基于改进BP神经网络的刮板输送机负载预测方法研究

为了对刮板输送机负载进行更有效的监测与控制,建立了基于BP神经网络的电流预测模型,结合自适应学习速率和附加动量法改进标准BP算法中连接权值和阈值的梯度下降更新算法,仿真实验表明平均相对预测误差为1.280 3%,效果良好。在刮板输送机WinCC远程监控平台中实现所述预测功能,结果显示,该系统能够实时预测工作面刮板输送机的运行电流。     

基于粗糙径向基神经网络的刮板输送机负载预测方法研究

刮板输送机负载的准确预测对实现采煤机和刮板输送机的协同控制至关重要。刮板输送机短期负载受工作面环境、冲击载荷等不确定性因素的影响,具有很强的非线性和非平稳性,难以准确预测。针对此问题,本研究提出一种基于粗糙径向基神经网络的刮板输送机负载预测方法。该方法首先建立刮板输送机电流去噪模型,得到反映综采工作面刮板输送机真实负载的电流分量;然后针对刮板输送机负载电流波动大导致的神经网络预测模型训练误差增大、预测精度低的问题,引入表征负载变化波动的上下输入粗糙神经元,提出一种粗糙径向基神经网络(RRBFNN)模型;最后基于粗糙径向基神经网络建立刮板输送机短期负载预测模型,并进行仿真实验验证。结果表明：本研究提出的RRBFNN刮板输送机短期负载预测模型,比传统RBF模型的平均绝对误差(MAE)、平均绝对百分误差(MAPE)和均方根误差(RMSE)分别降低26.22%,25.39%和14.72%,该方法能有效提高刮板输送机负载的预测精度。     

改进GWO-BP算法的概率积分法预计参数求取

针对BP神经网络模型在求取概率积分法预计参数时的缺陷,提出了一种基于改进灰狼优化算法(GWO)的BP神经网络参数预测模型。主要通过对灰狼算法的收敛因子a进行非线性收敛的改进,再利用粒子群算法(PSO)的速度更新公式更新搜索灰狼搜索位置。用改进的灰狼优化算法对BP神经网络的初始权值和阈值进行优化,然后利用最优的初始权值和阈值对模型进行训练和预测,从而得到概率积分法参数的预测结果。结果显示经过改进的灰狼算法优化BP神经网络的参数预测结果明显优于单一的BP神经网络模型和不改进的灰狼算法优化BP神经网络模型的预测结果,可以在矿区开采沉陷预计方面得到应用。     

基于BP神经网络的刮板输送机中底板磨损量预测分析

为了解决井下刮板输送机中部槽中底板磨损量难以测量的问题,依据某矿刮板输送机中部槽检验数据,使用BP神经网络建立了以齿轨座圆孔直径、上链道宽度、铲板上沿厚度、耳板厚度为输入参数,刮板输送机中部槽中底板磨损量为输出参数的预测模型。利用此模型对复杂工况下井下刮板输送机中部槽中底板的磨损量进行预测,预测值与实际测量值对比结果验证了预测模型的可行性。利用此预测模型提高了测量效率,极大地降低了测量成本,为刮板输送机中部槽使用寿命的预测提供了一定的理论依据。     

基于全寿命周期的刮板链可靠性标准体系分析

针对当前刮板输送机刮板链可靠性不高,导致故障频发降低综采工作面开机率,且缺乏通用的标准与方法指导可靠性工作实施等缺陷,基于全寿命周期理论和可靠性标准理念,综合分析当前刮板输送机刮板链标准建设存在的3个主要问题,归纳总结刮板输送机刮板链在研发设计、生产制造、运输贮存、使用维护4个寿命周期阶段的主要可靠性工作,制定相应的产品标准、试验标准以及方法标准等对4个寿命周期阶段的可靠性工作进行规范,构建了刮板输送机刮板链全寿命周期可靠性标准体系,对于刮板输送机刮板链可靠性的提升、避免故障的发生提供参考。     

刮板输送机链条疲劳可靠性寿命预测

通过有限元分析软件、疲劳寿命预测软件对神东公司上湾矿工作面DBT公司3×1000型刮板输送机刮板链在实际工况下进行可靠性寿命预测,得出影响刮板链断链的关键部位和预测寿命,为设计者和使用者提供参考。     

