基于萤火虫优化BP神经网络的数控机床故障诊断

为了提高数控机床故障预测的能力,针对BP神经网络在数控机床故障预测中出现的收敛速度慢和训练容易陷入局部极值问题,提出了一种基于萤火虫算法优化BP神经网络的数据机床故障诊断算法。文章详细介绍了常见的数控机床故障类型和分类,在萤火虫优化算法和BP神经网络的基础上,建立了萤火虫算法优化BP神经网络的数控机床故障诊断模型,并提出了基于该模型的算法。该模型和算法采用萤火虫算法优化BP神经网络的初始权值和阈值,优化后的BP神经网络能对测试集进行更好的预测。实验结果表明,萤火虫算法优化BP神经网络的预测误差明显小于GRNN和PNN算法。该模型和算法具有很好的预测能力,可以快速、准确地完成数控机床故障诊断研究。     

基于BP神经网络的刮板输送机传动部智能故障诊断系统的设计与实现

针对刮板输送机传动部减速器和电动机故障发生率较高以及故障识别、故障维护困难的问题,提出基于BP神经网络和D-S证据理论的智能故障诊断系统。给出传动部故障诊断模型,并根据理论设计对减速器智能故障诊断进行实例分析,结果表明,所设计的智能故障诊断系统能够提高故障识别精度、减少故障发生率。     

基于蚁群算法的矿井提升机减速器齿轮故障诊断

在研究蚁群优化神经网络训练算法的基础上,建立了矿井提升机减速器齿轮故障诊断模型。根据实测数据,分析研究信号并提取信号特征值,并应用训练后的BP神经网络诊断齿轮故障,实验表明效果良好,该模型网络的收敛速度大大提高,避免陷入局部最优解,用于减速器齿轮故障诊断准确可靠。     

矿井刮板输送机监测及故障诊断系统设计

由于煤矿井下环境复杂、刮板输送机功能繁琐等多重因素影响,刮板输送机故障诊断耗时长、困难大.基于此,设计了基于STM32单片机和RBF神经网络算法的多种传感器、多通道传输、抗干扰能力强的刮板输送机检测及故障诊断系统,通过地面及井下系统配合完成电机、减速器、链轮组、链条等多部件故障状态识别,提高故障处置效率,有效增强煤矿生...     

基于小波理论与数控技术对刮板输送机故障自动化诊断研究

基于小波理论和数控技术原理,利用小波理论并结合数控技术对刮板输送机减速器、轴承等故障诊断进行了实验研究,试验结果表明,根据小波诊断的谱谱能够精准确定故障类型、位置及程度。该自动诊断技术在西山煤电马兰矿综采工作面刮板输送机故障诊断中的应用表明,诊断精准性高,时效性强,降低了维修成本。     

新型萤火虫算法及在刮板输送机伸缩机尾PID控制中的应用

为了提高刮板输送机伸缩机尾控制系统的工作性能,提出了一种新型萤火虫算法应用于机尾PID控制器的控制策略。在标准萤火虫算法的动态决策域半径更新公式中,为克服优化初期寻优速度慢和增强算法的全局探测能力,对其中决策域更新系数进行改进;同时利用步长单调递减对位置更新公式中移动步长进行改进,以增强算法后期的深度搜索能力。研究结果表明:新型萤火虫算法的精度及稳定性均优于原算法。建立刮板输送机伸缩机尾电液控制系统数学模型,利用新型萤火虫算法进行PID参数整定优化,并引入能量指标和超调量指标改进适应度函数,优化后的刮板输送机伸缩机尾控制系统具有良好控制品质和鲁棒性。     

刮板输送机检测及故障诊断系统设计

由于煤矿井下环境复杂、刮板输送机功能繁琐等多重因素影响,刮板输送机故障诊断耗时长、困难大.因此,设计了基于低功耗PIC16F单片机和D-S算法的多种传感器、多通道传输、抗干扰能力强的刮板输送机检测及故障诊断系统.该系统通过地面及井下系统配合完成电机、减速器、链轮组、链条等多部件故障状态识别,提高故障处置效率,有效增强煤矿生产安全水平.     

基于Petri网和萤火虫神经网络的柴油机故障诊断

针对BP神经网络在柴油机故障诊断中,提取训练数据的盲目性及网络收敛速度慢、精度低的问题,提出一种基于Petri网与萤火虫神经网络的故障诊断方法.通过Petri网建模归纳出柴油机所有故障模式,提取神经网络的训练数据,利用萤火虫算法来优化BP神经网络的权值和阈值,改善BP神经网络的性能.仿真实验表明,采用Petri网建模并用萤火虫算法优化BP神经网络的方法,有效地提高了神经网络的收敛速度和诊断精度,在柴油机故障诊断中得到了较好的应用.     

基于PSO优化RBF神经网络的往复式压缩机故障诊断

为解决往复式压缩机故障诊断难度大且准确率不高的问题,提出一种利用小波包分解和基于PSO优化RBF神经网络的故障诊断方法。该方法利用小波包多层分解对压缩机进行故障特征的提取;针对RBF神经网络易陷入局部最优问题,通过减聚类算法计算出神经网络隐含层的最优节点数,排除人为指定超参数的不确定性。再利用改进后的PSO算法对RBF神经网络的内部参数进行全局寻优;将提取到的故障特征输入到优化后的RBF神经网络,实现对往复式压缩机的故障诊断。实验将压缩机气阀振动信号作为信号源,对上述诊断方法进行验证并与基于BF神经网络和未经优化的RBF神经网络两种诊断方法进行对比。结果表明,该诊断方法具有更好的诊断效果和更高的准确率。     

刮板输送机故障诊断与状态监测系统的设计

针对现今的刮板输送机缺乏全面的状态监测和可靠的故障诊断系统这一问题,基于PLC控制的自动化综采工作面刮板输送机状态监测与故障诊断系统。该系统运用了BP神经网络和D-S证据理论对故障数据进行处理,实时监测刮板输送机机头和机尾的运行状态,提升了故障诊断的可靠性。