基于改进粒子群神经网络的提升机故障诊断.pdf

第 33卷第3期 河南理工大学学报(自然科学版) Vo1．33 No．3 2014年 6月 JOURNALOFHENANPOLYTECHNICUNIVERSITY(NATURALSCIENCE) Jun．2014 基于改进粒子群神经网络的提升机故障诊断 刘景艳 (河南理工大学 电气工程与 自动化学院，河南 焦作 454000) 摘要 ：针对 BP神经网络对提升机制动系统进行故障诊断存在着收敛速度慢和可靠性差等缺 点，提 出了一种基于粒子群神经网络的故障诊 断方法．根据制动系统故障征兆与故障类型之间 的非线性和耦合性 ，建立了提升机制动 系统的故障诊 断模型 ；采用改进 的粒子群算法优化 BP 神经网络的连接权值和阈值 ，应用于制动 系统的故障诊 断，缩短 了神经网络的训练时间，提 高 了故障诊断的精度．仿真结果表明该诊断方法具有故障诊断能力强和诊断效率高等特点． 关 键 词：矿井提升机 ；制动系统；故障诊 断；神经网络 ；改进粒子群算法 中图分类号：TP183；TD534 文献标识码 ：A 文章编号 ：1673—9787(2014)03—0313-05 Hoistfaultdiagnosisbasedonimprovedparticleswarm neuralnetwork LIU Jing—yan (SchoolofElectricity＆AutomationEngineering，HenanPolytechnicUniversity，Jiaozuo454000，Henan，China) Abstract：Inview ofthatBP neuralnetwork hasaslow convergenceproblem and poorreliabilityforahoist braking·system faultdiagnosis，aneuralnetworkfaultdiagnosismethodbasedon improvedparticleswarm opti— mizationalgorithm isproposed．Becauseofthenonlinearandcouplingbetweenthefaultsymptomsand the faultofabrakingsystem ，ahoistbraking-system faultdiagnosismodelisestablished．Improvedparticleswarm optimizationalgorithm isappliedtooptimizetheweightsandthresholdsofthenetwork，andtheoptimizedneu- ralnetwork isusedtodiagnosebrakingsystem faults，whichcan shortentheneuralnetworktrainingtimeand improvethefault-diagnosisprecision．Thesimulationresuhsindicatethatthediagnosisstrategyhasthecharac— teristicofstrongabilityandhighdeficiencyofrdiagnosis． Keywords：minehoist；brakingsystem ；faultdiagnosis；neuralnetwork；particleswarm optimization algo— rithm 障种类多而且不易被发现 ，如果不对提升机制动 0 引 言 系统进行及时有效地故障诊断 ，将会 导致提升机 矿井提升机作为矿山自动化生产流程中的关 不能正常运行 ．因此 ，对提升机制动系统进行 键设备 ，承担着矿物的提升 、人员的上下 、材料和