Sobre la base de las vibraciones de la máquina de molienda de carbón de una central eléctrica de 1 000 MW como objeto de medición suave, se ha creado un modelo de vibraciones de la máquina de molienda de carbón que combina la reconstrucción del espacio de fases y la máquina de aprendizaje extremo (ELM), y se compara el efecto de predicción de vibraciones de la máquina de molienda con y sin información sobre el carbón. Este modelo tiene en cuenta varios parámetros de funcionamiento de la máquina de molienda y los cambios en los tipos de carbón, utilizando la reconstrucción del espacio de fases para reconstruir la intensidad de vibración en una matriz de dimensión m con un retraso de τ, utilizando las primeras m-1 dimensiones con otros parámetros para formar la matriz de entrada de ELM, y utilizando la dimensión m como salida. Los resultados de las pruebas muestran que el error relativo medio de predicción de las vibraciones de la máquina de molienda es del 6,27%, mejor que los modelos tradicionales de ELM y máquina de vectores de soporte (SVM); y la información sobre el tipo de carbón tiene un cierto impacto en las vibraciones de la máquina de molienda.

vibraciones de la máquina de molienda de carbón; ELM; reconstrucción del espacio de fases; varios parámetros; cambio de tipos de carbón; medición suave