前言：尋找寫(xiě)作靈感？中文期刊網(wǎng)用心挑選的煤礦井下機(jī)械設(shè)備管理論文，希望能為您的閱讀和創(chuàng)作帶來(lái)靈感，歡迎大家閱讀并分享。

1原理與方法

1.1人工神經(jīng)網(wǎng)絡(luò)基本原理

人工神經(jīng)網(wǎng)絡(luò)是一個(gè)并行的分布式數(shù)據(jù)處理與決策系統(tǒng)，將人工神經(jīng)網(wǎng)絡(luò)理論應(yīng)用到故障診斷當(dāng)中，不僅能夠提高診斷的數(shù)據(jù)處理速度和診斷精度，而且還能夠按照人們的設(shè)定對(duì)特定工作環(huán)境進(jìn)行學(xué)習(xí)，具有良好的環(huán)境適應(yīng)能力。人工神經(jīng)網(wǎng)絡(luò)的模型時(shí)模擬人類(lèi)的大腦結(jié)構(gòu)和工作原理進(jìn)行信息處理的，其基本單元是神經(jīng)元其中，wi表示每個(gè)輸入xi所占的權(quán)重，當(dāng)wi為正數(shù)時(shí)表示該輸入xi對(duì)神經(jīng)元產(chǎn)生激勵(lì)，為負(fù)數(shù)時(shí)代表該輸入對(duì)神經(jīng)元產(chǎn)生抑制。其中f(x)是一個(gè)非線(xiàn)性函數(shù)，可以是閾值函數(shù)或者Sigmoid函數(shù)中的一種，標(biāo)準(zhǔn)的BP神經(jīng)網(wǎng)絡(luò)由輸入層、隱含層和輸出層三層神經(jīng)元結(jié)構(gòu)構(gòu)成，其結(jié)構(gòu)如圖3所示。BP神經(jīng)網(wǎng)絡(luò)通過(guò)輸出層神經(jīng)元的逐層向前傳播，以將輸出誤差“分?jǐn)?rdquo;隱含層和輸入層的每個(gè)神經(jīng)元，進(jìn)而得到各個(gè)層單元的參考誤差和相應(yīng)的權(quán)值，最終使誤差加權(quán)值能夠滿(mǎn)足系統(tǒng)的誤差要求。

1.2決策樹(shù)

決策樹(shù)是從一些雜亂無(wú)章的數(shù)據(jù)中通過(guò)層層歸納總結(jié)，得到最終決策結(jié)果的過(guò)程，它的結(jié)構(gòu)是自上而下的，在每一個(gè)節(jié)點(diǎn)處都要進(jìn)行屬性判斷，每一個(gè)分支表示數(shù)據(jù)流的通路，每個(gè)分支的終點(diǎn)表示決策的一類(lèi)屬性。決策樹(shù)的基本結(jié)構(gòu)如圖4所示。

2故障診斷系統(tǒng)設(shè)計(jì)

故障診斷系統(tǒng)將人工神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用到專(zhuān)家系統(tǒng)，使系統(tǒng)具有了良好的學(xué)習(xí)功能，能夠很好的適應(yīng)礦井下復(fù)雜的工作環(huán)境，實(shí)現(xiàn)對(duì)采礦機(jī)械系統(tǒng)故障準(zhǔn)確診斷的目的。

2.1建立訓(xùn)練樣本

實(shí)驗(yàn)以河南平頂山煤礦的一款煤炭采掘機(jī)作為實(shí)驗(yàn)對(duì)象，首先對(duì)其正常的工作狀態(tài)進(jìn)行監(jiān)測(cè)分析，然后分別對(duì)機(jī)頭和電機(jī)底座的螺絲進(jìn)行人為的松動(dòng)，對(duì)系統(tǒng)的主軸和各個(gè)齒輪進(jìn)行人為不同程度的破壞，建立訓(xùn)練集，對(duì)系統(tǒng)進(jìn)行訓(xùn)練。

