BP神经网络在截齿合金头失效识别中的应用  

Research on Identification of Pick Alloy Head′s Failure Mode Based on BP Neural Network

作　　者：张强[1,2,3] 刘志恒 王海舰[1] 田莹[1] NGUYEN Viet Tuyen[1,4] 

机构地区：[1]辽宁工程技术大学机械工程学院,阜新123000 [2]矿物加工科学与技术国家重点实验室,北京100160 [3]辽宁工程技术大学煤炭资源安全开采与洁净利用工程研究中心,阜新123000 [4]越南煤矿与机械能源研究院,河内100000

出　　处：《振动．测试与诊断》2018年第3期508-516,共9页Journal of Vibration,Measurement & Diagnosis

基　　金：国家自然科学基金资助项目(51504121,51774161);矿物加工科学与技术国家重点实验室开放课题资助项目(BGRIMM-KJSKL-2017-20);辽宁省自然科学基金资助项目(201602362);煤炭资源安全开采与洁净利用工程研究中心资助项目(LNTU16KF02);辽宁省高等学校创新人才支持计划资助项目(LR2017020)

摘　　要：为实现采煤机截割过程中截齿合金头失效形式的监测和识别,提出一种基于BP神经网络的多特征信号识别截齿合金头失效形式的方法。测试提取截割过程中合金头龟裂、合金头脱落、合金头崩刃和合金头严重磨损4种截齿x,y,z三个方向上的振动特征信号和截割电机电流特征信号,选取特征值信号的最大值、均值和方差作为特征样本对BP神经网络进行学习和训练,建立截齿合金头失效形式的识别模型,实现截割过程中截齿合金头失效形式在线监测与准确识别。实验结果表明,BP神经网络的判别结果和测试样本的实际失效类型相符,能够对截齿合金头失效形式进行准确识别,为实现采煤机截齿在线监测和失效形式识别提供新的方法和手段。

关 键 词：截齿 BP神经网络 合金头失效形式 振动信号 电流信号 

分 类 号：TH17[机械工程—机械制造及自动化] TP277[自动化与计算机技术—检测技术与自动化装置]