基于改进粒子群的采煤机齿轮箱故障诊断

• 作者: 方质彬 曲景阳 潘宏侠
• 来源期刊: 煤矿机械
• 学科: 工学
• 关键词: 采煤机齿轮箱 粒子群优化 改进的PSO 局部极小值
• 年，卷（期）: 2014,（4）
• 所属期刊栏目: 故障·诊断
• 页码范围: 244-246
• 页数: 3页
• 分类号: TD421
• 字数: 2253字
• 语种: 中文
• DOI: 10.13436/j.mkjx.201404108

摘要

采煤机截割部摇臂齿轮箱承担着综采工作面截割部动力传动的重任,其故障与否直接影响采煤机正常工作.而传统的故障诊断方法-BP神经网络采用基于梯度下降的算法,存在容易陷入局部极小值、收敛速度慢等不足,这些不足严重影响了BP网络的应用.然而粒子群算法(PSO)有很好的全局收敛特性.因此,为了提高网络的性能,采用粒子群算法来优化BP神经网络,将改进的PSO引入神经网络的拓扑结构,用PSO的迭代代替BP中的梯度修正.结果表明:提出的改进方案可以有效地优化神经网络,提高其在采煤机齿轮箱故障诊断中的应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	潘宏侠	中北大学信息与通信工程学院	359	2630	23.0	34.0
5	曲景阳	中北大学信息与通信工程学院	8	23	3.0	4.0
6	方质彬	中北大学机械工程与自动化学院	7	16	2.0	4.0