公开(公告)号：CN113157732B

公开(公告)日：2023-07-25

申请号：CN202110201800.X

申请日：2021-02-23

Applicant: 北京科技大学

Inventor： 刘立 ,  张力新 ,  孟宇 ,  顾青

IPC: G06F18/2433 ,  G06F18/10 ,  G06F18/241 ,  G06F18/214 ,  G06N3/0499 ,  G06N3/084 ,  G06N3/086 ,  E02F3/04 ,  G06N3/006

Abstract: 本发明提供一种基于PSO‑BP神经网络的地下铲运机故障诊断方法，属于地下铲运机故障诊断技术领域。该方法首先从数据库中提取矿山装备运行的原始数据并按照装备的型号进行分类转存，对所获得的数据进行预处理后，采用Relief算法挖掘故障的特征参数，并构建了经粒子群算法(PSO)优化后的BP神经网络模型来进行故障诊断。本发明相较传统的人工筛选，通过Relief算法进行故障特征的筛选过滤，不仅能节省大量的分析时间，还能提供更为准确的分析结果，此外，优化的PSO‑BP神经网络克服了单纯使用BP神经网络会收敛于局部最优解的缺陷，提高了矿山装备故障诊断的准确率。

公开(公告)号：CN113157732A

公开(公告)日：2021-07-23

申请号：CN202110201800.X

申请日：2021-02-23

Applicant: 北京科技大学

Inventor： 刘立 ,  张力新 ,  孟宇 ,  顾青

IPC: G06F16/2453 ,  E02F3/04 ,  G06N3/08 ,  G06N3/00

Abstract: 本发明提供一种基于PSO‑BP神经网络的地下铲运机故障诊断方法，属于地下铲运机故障诊断技术领域。该方法首先从数据库中提取矿山装备运行的原始数据并按照装备的型号进行分类转存，对所获得的数据进行预处理后，采用Relief算法挖掘故障的特征参数，并构建了经粒子群算法(PSO)优化后的BP神经网络模型来进行故障诊断。本发明相较传统的人工筛选，通过Relief算法进行故障特征的筛选过滤，不仅能节省大量的分析时间，还能提供更为准确的分析结果，此外，优化的PSO‑BP神经网络克服了单纯使用BP神经网络会收敛于局部最优解的缺陷，提高了矿山装备故障诊断的准确率。