基于优化BP神经网络的掘进机截割臂故障诊断

• 作者: 刘强 张超 魏明 陈卿 李诺薇
• 来源期刊: 煤矿机械
• 关键词: 故障诊断 截割臂 算法优化 BP神经网络
• 年，卷（期）: 2020,（12）
• 所属期刊栏目: 故障·诊断|Malfunction Imestigation
• 页码范围: 146-149
• 页数: 4页
• 分类号: TD421.5
• 语种: 中文
• DOI: 10.13436/j.mkjx.202012049

摘要

掘进机的截割臂是进行巷道掘进成形的最关键部件之一,对其快速准确的故障判断是智能掘进的基础和安全保障.研究了针对掘进机截割臂几种改进的BP故障诊断方法,包括传统的BP神经网络算法、基于共轭梯度优化的神经网络算法、基于Levenberg-Marquardt算法优化的BP神经网络算法和基于遗传算法(GA)优化的BP神经网络算法.通过实验仿真发现,传统BP算法难以收敛且准确性不高;基于共轭梯度优化和基于Levenberg-Marquardt优化的BP神经网络算法虽然诊断时间和精度有所提高,但并不最优;基于GA优化的BP神经网络可以在获取少量状态信号的情况下,以100％的准确性和最快速度对掘进机截割臂进行故障诊断.