基于PNN神经网络的掘进机截齿磨损程度识别研究

作     者：张强 王禹 王琛淇 ZHANG Qiang;WANG Yu;WANG Chenqi

作者机构：辽宁工程技术大学 

出 版 物：《煤炭科学技术》 (Coal Science and Technology)

年 卷 期：2019年第47卷第6期

页      面：37-44页

核心收录：

学科分类：081901[工学-采矿工程] 0819[工学-矿业工程] 08[工学] 

基　　金：国家自然科学基金资助项目(51504121) 国家自然科学基金资助项目(51774161) 

主　　题：掘进机 截齿磨损 振动信号 声发射信号 PNN神经网络 

摘      要：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95.0%,与BP神经网络方法相比分别提高了3.3%和15.0%。因此该神经网络具有良好的可靠性与精确性。