《表1 掘进机截割臂故障诊断方法性能对比》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于优化BP神经网络的掘进机截割臂故障诊断》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在对20组数据进行的训练中发现，在掘进机截割部的2种状态中GA优化的BP神经网络的收敛速度远远快于传统的BP神经网络以及基于共轭梯度和Levenberg-Marquardt算法改进的BP神经网络。从MATLAB仿真结果来看，在截割状态下GA优化的BP神经网络只经过3步就可以达到收敛，共轭梯度法和Levenberg-Marquardt法分别为11步和6步；从测试结果的正确率上，GA改进的BP神经网络预测的正确率高达100%，高于传统BP神经网络，同时也高于基于共轭梯度和LevenbergMarquardt法优化的BP神经网络。所以GA优化的BP神经网络模型适合于对掘进机早期故障的预判，可以避免掘进过程中设备出现较大损失。几种方法对比情况如表1所示。