DOI: 10.11799/ce202312020
基于IGWO-BPNN的露天矿卡车故障预测方法
张津鹏1
李林1
刘光伟2
郭直清2
郭伟强2
1.国能宝日希勒能源有限公司, 内蒙古 呼伦贝尔 0210002.辽宁工程技术大学 矿业学院, 辽宁 阜新 123000
摘要：为有效解决露天矿中卡车的故障预测问题,提出了一种基于改进灰狼算法的BP 神经网络模型,并成功应用于预测露天矿卡车故障次数和故障持续时间.首先,针对传统灰狼算法的不足,引入了新的非线性更新机制和基于线性插值的种群更新机制,提出了融合多策略的改进灰狼优化算法.其次,将IGWO应用于BP神经网络的权值和阈值搜索中,形成了基于IGWO的BP神经网络模型(IGWO-BPNN).最后,以宝日希勒露天煤矿卡车故障数据为例,成功将该模型应用于卡车故障预测研究.结果表明,在相同实验条件下,与其他算法相比,IGWO-BPNN具有更高的模型预测性能和分类精度,可帮助露天矿山科学制定卡车预防性检修计划,并为智慧露天矿山建设提供科学有效的基础决策数据.
关键词：露天煤矿卡车维修故障预测灰狼优化算法BP神经网络
分类号：TD824(矿山开采)
资助基金：国家自然科学基金(51974144)
论文发表日期：2023-12-20
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( 114-120 )
英文信息