采煤机健康状态智能评估方法研究
曹现刚
李彦川
雷卓
雷一楠
1.西安科技大学机械工程学院,陕西西安710054;陕西省矿山机电装备智能监测重点实验室,陕西西安 7100542.西安科技大学机械工程学院,陕西西安710054;陕西省矿山机电装备智能监测重点实验室,陕西西安 7100543.西安科技大学机械工程学院,陕西西安710054;陕西省矿山机电装备智能监测重点实验室,陕西西安 7100544.西安科技大学机械工程学院,陕西西安710054;陕西省矿山机电装备智能监测重点实验室,陕西西安 710054
摘要：针对现有采煤机健康状态评估方法存在评估指标权重确定受人为因素影响较大导致评估准确率不高、采用单一评估算法存在局部搜索能力弱和抗干扰能力差、寻找全局最优值能力不足等问题,提出了一种基于主成分分析(PCA)与遗传算法(GA)优化BP神经网络算法(PCA-GA-BP算法)的采煤机健康状态智能评估方法.根据采煤机结构和工作原理选择采煤机状态监测点位,获取采煤机健康状态相关的各项状态参数,采用PCA对采煤机状态参数进行数据降维和特征提取,避免BP神经网络输入的复杂化;引入GA对传统BP神经网络寻找全局最优权值;通过训练参数建立基于GA-BP的采煤机健康状态智能评估模型,将降维后的采煤机状态参数自动输入评估模型,通过智能评估算法输出测试结果,实现自学习、自寻优和自主判断采煤机的健康状态.实验结果表明,基于PCA-GA-BP算法的采煤机健康状态智能评估方法可准确、快速和智能评估采煤机健康状态,相比于基于单一BP神经网络的评估方法,训练时间短、评估流程简单且评估准确率高,准确率达97.08％0.
关键词：采煤机健康状态评估智能评估模型主成分分析遗传算法BP神经网络
分类号：TD67(矿山电工)
资助基金：国家自然科学基金(51834006)国家自然科学基金(51875451)
论文发表日期：2020-06-10
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 41-47 )
英文信息