【摘要】：為提高部分?jǐn)嗝婢蜻M(jìn)機(jī)截割部故障診斷的有效性與準(zhǔn)確性,以部分?jǐn)嗝婢蜻M(jìn)機(jī)截割部振動(dòng)加速度信號(hào)為研究對(duì)象,從煤礦井下采集了掘進(jìn)機(jī)截割部振動(dòng)加速度數(shù)據(jù),分析并提取了表征掘進(jìn)機(jī)截割部運(yùn)行狀態(tài)的特征向量,采用BP神經(jīng)網(wǎng)絡(luò)作為故障診斷方法,利用PSO算法的快速收斂性及全局搜索能力直接對(duì)BP網(wǎng)絡(luò)的權(quán)值閾值進(jìn)行優(yōu)化,解決了BP神經(jīng)網(wǎng)絡(luò)收斂速度慢及易陷入局部極小值的問(wèn)題。通過(guò)對(duì)數(shù)據(jù)樣本進(jìn)行訓(xùn)練與測(cè)試,構(gòu)建了能夠診斷截割部是否故障的PSO-BP神經(jīng)網(wǎng)絡(luò),對(duì)EBZ-160型掘進(jìn)機(jī)截割部是否發(fā)生故障進(jìn)行診斷。試驗(yàn)結(jié)果表明:與快速BP法優(yōu)化的BP神經(jīng)網(wǎng)絡(luò)(FBP神經(jīng)網(wǎng)絡(luò))相比,PSO-BP網(wǎng)絡(luò)診斷精度更高,訓(xùn)練步數(shù)更少。該方法能準(zhǔn)確有效地診斷掘進(jìn)機(jī)截割部故障,為掘進(jìn)機(jī)截割部故障診斷研究提供了方法與思路。
[Abstract]:In order to improve the validity and accuracy of fault diagnosis of the cutting part of the partial cross-section roadheader, the vibration acceleration data of the cutting part of the roadheader are collected from the coal mine by taking the vibration acceleration signal of the cutting part of the partial cross-section roadheader as the research object. The characteristic vectors representing the running state of the cutting part of the roadheader are analyzed and extracted. The BP neural network is used as the fault diagnosis method, and the weight threshold of the BP network is directly optimized by using the fast convergence and global searching ability of the PSO algorithm. The problem that BP neural network converges slowly and is easy to fall into local minima is solved. By training and testing the data samples, a PSO-BP neural network is constructed to diagnose the fault of the cutting part of the EBZ-160 roadheader, and to diagnose the fault of the cutting part of the EBZ-160 type roadheader. The experimental results show that compared with the BP neural network (FBP) optimized by the fast BP method, the PSO-BP neural network has higher diagnostic accuracy and less training steps. This method can accurately and effectively diagnose the fault of the cutting part of the roadheader, and provides a method and train of thought for the fault diagnosis of the cutting part of the roadheader.
【作者單位】： 中國(guó)礦業(yè)大學(xué)(北京)機(jī)電與信息工程學(xué)院;
【基金】：國(guó)家重點(diǎn)基礎(chǔ)研究發(fā)展計(jì)劃(973計(jì)劃)資助項(xiàng)目(2014CB046306)
【分類號(hào)】：TD421.5;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 楊化林;;掘進(jìn)機(jī)截割硬度參數(shù)的確定及其影響因素[J];煤礦機(jī)械;2010年10期

2 楊霞;丁保華;龔嫻嫻;;矮身掘進(jìn)機(jī)截割部設(shè)計(jì)[J];煤礦機(jī)械;2012年07期

3 齊占波;穆松柏;高順武;;掘進(jìn)機(jī)截割部的設(shè)計(jì)研究[J];煤礦機(jī)械;2013年12期

4 涂林鵬;王轉(zhuǎn)蘭;包文禮;;縱軸式掘進(jìn)機(jī)截割方法、路線與受力分析[J];科技資訊;2011年15期

5 陳洪月;毛君;宋寶新;姚麗明;吳宏剛;;掘進(jìn)機(jī)截割部振動(dòng)特性分析與仿真[J];微計(jì)算機(jī)信息;2011年09期

6 龔海濱;魏成剛;胡方海;常龍;;掘進(jìn)機(jī)截割部軸承損壞和漏油的原因分析[J];煤礦機(jī)械;2012年06期

7 牛曉軍;;掘進(jìn)機(jī)自動(dòng)化截割技術(shù)的研究[J];科技與企業(yè);2012年22期

8 屠春霖;宋志強(qiáng);;橫軸式掘進(jìn)機(jī)截割機(jī)構(gòu)的振動(dòng)分析[J];建筑機(jī)械化;2013年09期

9 黃向陽(yáng);閆炳雷;楊文林;;掘進(jìn)機(jī)自適應(yīng)截割技術(shù)研究[J];煤礦機(jī)械;2013年10期

10 王焱金;季清華;白雪峰;廉自生;;掘進(jìn)機(jī)截割部液壓系統(tǒng)分析[J];機(jī)床與液壓;2014年01期

相關(guān)會(huì)議論文 前3條

1 張建廣;;懸臂式掘進(jìn)機(jī)自適應(yīng)截割智能控制策略研究[A];第24屆全國(guó)煤礦自動(dòng)化與信息化學(xué)術(shù)會(huì)議暨第6屆中國(guó)煤礦信息化與自動(dòng)化高層論壇論文集[C];2014年

2 王洪俊;;關(guān)于采煤機(jī)截割狀態(tài)信息的融合和數(shù)據(jù)分析的控制方法[A];第23屆全國(guó)煤礦自動(dòng)化與信息化學(xué)術(shù)會(huì)議暨第5屆中國(guó)煤礦信息化與自動(dòng)化高層論壇論文集[C];2013年

3 劉春生;;采煤機(jī)牽引功率與截割功率的匹配關(guān)系[A];中國(guó)煤炭新型工業(yè)化之路——安全、高效的集約化生產(chǎn)技術(shù)與裝備研討會(huì)論文集[C];2005年

相關(guān)重要報(bào)紙文章 前2條

1 周后勤邋向良忠;同華煤礦優(yōu)化采機(jī)截割部 年節(jié)約資金20萬(wàn)[N];經(jīng)理日?qǐng)?bào);2008年

2 李勇;渝陽(yáng)礦成功改進(jìn)割煤機(jī)截割部[N];經(jīng)理日?qǐng)?bào);2008年

相關(guān)博士學(xué)位論文 前10條

1 羅晨旭;滾筒采煤機(jī)開采含煤巖界面煤層截割特性研究[D];中國(guó)礦業(yè)大學(xué);2015年

2 黃建農(nóng);EBH300A型煤礦橫軸掘進(jìn)機(jī)截割部結(jié)構(gòu)動(dòng)態(tài)特性研究[D];中國(guó)礦業(yè)大學(xué)(北京);2016年

3 楊陽(yáng);基于振動(dòng)測(cè)試的掘進(jìn)機(jī)關(guān)鍵結(jié)構(gòu)動(dòng)態(tài)特性研究[D];中國(guó)礦業(yè)大學(xué)(北京);2017年

4 田R，

本文編號(hào)：2394940