-
作者
刘强张超魏明陈卿李诺薇
-
单位
徐州工程学院徐州徐工矿业机械有限公司
-
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。
-
关键词
故障诊断截割臂算法优化BP神经网络
-
基金项目(Foundation)
徐州工程学院校级课题（XKY2019202）；
-
文章目录
0 引言
1 基于共轭梯度法改进的BP神经网络
2 基于Levenberg-Marquardt法改进的BP神经网络
3 基于遗传算法改进的BP神经网络
4 方法对比
5 结语
-
引用格式
刘强,张超,魏明,陈卿,李诺薇.基于优化BP神经网络的掘进机截割臂故障诊断[J].煤矿机械,2020,41(12):146-149.DOI:10.13436/j.mkjx.202012049.
-
相关文章
煤矿机械 
2020年第12期 
