基于PSO-BP神经网络的掘进机截割部故障诊断

为提高部分断面掘进机截割部故障诊断的有效性与准确性,以部分断面掘进机截割部振动加速度信号为研究对象,从煤矿井下采集了掘进机截割部振动加速度数据,分析并提取了表征掘进机截割部运行状态的特征向量,采用BP神经网络作为故障诊断方法,利用PSO算法的快速收敛性及全局搜索能力直接对BP网络的权值阈值进行优化,解决了BP神经网络收敛速度慢及易陷入局部极小值的问题。通过对数据样本进行训练与测试,构建了能够诊断截割部是否故障的PSO-BP神经网络,对EBZ-160型掘进机截割部是否发生故障进行诊断。试验结果表明:与快速BP法优化的BP神经网络(FBP神经网络)相比,PSO-BP网络诊断精度更高,训练步数更少。