基于遗传算法-BP神经网络的旋回式破碎机故障诊断系统研究

发布时间：2020-06-17 10:42

【摘要】：随着露天矿山企业生产工艺水平的提高,大型矿山设备在矿山生产中处于越来越重要的地位,矿山设备管理成为矿山企业生产管理的重要组成部分。其中破碎是露天矿山企业采矿生产的重要环节,旋回式破碎机是金属露天矿破碎生产环节的重要生产设备,因此实现旋回式破碎机故障超前分析与诊断预警是提高矿山破碎生产管理的可靠性与企业降本增效的重要保障。目前旋回式破碎机的故障诊断大多以人员经验为主,但旋回式破碎机故障问题较为复杂,仅仅用人员主观经验难以实现有效地故障诊断及预警。因此本文引入无线传感技术、BP神经网络诊断方法以及遗传算法,建立旋回式破碎机故障诊断及预警系统,实现旋回式破碎机实时故障诊断及预警。完成了以下几个主要研究内容:(1)旋回式破碎机原始数据采集及分析。分析旋回式破碎机日常维修记录及国内外文献,得出旋回式破碎机故障类型及所需监测的故障特征参数,利用无线传感技术获取所需的旋回式破碎机原始数据,并根据BP神经网络的网络特点以及旋回式破碎机运行状况,制定数据选取的原则以实现数据选取,建立故障特征参数矩阵,为建立旋回式破碎机故障诊断模型提供合理的数据基础。(2)基于BP神经网络的旋回式破碎机故障诊断基础模型。研究BP神经网络故障诊断的基本原理,提出BP神经网络在旋回式破碎机故障诊断中的具体应用,即以故障特征参数作为网络输入,以故障类型作为期望网络输出,并设置相应训练参数,建立故障诊断网络,并对比不同网络训练方法及隐含层神经元个数所实现的训练结果,确定最优的网络训练方法及网络结构,构建基于BP神经网络的旋回式破碎机故障诊断基础模型。(3)基于遗传-BP神经网络的旋回式破碎机故障诊断优化模型。研究BP神经网络及遗传算法的基本原理,确定遗传算法优化BP神经网络的具体方法,即利用遗传算法对BP神经网络的权值阈值进行进化以达到优化目的,首先按照遗传算法的操作流程对权值阈值进行进化,进而得出权值阈值最优解,然后将最优解作为BP神经网络的初始权值阈值,按照上述BP神经网络旋回式破碎机故障诊断基础模型完成遗传-BP神经网络旋回式破碎机故障诊断优化模型的构建。(4)旋回式破碎机故障诊断模型的应用验证及测试。以洛阳某矿山旋回式破碎机为实例,按照BP神经网络故障诊断基础模型建立流程以及遗传-BP神经网络故障诊断优化模型建立流程,分别得出两者的训练结果及测试结果并进行对比,从结果中表明,遗传-BP神经网络的旋回式破碎机故障诊断优化模型的结果明显较优,故最终确定遗传-BP神经网络为旋回式破碎机的故障诊断方法,以遗传-BP神经网络的旋回式破碎机故障诊断优化模型作为最终的旋回式破碎机故障诊断模型,建成模型的故障诊断准确率可达到99.74%。(5)基于旋回式破碎机故障诊断模型的实时故障诊断及预警系统。在旋回式破碎机故障诊断模型实现故障模式精确识别的基础上,对进一步实现旋回式破碎机故障预警进行研究,得出通过故障类型诊断决策以及部件诊断决策的方式可完成旋回式破碎机故障预警,在此基础上以优化好的旋回式破碎机故障诊断模型为诊断方法,以传感器所采集的旋回式破碎机状态原始数据为诊断依据,建立了旋回式破碎机故障诊断及预警系统,最后实现了旋回式破碎机实时故障预警。本文将BP神经网络、遗传算法与现实中旋回式破碎机故障诊断问题结合,科学合理地提出了旋回式破碎机的故障诊断模型及故障诊断预警系统,解决了矿山生产管理中的旋回式破碎机故障难以准确、实时诊断预警的问题,为旋回式破碎机故障诊断及预警提供了一个有效的方法,保障了矿山生产的稳定性,有效降低了露天矿山企业设备管理的成本,提高了露天矿山企业生产组织及管理的水平。
【学位授予单位】：西安建筑科技大学
【学位级别】：硕士
【学位授予年份】：2018
【分类号】：TD407
【图文】：

故障机理,正面图,旋回,剖面图

旋回式破碎机正面

剖面图,剖面图,故障机理,硕士学位论文

西安建筑科技大学硕士学位论文12图 2.1 旋回式破碎机正面图 2.2 旋回式破碎机剖面图2.2 旋回式破碎机故障机理及故障特征提取旋回式破碎机易发生故障的原因主要有两个方面，一方面是旋回式破碎机所处的自然环境较为恶劣，旋回

【参考文献】