声明
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。
国内刊号：34-1055/TD
国际刊号：1001-1250
发布日期:
作者：李洪亮,王庆华
单位：1. 内蒙古科技大学矿业与煤炭学院,内蒙古 包头 014010; 2. 内蒙古自治区矿业工程重点实验室,内蒙古 包头 014010;3. 内蒙古自治区煤炭安全开采与利用工程技术研究中心,内蒙古 包头 014010; 4. 内蒙古煤炭绿色开采与绿色利用协同创新中心,内蒙古 包头 014010
关键词：带式输送机,主成分分析法,嵌套粒子群算法,BP 神经网络,故障诊断,
为了提高矿用带式输送机故障诊断的准确率,针对传统的BP 神经网络故障诊断模型诊断精度较低、泛化能力差、对初始权值和阈值敏感、容易产生过拟合等问题,提出了一种新的智能故障诊断模型。首先,采用主成分分析法(PCA)对数据样本进行处理,以降低数据的噪声和维度;然后利用隐藏层经验公式确定BP 神经网络隐藏层神经元个数选取范围,在此基础上采用穷举算法和粒子群算法(PSO)组成嵌套粒子群算法(NPSO)对BP 神经网络隐含层神经元个数、权值和阈值进行全局寻优,最终构建了基于PCA-NPSO-BP 的智能故障诊断模型。基于实例,通过MATLAB软件仿真测试的结果显示,PCA-NPSO-BP 故障诊断模型的诊断精度高于基于灰狼算法优化BP 神经网络和基于遗传算法优化BP 神经网络的诊断模型。
来源：2025年第2期
《金属矿山》期刊编辑部
严正声明：本站非期刊官网，非中介代理。
本站仅提供学术规范服务：快速预审、润色编辑服务、中英文查重、降重、去重服务、推荐合适的期刊投稿等学术规范服务。 如需提供学术规范服务请联系在线编辑。