矿井提升机制动器的GA-BP故障诊断

《矿井提升机制动器的GA-BP故障诊断》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、矿井提升机制动器的GA-BP故障诊断作者：天天论文网日期:2015-12-2410:51:01点击:0摘要：针对矿井提升机制动器经常出现故障、耦合信号导致故障诊断相对复杂的问题，采用遗传算法优化BP神经网络的方法，通过调查和研究矿井提升机制动器的故障类熨，收集相关数据，根据GA-BP神经网络确定网络的输入量和输出量，对矿井捉升机制动器进行故障诊断.利用Matlab进行遗传算法优化的BP神经网络故障诊断的仿真分析.研究结果表明，诊断谋差较小，输出向量与实际的故障结果一致，所以将遗传算法优化BP神经网络应用到矿井提升机制动器的故障诊断中是有效且

2、可行.关键词：矿井提升机；制动器；遗传算法；BP神经网络；故障诊断引言矿井提升机是矿井中的重要设备，它是否能够稳定安全的运行，关系着毎个矿山员工的安全[1],制动器是矿井提升机的最后屛障，它冇着至关重要的作用.能够迅速的判断矿井提升机制动器发生故障的原因并且及时解决，是每个研究人员的重点研究对彖.矿井提升机的制动器是一个机电液耦合的复杂系统，各信号Z间的耦合导致其故障诊断相对复杂，而故障诊断则是提高系统可靠性的主耍途径Z—[24].而且矿井提升机制动器的工作环境恶为，负载变化剧烈，速度的变化情况不稳定，容易在运行过程中产生各种各样的故障，矿

3、井提升机制动器的故障征兆与故障类世之间呈现非线性特性，并H制动器的故障具冇模糊性等特点•所以选定合适的故障诊断方法，对于矿井捉升机制动器的故障诊断具冇很重要的意义•传统的BP神经网络的收敛速度相对较慢，冇可能收敛到局部极小值，诊断的相对谋差可能较人[5].所以本文应用遗传算法优化BP神经网络对矿井提升机的故障模式识别、故障程度评估、故障诊断具有理论意义和实际应用价值[6-81.1遗传算法优化BP神经网络1.1BP神经网络BP网络是一个前向多层网络，在网络训练中，调整网络权值的训练算法是误差反向传播学习算法，也就是BP神经算法.它包含了神经网

4、络屮最为帝华的部分，其结构简单，具冇很强的菲线性映射能力，并行分布式处理能力和可教性强，所以在函数逼近，模式识別，信息分类及数据压缩等领域得到了广泛应用.BP神经网络的结构见图1.BP神经网络由输入层，隐含层，输出层三部分组成•上下层2间实现全连接，而每层神经元Z间无连接•图1神经网络示意Fig.1neuralnetworkdiagraml.2遗传算法优化BP神经网络BP网络有很强的1F•线性映射能力，在故障诊断中应用广泛，但BP收敛速度相对较慢，需要较K的训练时间，可能使权值收敛到全局的最小值，并且网络的学习和记忆具冇不稳定性•所以木文应

5、用遗传算法优化BP神经网络，使收敛速度史快，网络的学习和记忆能力更加的稳定•遗传算法优化BP神经网络是用遗传算法來优化BP神经网络的初始权重和阀值，使优化后的BP神经网络能够更好的进行样本预测.遗传算法优化BP神经网络的耍索包插种群初始化，适应度函数，选择算子，交叉算子和变异算子.种群初始化是个体编码使用二进制编码，每个个体均为一个二进制串，山输入层与隐含层连接权匝，隐含层阀值，隐含层与输出层连接权值，输出层阀值四部分组成，毎个权值和阀值使用M位的二进制编码，将所冇权值和阀值的编码连接起來.适应度函数采用排序的适应度分配函数：FitnV=r

6、anking(obj),式中，obj为目标函数的输出.选择算子采用随机遍历抽样.交叉算子采用绘简单的单点交叉算子•变异是以一定概率产牛变异基因数，用随机方法选出发牛变异的基因•遗传算法优化BP神经网络算法的流程见图2.遗传算法具体的运行参数如下所示：种群大小为100；最大遗传代数为150：变量的二进制位数为10；交叉概率为0.7；变异概率为0.01；代沟为0.95.2BP网络输入输出的确定矿井提升机制动器在运行过程中发生的故障很多，应及时检测出发生故障的原因,并对发生故障的部件做及时的处理.通过对矿井提升机制动器的日常故障因素和资料的收集，

7、矿井提升机制动器的卞耍状态冇贴闸油压Pt,制动正压力PN,,液压系统残压Pc,松闸油压Ps,液压站油压P,闸瓦贴合状态Pk,磨损超限判定汕压Pt.确定以上作为神经网络的输入，输入层为7个神经元.输岀层由矿井提升机制动器的故障类世组成，共计6个神经元分别为轴瓦摩擦系数A、轴瓦蘑损严雨B、制动弹簧疲劳失效C、制动缸卡缸D、系统残压过高E、液压站失效I；.输出的结果(100000)为A类，(010000)为B类，(001000)为C类，(000100)为D类，(000010)为£类，(000001)为F类.3建立神经网络模型根据分析，矿井提升机制

8、动器的故障诊断类型比较多，隐含层选取的多少是一个十分复杂的问题，需耍研究人员反复的实验与研究所得.隐含层数目太多会导致训练的时间过长，有较差的容错性，误差不一定最佳，所以选取一个