基于SOM-BP神经网络的盾构机故障诊断方法研究

发布时间：2020-03-19 23:56

【摘要】：随着城市现代化建设速度的增快,地铁隧道工程也在快速发展。盾构机是挖掘隧道的主要工具。由于盾构机结构比较复杂、工作的环境相对恶劣,它的部件容易发生各类故障。有些故障将会直接影响整个设备的正常运行,如果能够在故障发生的第一时间发现并采取相应的维修手段,可以延长设备寿命、提高工作效率、减少经济损失,因此,对盾构机故障诊断的研究具有重要意义。近年来,人工神经网络理论与应用研究已发展成为一个国际前沿研究邻域,也为故障诊断提供了一个新的研究方向。本文通过对盾构机的结构特点、故障特性及产生机理的分析,将神经网络引入到故障诊断研究中。针对SOM神经网络和BP神经网络的优缺点,采用串联的方式将它们组合起来形成SOM-BP网络,提出基于SOM-BP网络的盾构机故障诊断方法,并构建了诊断模型。利用实际工程中的故障数据对模型进行训练和测试,分析故障诊断结果。并将其与单一的BP神经网络和SOM神经网络进行对比,实验结果表明经过组合后的网络能有效提高故障诊断的准确率,并且加快了网络收敛的速度。但是,SOM-BP网络的性能容易受到网络连接权值和阈值的影响,针对这个问题,本文提出基于粒子群算法优化SOM-BP网络的诊断方法,并构建了诊断模型。利用样本数据对其进行仿真研究,结果表明了该方法的有效性,能够实现对盾构机故障的诊断。通过与采用SOM-BP网络诊断方法的诊断结果对比,表明了优化后的方法诊断正确率更高,收敛速度更快,网络性能更好。最后将优化后的SOM-BP故障诊断模型应用到盾构机监控系统中,开发了一个故障诊断模块,并利用模拟数据对其功能进行了测试,测试结果表明,该故障诊断模块能很好地识别出盾构机的故障,适用于盾构机掘进过程中的故障监测和诊断,提高了工作效率,降低了维修成本。
【学位授予单位】：西安理工大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：U455.39;TP183

【参考文献】

相关期刊论文 前8条

1 马赛平;倪刚亮;汪晟杰;;基于AMESim的液压启闭机油缸故障建模与仿真[J];机械设计与制造工程;2014年12期

2 李笑;苏小江;;基于神经网络信息融合的盾构施工故障诊断[J];辽宁工程技术大学学报(自然科学版);2010年03期

3 王满增,徐明新;TBM故障诊断专家系统的设计与开发[J];建筑机械;2003年11期

4 韩亚丽;TBM状态监测与故障诊断[J];建筑机械;2003年09期

5 赵华,苏东,乔文生;TBM主变速箱的状态监测与故障诊断[J];建筑机械化;2003年06期

6 宋鹏举,张优云,董光能;基于Delphi的TBM故障诊断专家系统[J];机械工程师;2003年01期

7 董振兴,史定国,张东山,杨汝清;48MW高炉鼓风机组群在线状态监测与故障诊断[J];机械科学与技术;2002年03期

8 李爱平,高大志,高军;电气设备故障诊断专家系统的设计与实现[J];基础自动化;1998年03期

相关博士学位论文 前4条

1 杜文辽;状态监控与智能诊断关键技术研究及其在汽车起重机主泵中的应用[D];上海交通大学;2013年

2 刘波;粒子群优化算法及其在机电设备中的应用研究[D];中北大学;2011年

3 贺湘宇;挖掘机液压系统故障诊断方法研究[D];中南大学;2008年

4 毛恒;粒子群优化算法的改进及应用研究[D];华侨大学;2008年

相关硕士学位论文 前10条

1 彭余;盾构机刀盘驱动液压马达故障诊断研究[D];广东工业大学;2017年

2 周晓群;盾构刀盘驱动液压系统故障诊断研究[D];湘潭大学;2017年

3 赵晋;盾构隧道管片位移因素分析及控制措施研究[D];西南交通大学;2015年

4 钱昊;基于粒子群优化神经网络的乳化机故障诊断系统的研究[D];杭州电子科技大学;2015年

5 付耀琨;基于小波神经网络技术在盾构机故障诊断中的应用研究[D];郑州大学;2014年

6 刘维;盾构机推进系统故障预测研究[D];南京理工大学;2014年

7 左庆林;盾构机关键设备状态监测与故障诊断研究[D];石家庄铁道大学;2014年

8 王彩霞;面向智慧社区的中央空调在线故障智能诊断技术的研究与实现[D];东北大学;2013年

9 韩超;数据挖掘在盾构机故障诊断中的应用研究[D];沈阳理工大学;2011年

10 许化东;基于故障树分析法的汽车故障诊断专家系统的研究[D];合肥工业大学;2002年

，

本文编号：2590912