.png){kind=icon}
返回
Ball Mill Load Classification Method Based on Multi-Scale Feature Collaborative Perception
.png){kind=icon}
PRE
AI
DOI：10.3390/machines13111045.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
在智能制造的背景下，球磨机作为关键耗能设备，需要对其负载状态进行准确感知，这对于优化生产效率及保障运行安全至关重要。然而，其振动信号呈现出典型的非线性和非平稳特性，且与复杂噪声交织，给高精度识别带来了显著挑战。现有诊断方法存在核心矛盾：基于卷积网络的方法擅长捕捉局部特征，但忽略了全局趋势；而Transformer型模型虽能捕捉长距离依赖关系，却在建模过程中易平均化关键的局部瞬态信息。为解决此困境，本文提出了一种多尺度特征协同感知的新范式。该范式通过创新性的深度学习架构——残差块-Transformer网络（RB-SwinT）实现。该架构巧妙地融合了Transformer强大的全局上下文建模能力与残差模块（ResBlock）优秀的局部细节优化能力，实现分层且深度的集成，从而能够同步、高效地表征信号的全局趋势和局部突变。在覆盖九种精细运行工况的实验数据集上，所提方法的总体识别准确率高达96.20%，显著优于多种主流模型。为进一步验证模型泛化能力，本研究在CWRU公开轴承故障数据集上进行测试，识别准确率达到99.36%，优于SAVMD-CNN等对比方法。本研究不仅为球磨机负载识别提供了一种可靠的新技术途径，还通过深入分析各负载水平的物理内涵，展示了其在指示关键运行状态和优化生产操作方面的实际应用价值。更重要的是，其全局-局部协同建模理念为处理更广泛复杂工业时序数据开辟了一条极具前景的技术路径。
Keyword:
intelligent diagnosis
ball mill load
residual Swin Transformer
feature fusion
predictive maintenance
期刊
IF:
2.5
论文数:
931
被引数:
8.2K
机构
引用论文
Metoda identyfikacji obciążenia młyna kulowego w oparciu o CEEMDAN – próg falkowy – PMMFE基于CEEMDAN-小波阈值-PMMFE的球磨机负荷识别方法
PREAI
分享收藏Time-Frequency Multi-Domain 1D Convolutional Neural Network with Channel-Spatial Attention for Noise-Robust Bearing Fault Diagnosis.png)
SENSORS
OAAI
SENSORSIF3.5
OAAI分享收藏
Exploring the effects of a new lifter design and ball mill speed on grinding performance and particle behaviour: A comparative analysis探索新型提料器设计及球磨机转速对磨矿性能和颗粒行为的影响：一项比较分析
PREAI
分享收藏Electric Motor Vibration Signal Classification Using Wigner-Ville Distribution for Fault Diagnosis基于wigner-ville分布的电机振动信号分类故障诊断SENSORSOAAI
SENSORSIF3.5
OAAI分享收藏Load State Identification Method for Ball Mills Based on Improved EWT, Multiscale Fuzzy Entropy and AEPSO_PNN ClassificationProcessesOAAI
ProcessesIF0
OAAI分享收藏Hermosilla, R.; Valle, C.; Allende, H.; Aguilar, C.; Lucic, E. SAG’s Overload Forecasting Using a CNN Physical Informed Aproach. Appl. Sci. 2024, 14, 11686. [Google Scholar] [CrossRef]Hermosilla, R.; Valle, C.; Allende, H.; Aguilar, C.; Lucic, E. 基于 CNN 物理信息方法的 SAG 超载预测。Appl. Sci. 2024, 14, 11686. [Google Scholar] [CrossRef]
IF0
PREAI
分享收藏
查看更多内容