摘要
针对掘进机截割部故障预测问题,选取某煤矿井下掘进机截割部采集数据作为实例进行研究。先对BP神经网络和GA-BP神经网络进行预测对比分析。接着以GA-BP神经网络为基础,用Adaboost方法训练若干个弱分类器和弱预测器,将多个GA-BP分类器通过Adaboost算法组合成强分类器和强预测器。对采集到的掘进机截割部运行数据进行预处理,消除信号中干扰和漂移,提取多个时域特征参数。用MATLAB对GA-BP-Adaboost算法中的重要参数进行分析,得出结果:基于GA-BP-Adaboost算法的模型预测精度较高,说明GA-BP-Adaboost算法具有良好的预测性能和泛化性能,能够准确对掘进机截割部故障进行诊断。