更全的杂志信息网
期刊发表 | 网站导航

神经网络在矿井提升机故障诊断中的应用①

更新时间：2009-03-28

1 神经网络的基本原理

神经网络是一种模仿动物神经网络行为特征，进行分布式并行信息处理的算法数学模型，被广泛应用于故障诊断、信号处理、预测估计、系统辨识和组合优化等方面[1]。

人工神经元模型的结构如图1所示，主要包括传递函数、求和单元和连接权3个基本要素，该模型由生物神经元抽象化后得到。

传递函数也叫激活函数，它的功能是非线性映射，传递函数通常将神经元的输出幅度限制进行限制，限制的范围在(-1，1)或(0，1)之间；求和单元的作用是求得各个输入信号的加权和；连接权也叫生物神经元的突触，表示神经元之间的连接强度。此外，人工神经元还包括一个阈值θk，或偏值bk=θk。其输入-输出关系的数学表达式为：

 

其中，x1，x2，···，xn为输入信号，wk1，wk2，···，wkn为神经元k的权值，μk为线性组合结果，f(·)为传递函数，θk为阈值，yk为神经元的输出。

传递函数f(·)常见的有分段性函数、阶跃函数和Sigmoid函数3种。

(3)Sigmoid函数。

(2)确定训练测试集和样本集，其中确定的训练集主要用来对训练完成的BP神经网络模型的效果及推广能力进行监测；而确定训练样本集主要用来对模型进行学习。

(1)分段性函数。

 

秀容月明比谁都清楚，北城外面，必然埋伏着胡人的两支精锐骑兵，只要城门开了，桂州城就破了。在长于野战的胡人铁骑夹击下，开门出战的宁军也好，意图逃跑的百姓也好，决无幸免之理。要是巢城没失守，便可牵制胡人，时机到了，还可出击，和桂州相呼应。如今说什么都没用了，张家猛已把巢城弄丢了。要是他手上有一万秀容兵，局面便大不相同，说不定还能大破胡人，可惜，他只有两千秀容兵，连着十五天鏖战，秀容兵只剩两三百人了。

采用神经网络的逼近特性可以对矿井提升机进行故障诊断，从而对矿井提升机的各类故障进行模式识别。其实现步骤包括确定合理的网络结构、确定训练样本集和测试集、网络的训练学习和输入故障征兆并，利用BP神经网络进行故障诊断。利用神经网络进行故障诊断的结构流程图如图2所示。

(1)确定合理的网络结构关键在于确定中间隐层神经元的个数，因为BP神经网络的输入节点数和输出节点数是根据现实实际问题确定的，所以确定合理的中间隐层神经元个数将对神经网络的性能产生直接影响[2]。

 

双曲正切对称s型函数：

 

2 神经网络在故障诊断中的应用

那男子放下一杭，一杭瞪了他一眼，说：“我有几句话想给雪萤说。”范坚强脸上重新浮现笑容，“这个没问题，有什么话尽管说，不过，我们不用回避吧。”一杭摇摇头，说：“现在可以把她放了吧。”

非对称s型函数：

吸附热力学的分析有助于了解树脂吸附后其内在能量的变化以及吸附机制，主要包括焓变（ΔH，k J·mol-1），自由能变化（ΔG，k J·mol-1）和熵变（ΔS，k J·（mol·K）-1）。

  

图1 神经元模型

  

图2 BP神经网络故障诊断结构流程图

(3)对BP神经网络进行训练学习，学习的结构必须进行检验，将检验后的结构保存至BP神经网络故障诊断知识库中。

(4)采用训练好的BP神经网络对输入的故障征兆进行故障诊断。

园地选择：选择光照条件良好，海拔在600～1700 米间，年平均温度13～20℃之间，其中美味系猕猴桃年平均温度13～20℃之间为宜，1月最低温不低于0℃；中华系猕猴桃年平均温度14～18℃之间，1月最低温不低于4℃，海拔在600～1200米间为宜。同时要求土壤土层深厚，土质疏松，透水性、通气良好， pH以中性偏酸为宜，同时注意雨季不积水。

3 结语

利用神经网络对矿井提升机进行故障诊断，可以有效提高故障诊断的效率和准确性，为提升机故障处理提供了可靠的信息源，从而可以保证提升机的安全运行，提高矿井生产的安全效益和经济效益。

参考文献

[1]周成宝.基于RBF神经网络的矿井提升机故障诊断研究[D].哈尔滨：哈尔滨工程大学，2009.

[2]Gomm J B.On line leaning for fault classification using an adaptive neural fuzzy networks[J].Pro of IFAC World Congress USA：SanFrancisso，1996(17)：175-180.

 
王伟新，王立科
《科技创新导报》 2018年第07期
《科技创新导报》2018年第07期文献

服务严谨可靠 7×14小时在线支持 支持宝特邀商家 不满意退款

本站非杂志社官网，上千家国家级期刊、省级期刊、北大核心、南大核心、专业的职称论文发表网站。
职称论文发表、杂志论文发表、期刊征稿、期刊投稿，论文发表指导正规机构。是您首选最可靠，最快速的期刊论文发表网站。
免责声明：本网站部分资源、信息来源于网络，完全免费共享，仅供学习和研究使用，版权和著作权归原作者所有
如有不愿意被转载的情况，请通知我们删除已转载的信息 粤ICP备2023046998号