基于最大均值差异的多源域迁移学习方法，用于湿式球磨机负荷参数的软测量。

简介：
当湿式球磨机工况发生改变时，其实时采集的数据与基于建模得到的分布数据之间存在差异，这违背了数据同分布的假设。因此，传统的软测量模型难以有效地适应这些数据分布的变化，从而导致模型性能的下降。为了解决这一问题，我们有针对性地采用了迁移学习策略，并借助多源域集成机制来增强模型的稳健性，最终实现了在多工况下对湿式球磨机负荷参数的精确测量。首先，我们对包含多个工况的数据集进行了预处理，并提取了频谱特征。随后，通过联合分布适配技术对这些多工况数据进行了边缘分布和条件分布的调整。接着，我们利用最大均值差异来衡量适配后的数据的分布度量情况，并根据这一度量为每个源域构建的回归器分配了相应的权重。最后，针对目标域的数据集，我们完成了负荷预测任务。实验结果表明，所提出的模型在实际应用中具有显著的实用价值和良好的有效性。