磨机负荷参数快速去相关神经网络集成模型  

Mill Load Parameter Model Using Fast Decorrelated Neural Network Ensemble

作　　者：赵立杰 李彬 汪滢 陈斌 王魏 

机构地区：[1]沈阳化工大学信息工程学院,沈阳110142 [2]大连海洋大学信息工程学院,辽宁大连116023

出　　处：《控制工程》2017年第9期1952-1957,共6页Control Engineering of China

基　　金：国家自然科学基金项目(61203102;61503054;61573364);辽宁省教育厅科学研究项目(L2013158;L2013272)

摘　　要：磨机负荷是与磨矿过程生产效率、产品质量、能源消耗密切相关的重要指标。由于封闭旋转运行的工作特点,球磨机负荷参数难以直接有效测量。针对集成模型成员间的相关性相对较高的问题,提出一种基于快速去相关神经网络集成的球磨机负荷参数建模方法。该方法采用随机向量函数连接(Random Vector Functional-Link,RVFL)网络生成磨机负荷参数集成模型个体,随机分配RVFL个体模型隐含层参数,使用负相关(Negative Correlation Learning,NCL)算法,将集成模型转化为线性方程求解集成模型参数。球磨机运行试验数据的仿真实验结果验证了所提球磨机负荷模型的有效性。Mill load is an important index closely related to the production efficiency, product quality and energy consumption. Due to the closed rotary operational condition, the parameters of ball mill load are difficult to measure directly. For the higher correlation among the ensemble model members, the mill load parameter model is established based on fast decorrelated neural network ensemble （FDNNE）. The method uses random vector functional-link （RVFL） networks as the components of the mill load ensemble model, the hidden layer parameters of which are distributed randomly. The NCL （Negative Correlation Learning） is used to convert the ensemble model into a linear equation to solve the parameters of the ensemble model. Simulation results of the ball mill experimental data verify the effectiveness of the proposed ball mill model.

关 键 词：磨机负荷 负相关学习 快速去相关神经网络集成 随机向量函数连接网络 

分 类 号：TP29[自动化与计算机技术—检测技术与自动化装置]