SGZ900/1050型刮板输送机的优化研究

马兰矿SGZ900/1050型刮板运输机在使用过程中可靠性和适应性差,导致在物料传输过程中效率低下。结合该矿刮板输送机的实际应用情况,从提高刮板输送机运行时的结构强度、安全防护性及防滑可靠性方面入手,提出了对刮板输送机的优化方案。根据在马兰矿的实际应用表明,优化后极大地提升了刮板输送机工作的稳定性和可靠性。     

刮板输送机调直方法研究

针对刮板输送机调直问题,研究了基于采煤机定位轨迹的调直方法。首先使用组合导航对采煤机轨迹进行求解,然后通过调直算法计算液压支架推溜距离,以达到刮板输送机调直效果。以采煤机定位误差和液压支架推溜误差作为参数,假设两者误差服从正态分布,进行了数值仿真。仿真结果表明:当采煤机轨迹检测误差与液压支架推移支架误差服从正态分布N(0,262)或方差小于262时,通过该调直算法可以有效降低刮板输送机直线度误差。调直试验结果显示,刮板输送机初始直线度误差分别从初始的200 mm和250 mm降低为87 mm与55 mm,刮板输送机直线度误差改善明显。     

刮板输送机故障诊断方法研究

为了提高刮板输送机故障诊断准确度,降低事故发生率,分析了刮板输送机常见的故障,研究了基于支持向量机的刮板输送机故障分类,介绍了刮板输送机故障数据处理方法以及基于SVM的故障诊断流程,并对支持向量机参数进行了选择,采用网格搜索交叉法得到模型的最佳参数模型,使用该模型对刮板输送机故障数据进行预测。研究表明,采用支持向量机和网格搜索交叉法相结合的方法,可以对刮板输送机故障进行有效诊断。     

基于多克隆的刮板输送机参数免疫优化

针对刮板输送机设计过程中存在的多参数和多约束问题,将刮板链速度、溜槽宽度和承载槽深度作为变量,首先构建了以功率消耗最小为目标的优化模型;然后提出了一种改进的多克隆选择算法,实现了输送机设计参数的免疫优化。测试结果表明,与已有设计方法相比,新方法可以明显降低刮板输送机的功率消耗,对工程设计具有较好的指导意义。     

基于BP神经网络的刮板输送机健康状态实时评估

利用BP神经网络方法对刮板输送机的健康状态进行实时评估,选取链速、机头及机尾电机电流和机头及机尾电机转矩5个参数作为主要评估指标,建立基于BP神经网络的刮板输送机实时健康状态评估模型。仿真结果表明:该方法能较准确地评估刮板输送机的实时健康状态。     

刮板输送机链传动系统动力学建模与仿真分析

为研究刮板输送机链传动系统的动力学性能,建立了链传动系统的动力学模型。该模型主要考虑了链轮、链环、槽和刮板等主要零部件的质量、惯量和几何参数,并采用接触副描述各零部件之间的相互作用关系。在额定输出功率工况下利用所建模型进行动力学仿真,得到了链轮和链环的动态载荷,为链轮齿形优化、关键零部件强度校核及疲劳寿命预测提供了准确的边界条件。     

基于粒子群优化的矿用减速器可靠性寿命预测分析

在可靠性寿命分析中,传统的Weibull分布进行可靠性寿命参数估计时一般为线性估计,但故障数据的随机性,使得预测结果的误差较大。针对此问题提出粒子群算法对模型参数进行优化,最终得到可靠性寿命预测值。     

侧卸式刮板输送机过渡槽的设计

在刮板输送机结构中,由于过渡槽的工作机理,其寿命短一直是制约刮板输送机整体可靠性的关键因素,虽然侧卸式机头结构的过渡槽升角变小延长了其一定的寿命,但寿命依然短于其他部件,针对过渡槽特性及结构配合关系,分析设计其合理参数,进一步提高输送机整体使用寿命。     

刮板输送机维护的可靠性建模及优化设计

针对煤矿对刮板输送机的维护主要考虑维护成本、维护周期及维护可靠度等方面的因素提出了一种基于可靠性的刮板输送机维护方法,通过建立可靠性模型和优化输送机链接环,将维护成本和维护的可靠性统一到设计之中.     

