CEEMDAN和样本熵相结合的球磨机负荷识别方法OA北大核心CSCDCSTPCD
A Ball Mill Load State Identification Method in Combination with CEEMDAN and Sample Entropy
针对磨矿作业过程中球磨机的筒体内部情况复杂难以仅靠经验估计负荷状态的问题,提出一种自适应白噪声的完整经验模态分解(CEEMDAN)结合样本熵和极限学习机(ELM)的球磨机负荷状态识别方法.首先,通过CEEMDAN算法对不同负荷状态下原始信号进行分解,利用相关系数法筛选有效的IMF分量;然后,通过分析3种负荷状态下振动信号的有效IMF分量的样本熵在不同数据长度、嵌入维度和相似容限下的值,来确定计算样本熵的最佳参数.结果表明,3种负荷状态下振动信号的…查看全部>>
刘吉顺;杨丽荣;罗小燕;程铁栋
江西理工大学机电工程学院,江西赣州 341000江西理工大学机电工程学院,江西赣州 341000江西理工大学机电工程学院,江西赣州 341000江西理工大学机电工程学院,江西赣州 341000
矿业与冶金
CEEMDAN样本熵相关系数ELM负荷状态识别
《机械科学与技术》 2021 (2)
基于多尺度内聚颗粒模型的振动破碎能耗研究
249-256,8
国家自然科学基金项目(51464017)、江西省重点研发计划项目(20181ACE50034)与江西省教育厅科技项目(GJJ190452)
评论