基于PNN神经网络的掘进机截齿磨损程度识别研究
张强
王禹
王琛淇
1.辽宁工程技术大学,辽宁阜新,1230002.辽宁工程技术大学,辽宁阜新,1230003.辽宁工程技术大学,辽宁阜新,123000
摘要：针对掘进机截齿磨损在线识别问题,提出一种基于PNN神经网络的截齿磨损程度多特征信号识别方法,提取不同磨损程度的截齿在截割过程中的振动和声发射特征信号,分别分析振动加速度、声发射信号峰值以及2种特征信号频域图的均方根这4个特征参数,获取振动信号、声发射信号与不同磨损程度截齿的变化规律.建立5种不同磨损程度截齿的多特征信号样本数据库,采用多特征信号样本对PNN神经网络进行学习和训练,建立截齿磨损程度的识别模型,实现截齿磨损程度的精确识别.结果 表明:基于PNN神经网络的截齿预测磨损状态识别模型识别精度较高,识别准确率和预测准确率约为93.3％和95.0％,与BP神经网络方法相比分别提高了3.3％和15.0％.因此该神经网络具有良好的可靠性与精确性.
关键词：掘进机截齿磨损振动信号声发射信号PNN神经网络
分类号：TD421(矿山机械)
资助基金：国家自然科学基金(51504121)国家自然科学基金(51774161)
论文发表日期：2019-06-02
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：8( 37-44 )
英文信息