煤炭科学技术

作者：张强, 王禹, 王琛淇,

关键词：掘进机, 截齿磨损, 振动信号, 声发射信号, PNN神经网络,

针对掘进机截齿磨损在线识别问题,提出一种基于PNN神经网络的截齿磨损程度多特征信号识别方法，提取不同磨损程度的截齿在截割过程中的振动和声发射特征信号，分别分析振动加速度、声发射信号峰值以及2种特征信号频域图的均方根这4个特征参数，获取振动信号、声发射信号与不同磨损程度截齿的变化规律。建立5种不同磨损程度截齿的多特征信号样本数据库，采用多特征信号样本对PNN神经网络进行学习和训练，建立截齿磨损程度的识别模型，实现截齿磨损程度的精确识别。结果表明：基于PNN神经网络的截齿预测磨损状态识别模型识别精度较高,识别准确率和预测准确率约为93.3%和95%，与BP神经网络方法相比分别提高了3.3%和15%。因此该神经网络具有良好的可靠性与精确性。

来源：2019年第6期

《煤炭科学技术》期刊编辑部

查看煤炭科学技术杂志2019年第6期