基于PNN神经网络的掘进机截齿磨损程度识别研究

• 作者: 张强 王琛淇 王禹
• 来源期刊: 煤炭科学技术
• 学科: 工学
• 关键词: 掘进机 截齿磨损 振动信号 声发射信号 PNN神经网络
• 年，卷（期）: 2019,（6）
• 所属期刊栏目: 煤矿掘进技术与装备专题
• 页码范围: 37-44
• 页数: 8页
• 分类号: TD421
• 字数: 4844字
• 语种: 中文

摘要

针对掘进机截齿磨损在线识别问题,提出一种基于PNN神经网络的截齿磨损程度多特征信号识别方法,提取不同磨损程度的截齿在截割过程中的振动和声发射特征信号,分别分析振动加速度、声发射信号峰值以及2种特征信号频域图的均方根这4个特征参数,获取振动信号、声发射信号与不同磨损程度截齿的变化规律.建立5种不同磨损程度截齿的多特征信号样本数据库,采用多特征信号样本对PNN神经网络进行学习和训练,建立截齿磨损程度的识别模型,实现截齿磨损程度的精确识别.结果 表明:基于PNN神经网络的截齿预测磨损状态识别模型识别精度较高,识别准确率和预测准确率约为93.3％和95.0％,与BP神经网络方法相比分别提高了3.3％和15.0％.因此该神经网络具有良好的可靠性与精确性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	张强		110	593	13.0	17.0
2	王禹		52	52	5.0	6.0
3	王琛淇		2	7	2.0	2.0