為了提高部分?jǐn)嗝婢蜻M(jìn)機(jī)截割部故障診斷的有效性和準(zhǔn)確性,提出基于多傳感器信息BP神經(jīng)網(wǎng)絡(luò)的掘進(jìn)機(jī)截割部故障診斷方法,對EBZ-160型掘進(jìn)機(jī)截割部是否發(fā)生故障進(jìn)行診斷。利用自適應(yīng)學(xué)習(xí)速率法和附加動量法相結(jié)合的方法（快速BP法）,解決BP神經(jīng)網(wǎng)絡(luò)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(jìn)機(jī)截割部狀態(tài)信號,并通過對掘進(jìn)機(jī)截割部狀態(tài)信號進(jìn)行數(shù)據(jù)分析,提取多組特征向量并建立了掘進(jìn)機(jī)截割部特征數(shù)據(jù)庫。運(yùn)用BP神經(jīng)網(wǎng)絡(luò)對樣本數(shù)據(jù)進(jìn)行訓(xùn)練,實(shí)例分析結(jié)果表明,該方法能夠有效地監(jiān)測并診斷掘進(jìn)機(jī)截割部健康狀態(tài),診斷精度和準(zhǔn)確率較高。 

【文章頁數(shù)】：6 頁

【文章目錄】：
0 引言
1 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)及算法
    1.1 BP網(wǎng)絡(luò)學(xué)習(xí)
    1.2 BP神經(jīng)網(wǎng)絡(luò)優(yōu)化方法
2 數(shù)據(jù)處理
    2.1 特征向量選取
    2.2 數(shù)據(jù)的時域分析
3 BP神經(jīng)網(wǎng)絡(luò)構(gòu)建及仿真
    3.1 初始參數(shù)選取
    3.2 樣本選取
    3.3 訓(xùn)練步驟
    3.4 仿真結(jié)果
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]數(shù)據(jù)挖掘技術(shù)在全斷面掘進(jìn)機(jī)故障診斷中的應(yīng)用[J]. 張?zhí)烊?于天彪,趙海峰,王宛山.  東北大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(04)
[2]基于BP網(wǎng)絡(luò)算法優(yōu)化模糊Petri網(wǎng)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(hù)與控制. 2015(03)
[3]基于主成分分析的掘進(jìn)機(jī)故障診斷方法[J]. 楊潔,侯寶革,付曉,馬子云.  煤礦機(jī)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(shù). 2014(05)
[5]故障樹分析法在掘進(jìn)機(jī)液壓系統(tǒng)故障診斷中的應(yīng)用[J]. 趙江濤.  煤礦機(jī)械. 2014(02)
[6]EBZ160TY型掘進(jìn)機(jī)故障診斷專家系統(tǒng)的研究[J]. 邵晉敏.  煤礦機(jī)械. 2013(06)
[7]基于故障樹的汽車起重機(jī)液壓故障診斷專家系統(tǒng)[J]. 羅天洪,楊彩霞,孫冬梅.  機(jī)械科學(xué)與技術(shù). 2013(04)
[8]基于故障樹的電梯故障診斷專家系統(tǒng)設(shè)計(jì)[J]. 宗群,李光宇,郭萌.  控制工程. 2013(02)
[9]利用聲發(fā)射的往復(fù)空壓機(jī)環(huán)狀閥泄漏故障診斷試驗(yàn)[J]. 王躍飛,張振濤,張波,楊東輝,彭學(xué)院.  西安交通大學(xué)學(xué)報(bào). 2012(09)
[10]基于聲發(fā)射法掘進(jìn)機(jī)故障診斷研究[J]. 蘆螢螢.  煤礦機(jī)械. 2012(08)

碩士論文
[1]懸臂式掘進(jìn)機(jī)液壓系統(tǒng)可靠性分析[D]. 楊福云.太原理工大學(xué) 2014
[2]基于模糊神經(jīng)網(wǎng)絡(luò)的掘進(jìn)機(jī)液壓系統(tǒng)故障診斷研究[D]. 張洪瑾.南京理工大學(xué) 2013
[3]基于BP神經(jīng)網(wǎng)絡(luò)的發(fā)動機(jī)故障診斷研究[D]. 袁科新.山東大學(xué) 2006



本文編號：3727776