《表1 掘进机截割臂故障诊断方法性能对比》
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。
图表编号 | XD00191705300 严禁用于非法目的 |
---|---|
绘制时间 | 2020.12.01 |
作者 | 刘强、张超、魏明、陈卿、李诺薇 |
绘制单位 | 徐州工程学院、徐州徐工矿业机械有限公司、徐州工程学院、徐州工程学院、徐州工程学院 |
更多格式 | 高清、无水印(增值服务) |