新闻资讯

联系方式

新乡市金成机械制造有限公司
联系人:吕经理

电 话:  0373-3878302 0373-3878301
手 机:  15237399909
Email:1092327062@qq.com
地  址:河南省新乡市

当前位置: 金成首页 > 新闻资讯 > 公司动态
公司动态

提升机制动系统故障诊断模型

   

对矿井提升机而言,其制动主要采用的是液压制动系统.通过对所有影响提升机制动系统故障的特征因索进行分析可知:制动正压力、贴闸油压、液压站残压、松闸油压、闸瓦的开合状态、液压站的工作油压和磨损超限判定油压为制动系统的主要故障特征参数〔z7.采用BP神经网络建立系统的故障诊断模型,改进粒子群算法模块对故障诊断模型进行优化,利用优化后的模型对制动系统进行故障诊断.将制动系统的故障特征参数作为故障诊断模型输入,模型的输出为制动系统的故障类型,制动系统故障诊断的改进粒子群网络模型结构如图1所示。

提升机 

1优化改进粒子群算法

1. 1基本粒子群优化算法    

粒子群优化(Parcitle  Swarm  Optimization ,PSO )算法是一种基于群体的进化算法.它具有结构简单易于实现、收敛速度快、鲁棒性高和全局搜索能力强等优点.在粒子群算法中,种群称作粒子群,个体称为粒子〔6-R ].优化问题的每个可行解都看作搜索空间中的一个粒子,所有的粒子都有一个被优化的函数决定的适应值,每个粒子还有一个速度向量决定它们的方向和距离〔910.粒子在每次迭代搜索的过程中,跟踪两个极值更新自己;一个为粒子本身迄今找到的较优解(个体极值)e.st,另一个为全种群迄今找到的较优解(全局极值)ghe.st

1. 2粒子群算法的改进    

基于PSO算法在寻优的过程中,惯性因子对于平衡粒子的全局探索能力和局部开发能力有重要的作用。较大的惯性因子有利于提高粒子群算法的全局搜索能力,但是运算量大;较小的惯性因子虽能够增强算法的局部搜索能力,但容易陷入局部更优.为此,惯性因子采用一种改进的非给性涕减算洪.惯性因子涌付下式计算。

1.3基于改进PSO算法的参数优化    

用改进PSO算法优化BP神经网络,把网络的权值和阑值作为优化的对象,采用实数编码方式.对于图1所示的三层BP神经网络。

结语    

提出了一种将改进粒子群算法和BP神经网络相结合的粒子群神经网络故障诊断方法,较好地实现了对提升机制动系统的故障诊断.通过对提升机制动系统的故障诊断结果表明,采用改进粒子群算法优化的BP神经网络故障诊断方法不但可以优化BP神经网络的权值,也可以优化神经网络的结构,克服了传统BP神经网络故障诊断的缺点,提高了故障诊断的精度。

更多详情:

http://www.hndstsj.com

分享到:
点击次数:  更新时间:2020-06-09 10:38:30  【打印此页】  【关闭