2.2預(yù)測(cè)模型的建立

該系統(tǒng)采用CC55號(hào)測(cè)振動(dòng)點(diǎn)和振動(dòng)強(qiáng)度分別為150dB、160dB、170dB、180dB、190dB、200dB、210dB、220dB作為人工神經(jīng)網(wǎng)絡(luò)的輸入層，輸出層包含一個(gè)神經(jīng)單元，用于表示CC55號(hào)振動(dòng)點(diǎn)的故障位置，中間層選擇16個(gè)神經(jīng)元對(duì)輸出誤差進(jìn)行平攤，盡可能減小輸出層的輸出誤差，最后利用判決樹(shù)的結(jié)構(gòu)對(duì)預(yù)測(cè)結(jié)果進(jìn)行定性判決，最終輸出故障原因預(yù)測(cè)結(jié)果。

2.3預(yù)測(cè)結(jié)果與分析

試驗(yàn)中通過(guò)多次實(shí)驗(yàn)對(duì)比，選定人工神經(jīng)網(wǎng)絡(luò)的最大迭代次數(shù)為2萬(wàn)次，學(xué)習(xí)精度為0.005，在WIN7系統(tǒng)上運(yùn)行MATLAB2011建立煤礦采掘機(jī)的BP人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，并首先利用150～220dB的振動(dòng)強(qiáng)度對(duì)模型進(jìn)行訓(xùn)練，然后分別對(duì)各個(gè)部位的小故障進(jìn)行預(yù)測(cè)分析。以采煤機(jī)的常見(jiàn)故障主軸軸承損壞為例進(jìn)行說(shuō)明，主軸軸承損壞會(huì)加大一部分波段的振動(dòng)強(qiáng)度，如圖5所示，該振動(dòng)強(qiáng)度區(qū)域比較密集地分布在一個(gè)區(qū)域中，采用BP人工網(wǎng)絡(luò)3級(jí)處理的方法能夠高效且盡可能多地將該區(qū)域覆蓋，具有良好的效果。BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)誤差與訓(xùn)練迭代次數(shù)的關(guān)系曲線(xiàn)如圖6所示，由圖6中可以看出，當(dāng)訓(xùn)練次數(shù)達(dá)到6000次時(shí)，模型的預(yù)測(cè)誤差遠(yuǎn)遠(yuǎn)小于0.005，達(dá)到了預(yù)期迭代20000次。

3結(jié)果與討論

1)由于人工神經(jīng)網(wǎng)絡(luò)具有很好的自組織和廣泛的學(xué)習(xí)能力，在得到充分的學(xué)習(xí)和訓(xùn)練后，網(wǎng)絡(luò)能夠達(dá)到很高的精度，且具有很好的收斂性，因此在煤礦井下機(jī)械設(shè)備故障診斷中可以通過(guò)建立BP－人工神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型對(duì)機(jī)械設(shè)備的故障進(jìn)行監(jiān)測(cè)。

2)利用專(zhuān)家系統(tǒng)和判決樹(shù)的判決結(jié)構(gòu)對(duì)煤礦井下機(jī)械系統(tǒng)的故障原因進(jìn)行定位判決，不僅保證了判決結(jié)果的準(zhǔn)確度，而且還大大提高了系統(tǒng)的判決效率，同時(shí)降低了系統(tǒng)的復(fù)雜性。將專(zhuān)家系統(tǒng)與BP人工神經(jīng)網(wǎng)絡(luò)技術(shù)相結(jié)合對(duì)礦井下機(jī)械設(shè)備進(jìn)行故障診斷，首先，克服了傳統(tǒng)故障診斷系統(tǒng)的環(huán)境因素的限制，能夠很好的適應(yīng)井下的工做狀態(tài)，對(duì)井下機(jī)械設(shè)備的工作狀態(tài)進(jìn)行實(shí)時(shí)監(jiān)控;其次，提高了故障定位的精度，同時(shí)能夠給出解決方案，為排除故障提供了有效的依據(jù)。

作者：董曉鈞 單位：平煤神馬建工集團(tuán)安裝處