基于广义回归神经网络的采煤机故障诊断的研究

针对采煤机故障征兆和故障的非线性对应关系,采用广义回归神经网络作为故障诊断的智能分类器。输入层为采煤机的故障特征参数,中间层为径向基神经元,感知待诊断故障向量与训练样本的相似度,输出层为故障模式分类。分析了广义回归神经网络的优越性和结构特征,建立了不同光滑因子和训练样本数目的采煤机故障诊断模型,并在MATLAB进行了仿真。     

基于RBF神经网络的连续采煤机故障诊断研究

为了能够提高连续采煤机故障诊断的效率和精度,深入地研究了基于改进遗传算法的RBF神经网络在其中的应用。分析了连续采煤机的主要故障类型;分别研究了RBF神经网络的基本原理和改进遗传算法的基本原理;进行了连续采煤机故障诊断的实例分析,仿真结果验证了该故障诊断技术的有效性。     

基于小波神经网络的采煤机摇臂故障诊断的研究

针对采煤机机械系统故障信号诊断的问题,在小波分析和神经网络的基础上,采用了一种基于小波神经网络诊断采煤机摇臂故障的方法。根据摇臂振动的信号通过小波分析检测出信号奇异点和突变情况,利用小波基函数作为小波神经网络的激励函数对故障信号做进一步的诊断,判断出故障特点和程度。结果证明此方法在故障诊断中的诊断准确率较高。     

基于粗糙集-神经网络系统的采煤机故障诊断研究

针对神经网络在故障诊断中存在着输入属性维数多和数据量庞大的缺点,利用粗糙集理论对原始数据进行约简,并剔除其中不必要的属性,构建了优化的粗糙集-神经网络智能系统。通过对实例分析,使用该系统能够提高采煤机故障诊断的准确性和效率,在故障诊断中有良好的应用前景。     

基于粗糙集-神经网络系统的采煤机故障诊断

利用粗糙集理论对原始数据进行约简,构建优化的粗糙集—神经网络智能系统。该系统能够提高采煤机故障诊断准确性和效率,有良好的应用前景。     

基于BP神经网络的采煤机摇臂异声故障诊断技术研究

通过检测摇臂的振动参数,采集数据信息,通过BP神经网络的处理方法,对采煤机摇臂故障部位进行预测和准确定位,提高摇臂异音问题的处理速度,增强采煤机运转的可靠性。     

基于BP神经网络技术的采煤机齿轮箱早期故障诊断

齿轮箱既是采煤机的核心部件,也是较容易出现故障的部件,一旦发生故障会导致严重的后果。因此,在齿轮箱出现问题的早期进行故障诊断具有重要意义。采用齿轮箱振动信号的5种特征指标作为BP神经网络的输入值,以齿轮箱的正常、齿轮磨损、齿面点蚀和齿根裂纹4种状态为神经网络的输出值,通过对BP神经网络进行训练和对故障类型进行编码,可以实现利用BP神经网络对齿轮箱早期缺陷的故障诊断。从实验仿真结果可知,诊断方法具有较高的准确率,为采煤机齿轮箱的早期故障诊断提供了新的研究思路。     

采煤机模糊神经网络故障诊断专家系统仿真

为克服传统专家系统的局限性,提高采煤机故障诊断的智能化水平,设计了一种基于模糊神经网络的采煤机故障诊断专家系统,并在MATLAB中进行了仿真,该系统较好地解决了传统专家系统存在的问题,提高系统的诊断容错能力和准确率。     

采煤机故障诊断的研究

采煤机是煤矿生产的关键设备,为了提高采煤机故障诊断水平,本文分析了采煤机常用的故障诊断方法,并在专家诊断系统的基础上,引入了模糊神经网络,结果表明该方法能很好的提高采煤机的故障诊断水平。     

基于ELM神经网络的采煤机故障诊断方法

根据采煤机的频繁出现的故障和发生的主要原因,采用ELM神经网络对采煤机的故障进行监测和诊断,将ELM神经网络的输入通过Matlab进行训练,最终理论输出结果与实际输出结果相一致,证明该方法有效、可行。     

基于ELM神经网络的采煤机故障诊断方法

根据采煤机的频繁出现的故障和发生的主要原因,采用ELM神经网络对采煤机的故障进行监测和诊断,将ELM神经网络的输入通过Matlab进行训练,最终理论输出结果与实际输出结果相一致,证明该方法有效、可行。     

采煤机神经网络故障诊断专家系统初探

以MG－200采煤机液压系统故障诊断为例，针对该专家系统开发过程中存在的问题，利用神经网络的独特功能，提出用神经网络建立专家系统的新方案。     

基于BP神经网络的三相异步电动机故障诊断技术研究

针对三相异步电动机的过载、堵转、断相、电压不平衡、接地、过压和欠压等外部故障,提出了一种基于BP神经网络的故障诊断方法,测试结果表明了该方法的有效性和正确性。     

基于粗糙集-RBF神经网络的采煤机截割部传动系统故障诊断

采煤机截割部传动系统故障源多,建立快速准确识别故障源的模型具有重要研究意义,因此提出了一种基于粗糙集-径向基函数(RBF)神经网络的故障诊断方法。首先对传动系统常见故障进行汇总分析,归纳为齿轮故障与轴承故障,通过粗糙集理论完成属性约简后得到最小条件属性集,然后根据粗糙集的最小条件属性集搭建RBF神经网络的拓扑结构。仿真结果表明,基于粗糙集-RBF神经网络的故障诊断模型结构更简单,训练效率及诊断准确性更高,在故障诊断中具有更好的应用效果。     

基于PSO-BP神经网络的带式输送机能耗优化研究

针对当前带式输送机恒速运行方式能耗较大的问题,设计了一种基于PSO-BP神经网络的带式输送机能耗优化方法。通过分析能耗与输送机运行参数之间的关系,将带速、煤流量作为BP网络的输入,并采用粒子群算法(PSO)对BP网络模型的参数进行优化,获取带速、煤流量与最小能耗三者之间的最佳匹配关系,并以此构建PSO-BP网络模型进行试验。结果表明：该优化方法预测精度较高,满足现实要求;带式输送机采用文中方法作业时,可节省13.85%的能耗,具备较好的稳定性与实践性。     

基于粗糙集-RBF神经网络的采煤机液压泵故障诊断

针对采煤机液压泵故障征兆多、故障诊断模糊性强的特点,提出了一种基于粗糙集-径向基函数(RBF)神经网络的故障诊断方法,对液压泵内泄漏故障进行诊断。运用粗糙集理论对液压泵原始故障数据集进行属性约简,去除输入冗余信息,得到最小条件属性集。根据最小条件属性集确定RBF神经网络初始拓扑结构,通过网络训练建立故障征兆和故障类别的映射关系,使用Python编程语言实现了故障诊断。试验对比表明,该方法网络结构更加简单,网络学习效率及诊断准确性更高,在采煤机液压泵中有很好的实际应用效果。     

基于振动与声发射融合的采煤机截割部故障诊断研究

采煤机截割部传动齿轮的工作状态影响着传动系统的工作效率。对齿轮故障监测与诊断进行研究,采用CATIA建立故障齿轮模型,利用仿真软件ADAMS与COMSOL仿真齿轮啮合瞬间产生的振动与声发射信号,对信号进行特征提取,采用BP神经网络对采煤机截割部齿轮故障进行诊断。仿真结果表明,振动与声发射融合对微小齿轮裂纹的识别具有较高准确性,对采煤机故障诊断具有一定的指导意义。     

采煤机故障诊断的研究

采煤机是煤矿生产中的关键设备,随着煤矿机械化开采程度的不断提高,因采煤机故障导致的事故频繁发生,严重影响了煤矿的安全生产。因此如何对采煤机做出准确的故障诊断,提高采煤机的安全性和可靠性,是迫切需要解决的问题。文章在前人研究成果的基础上,将小波诊断技术应用于采煤机故障判断,仿真表面效果良好。     

基于模糊神经网络的采煤机变频器故障诊断系统

为了能够准确地对采煤机变频器进行故障诊断,深入研究了模糊神经网络技术在采煤机变频器故障诊断中的应用。建立了模糊神经网络理论模型,并且对传统的算法进行了改进。设定了模糊神经网络的输入和输出向量,设计出了合理的采煤机变频器模糊神经网络的结构。利用MATLAB数学计算工具对模糊神经网络进行训练,并且进行实验验证,结果表明模糊神经网络能够有效地对采煤机变频器进行故障诊断。