為了提高部分斷面掘進機截割部故障診斷的有效性和準確性,提出基于多傳感器信息BP神經網絡的掘進機截割部故障診斷方法,對EBZ-160型掘進機截割部是否發(fā)生故障進行診斷。利用自適應學習速率法和附加動量法相結合的方法（快速BP法）,解決BP神經網絡原有算法收斂速度慢和存在局部極小值的問題;利用多個傳感器采集掘進機截割部狀態(tài)信號,并通過對掘進機截割部狀態(tài)信號進行數(shù)據分析,提取多組特征向量并建立了掘進機截割部特征數(shù)據庫。運用BP神經網絡對樣本數(shù)據進行訓練,實例分析結果表明,該方法能夠有效地監(jiān)測并診斷掘進機截割部健康狀態(tài),診斷精度和準確率較高。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 BP神經網絡結構及算法
    1.1 BP網絡學習
    1.2 BP神經網絡優(yōu)化方法
2 數(shù)據處理
    2.1 特征向量選取
    2.2 數(shù)據的時域分析
3 BP神經網絡構建及仿真
    3.1 初始參數(shù)選取
    3.2 樣本選取
    3.3 訓練步驟
    3.4 仿真結果
4 結論


【參考文獻】：
期刊論文
[1]數(shù)據挖掘技術在全斷面掘進機故障診斷中的應用[J]. 張?zhí)烊?于天彪,趙海峰,王宛山.  東北大學學報(自然科學版). 2015(04)
[2]基于BP網絡算法優(yōu)化模糊Petri網的電力變壓器故障診斷[J]. 公茂法,張言攀,柳巖妮,王志文,劉麗娟.  電力系統(tǒng)保護與控制. 2015(03)
[3]基于主成分分析的掘進機故障診斷方法[J]. 楊潔,侯寶革,付曉,馬子云.  煤礦機械. 2014(08)
[4]緊致融合模糊集和故障樹的變壓器故障診斷[J]. 谷凱凱,郭江.  高電壓技術. 2014(05)
[5]故障樹分析法在掘進機液壓系統(tǒng)故障診斷中的應用[J]. 趙江濤.  煤礦機械. 2014(02)
[6]EBZ160TY型掘進機故障診斷專家系統(tǒng)的研究[J]. 邵晉敏.  煤礦機械. 2013(06)
[7]基于故障樹的汽車起重機液壓故障診斷專家系統(tǒng)[J]. 羅天洪,楊彩霞,孫冬梅.  機械科學與技術. 2013(04)
[8]基于故障樹的電梯故障診斷專家系統(tǒng)設計[J]. 宗群,李光宇,郭萌.  控制工程. 2013(02)
[9]利用聲發(fā)射的往復空壓機環(huán)狀閥泄漏故障診斷試驗[J]. 王躍飛,張振濤,張波,楊東輝,彭學院.  西安交通大學學報. 2012(09)
[10]基于聲發(fā)射法掘進機故障診斷研究[J]. 蘆螢螢.  煤礦機械. 2012(08)

碩士論文
[1]懸臂式掘進機液壓系統(tǒng)可靠性分析[D]. 楊福云.太原理工大學 2014
[2]基于模糊神經網絡的掘進機液壓系統(tǒng)故障診斷研究[D]. 張洪瑾.南京理工大學 2013
[3]基于BP神經網絡的發(fā)動機故障診斷研究[D]. 袁科新.山東大學 2006



本文編號：3727776