智能综采工作面刮板输送机直线度监测方法研究

综采工作面刮板输送机的直线度误差受刮板输送机的轨迹检测误差和液压支架的推移误差的影响,给刮板输送机的状态监测带来了新的挑战。综采工作面刮板输送机直线度实时监测与控制及其获取精确、可靠的位置状态信息对煤矿智能化开采至关重要。为实现综采工作面刮板输送机自动化、智能化、无人化调直并有效地监测刮板输送机的状态,提出了一种基于卡尔曼滤波的刮板输送机位置状态估计方法,结合综采工作面采煤工艺,利用刮板输送机检测轨迹建立刮板输送机调直方法模型,针对传统方法无法实时反映刮板输送机运动状态的难题,以数字孪生技术作为物理世界与数字世界的桥梁,实时精准地反映刮板输送机的位置状态信息,研究综采工作面“三机”的工作特点,利用卡尔曼滤波算法实现对综采工作面刮板输送机直线度的有效监测,并通过改变检测误差与推移误差的正态分布来检验该方法的准确性。试验结果表明,所提出的监测方法能够有效地减小检测误差和推移误差对综采工作面刮板输送机直线度的影响,且在检测误差与推移误差较大时依旧能发挥出色的效果,监测精准率均能提高30%以上,能使综采工作面刮板输送机的直线度误差稳定在一定的范围内,提高刮板输送机直线度的监测精度。     

模糊自适应在矿用刮板输送机调速中的应用

矿用刮板输送机工作在煤矿综采工作面,由于非定常落煤造成矿用刮板输送机负荷分布呈现时变性、非线性和强耦合等特点,传统的控制方法难以满足矿用刮板输送机调速要求。采用模糊自适应控制算法,通过自适应模糊推理算法实时调整矢量控制系统的控制参数。在Simulink仿真软件中构建模糊自适应永磁同步电机矢量控制系统在矿用刮板输送机负载下的仿真模型。通过仿真证明,采用自适应模糊推理算法实时调整永磁同步电机矢量控制系统的参数,永磁同步电机矢量控制系统具有更优的动态性能、更强的抗扰能力和鲁棒性。     

基于Adaboost-PSO-BP模型的开采沉陷预测研究

针对开采沉陷量与多影响因素复杂非线性关系问题，提出了基于粒子群算法优化BP神经网络的Adaboost强预测模型(Adaboost-PSO-BP模型)。预测结果表明，与BP模型、Adaboost-BP模型和PSO-BP模型相比，Adaboost-PSO-BP模型提高了预测精度，平均相对误差值优化到4.26%|该模型融合了Adaboost算法侧重预测误差大的样本和粒子群算法优化神经网络权值及阈值的特点，实现了强预测器“优中选优”的目的，在开采沉陷预测中具有可行性。     

刮板链平环疲劳寿命预测分析

为预测刮板输送机链条平环疲劳失效时间,基于试验载荷数据对其进行寿命预测。以38mm×137 mm的C级型号链环为研究对象,采用张力应变测试装置对刮板输送机链条张力进行在线监测,获得10个工作周期链条平环应变载荷数据,结合张力数值标定、雨流法、Goodman模型等手段对其进行数据处理、分析和平均应力修正,通过链环材料的屈服极限来估算链环疲劳特性曲线。研究结果表明:刮板输送机链条平环轴肩处是强度薄弱点,易发生应力集中现象,最大应力为719.5 MPa;对平环疲劳寿命分析显示,刮板输送机链条平环寿命为42 050次循环,链轮链环共啮合84 100次。该结论可为以后刮板链环结构设计和优化以及定期维修、更换提供参考。     

液压支架顶梁疲劳寿命的改进神经网络预测

对液压支架顶梁疲劳寿命计算量大,耗时多而导致的顶梁疲劳寿命很难使用智能寻优算法进行优化的问题进行了研究。提出使用遗传算法优化了的BP神经网络对液压支架顶梁疲劳寿命进行预测的方法。首先选取对顶梁疲劳寿命影响较大的5个设计参数,使用ANSYS计算其80组参数水平下的疲劳寿命。再用遗传算法优化了的BP神经网络对前70组数据进行训练建立神经网络模型。最后用10组数据验证建立的BP神经网络疲劳寿命模型的预测精度。结果表明,遗传算法优化了的神经网络能快速估算出顶梁疲劳寿命,并且估算的疲劳寿命平均相对误差较低,仅为4.04%,完全满足工程实际要求。