内的三种特征，得到特征融合矩阵；将特征融合矩阵作为FSVC模型的输入，对模型进行训练，得到FSVC模型的参量P'nr、σ和b，利用这三个参数构建FSVC分类模型，将FSVC分类模型用于磨音识别，进而对球磨机工况进行实时识别。该方法运算速度快，能够满足对球磨机工况的实时识别，有利于在工作过程中及时调整球磨机工况，减少球磨机的效率损失。

主权项：1.一种基于FSVC的球磨机工况识别方法，其特征在于，该方法包括以下步骤：第一步、提取球磨机在不同工况下的磨音信号，对磨音信号进行降噪，通过相关系数法选取灵敏度高的本征模态分量并重构信号；原始磨音信号经过CEEMDAN算法处理后，得到nCEEMDAN个IMF分量，这些IMF分量的灵敏度不同，因而需要把灵敏度低的IMF分量去除；利用IMF分量和原始磨音信号的相关系数来表征各个分量的灵敏度，则第k个IMF分量的灵敏度μk为： 其中，Ny为原始磨音信号yt的数据长度，分别为第k个IMF分量以及原始磨音信号的平均值，yit分别为第k个IMF分量和原始磨音信号第i个数据；利用式8设置灵敏度阈值μr： 去除灵敏度小于灵敏度阈值的IMF分量，将灵敏度大于灵敏度阈值的IMF分量保留，并按照相位相加进行重构，得到重构信号；第二步、提取重构信号包含MFCC系数、GFCC系数和短时能量在内的三种特征，得到特征融合矩阵；第三步、将特征融合矩阵作为FSVC模型的输入，对模型进行训练，得到FSVC模型的参量Ρ'nr、σ和b，利用这三个参数构建FSVC分类模型，将FSVC分类模型用于磨音识别，进而对球磨机工况进行实时识别。

全文数据：

权利要求：

百度查询： 河北工业大学 基于FSVC的球磨机工况识别方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD