摘要
针对传统的采煤机液压系统故障诊断存在模型复杂度高、泛化能力不足等问题,提出了一种基于主成分分析(PCA)与改进LM-BP神经网络的故障诊断方法。采用PCA对采煤机液压系统故障样本数据进行分析,消除特征样本数据之间的相关性,使网络学习到样本和故障类型之间真实的关系。通过遗传算法(GA)对LM-BP神经网络的权值和阈值进行优化,避免传统BP神经网络易陷入局部最优、收敛困难的同时提高模型的诊断精度。实验结果表明,相比于传统BP神经网络和LM-BP神经网络,基于PCA与改进LM-BP神经网络的采煤机液压系统故障诊断方法的平均准确率达到96.85%,具有更高的精度和泛化能力。
作者
王民
张经伦
燕林兵
WANG Min;ZHANG Jinglun;YAN Linbing(High-end Equipment Research and Development Center,CHN Energy Shendong Coal Group Co.,Ltd.,Shenmu 719315,China;Xi'an Heavy Equipment Deqin Technology Development Co.,Ltd.,Xi'an 710032,China;Equipment Maintenance Center,CHN Energy Shendong Coal Group Co.,Ltd.,Ordos 017200,China)
出处
《工矿自动化》
北大核心
2025年第S1期35-39,共5页
Journal of Mine Automation
作者简介
王民(1988-),男,陕西神木人,助理工程师,研究方向为煤机机电设备研发,E-mail:10036309@chnenergy.com.cn。
