北航神經(jīng)網(wǎng)絡(luò)作業(yè)-神經(jīng)網(wǎng)絡(luò)在采煤機(jī)故障診斷中的應(yīng)用

1、.智能控制及運(yùn)用作業(yè)二 ：.；第頁(yè)目錄 TOC o 1-3 h z u HYPERLINK l _Toc308337201 1.標(biāo)題分析 PAGEREF _Toc308337201 h 1 HYPERLINK l _Toc308337202 2.學(xué)習(xí)算法 PAGEREF _Toc308337202 h 1 HYPERLINK l _Toc308337203 3.單層感知器的VC+程序?qū)崿F(xiàn) PAGEREF _Toc308337203 h 44. HYPERLINK l _Toc308337204 神經(jīng)網(wǎng)絡(luò)在采煤機(jī)缺點(diǎn)診斷中的運(yùn)用 PAGEREF _Toc308337204 h 7 HYPERLI

2、NK l _Toc308337205 參考文獻(xiàn)： PAGEREF _Toc308337205 h 9標(biāo)題分析本章主要講訴的是主要是神經(jīng)網(wǎng)絡(luò)控制及其運(yùn)用的相關(guān)內(nèi)容，作業(yè)標(biāo)題共有兩題，標(biāo)題要求如下：1、設(shè)計(jì)一個(gè)實(shí)現(xiàn)邏輯“與的單計(jì)算層感知器，并寫(xiě)出其學(xué)習(xí)算法和程序。2、嚴(yán)密結(jié)合本人的專(zhuān)業(yè)背景、科研方向或處理問(wèn)題的閱歷，談?wù)剬W(xué)習(xí)人工神經(jīng)網(wǎng)絡(luò)或神經(jīng)網(wǎng)絡(luò)控制的必要性。要求闡明本人的科研或?qū)I(yè)背景，擬關(guān)注的問(wèn)題或研討方向，與人工神經(jīng)網(wǎng)絡(luò)有什么關(guān)聯(lián)。單層感知器即三層輸入層、隱層和輸出層，結(jié)點(diǎn)數(shù)分別為4、3和2網(wǎng)絡(luò)，其學(xué)習(xí)算法根據(jù)教材相關(guān)內(nèi)容采用BP學(xué)習(xí)算法。學(xué)習(xí)算法根據(jù)教材中的相關(guān)引見(jiàn)，神經(jīng)網(wǎng)絡(luò)算法主要步驟如

3、下：初始化，分別對(duì)輸入層到隱層和隱層到輸出層的權(quán)值矩陣W, V賦隨機(jī)數(shù)，將樣本計(jì)數(shù)器p和訓(xùn)練次數(shù)計(jì)數(shù)器q置為1，誤差E置為0，學(xué)習(xí)率 QUOTE 設(shè)為0-1間的小數(shù)，網(wǎng)格訓(xùn)練精度Emin設(shè)為一正的小數(shù)。輸入訓(xùn)練樣本，計(jì)算各層輸出。用當(dāng)前樣本、對(duì)向量數(shù)組X、d賦值，根據(jù)以下公式計(jì)算Y和O中各分量：= f() , k= 1,2,3l= f(), j= 1,2,3m計(jì)算各節(jié)點(diǎn)的實(shí)踐輸出。；調(diào)整各層權(quán)值，按下式計(jì)算和：檢查能否對(duì)一切樣本完成一次輪訓(xùn)。假設(shè)完成，那么進(jìn)展下一步進(jìn)展均方根誤差計(jì)算；否那么，前往步驟2。計(jì)算網(wǎng)絡(luò)總誤差，檢查能否到達(dá)精度要求。假設(shè)到達(dá)計(jì)算要求，訓(xùn)練終了；否那么，E置0，p置1，

4、并前往步驟2，繼續(xù)計(jì)算，直到到達(dá)精度要求為止。詳細(xì)的流程圖如下：?jiǎn)螌痈兄鞯腣C+程序?qū)崿F(xiàn)按照3.1章節(jié)的學(xué)習(xí)算法，即可對(duì)其進(jìn)展計(jì)算機(jī)編程實(shí)現(xiàn)，編程環(huán)境采用Microsoft Visual Studio 2021，程序清單如下：#include stdafx.h#include #include #include int i=0;int X14 = 0, 0,1, 1，X24 = 0, 1,0, 1;int d4 = 0,0,0, 1; /樣本X的期望輸出值 float w2，y,e4;float ec=0.0001;/指定輸出偏向值float step = 0.5; /學(xué)習(xí)步長(zhǎng)float b

5、=0.6; /閾值/定義激活函數(shù)float f(float x)if (x0)return 1;else return 0;/定義學(xué)習(xí)訓(xùn)練函數(shù)void xx (int i)y=w0*X1i+w1*X2i;y=f(y-b);eci=di-y;/權(quán)值調(diào)整函數(shù)void repower(int i)w0=w0+step*eci*X1i;w1=w1+step*eci*X2i;int _tmain(int argc, _TCHAR* argv)int count=0;/記錄感知器訓(xùn)練次數(shù)/初始化W矩陣int j;for(j=0;j100)printf( 單層感知器學(xué)習(xí)訓(xùn)練次數(shù)過(guò)多，請(qǐng)重新調(diào)整初始權(quán)值n);

6、break;if(i=4)i=0;if(i4)xx(i);repower(i);i+;while(ec0EC&ec1EC&ec2EC&ec3EC);if(count100)printf( 權(quán)值矩陣w0=%fn, w0 );printf( 權(quán)值矩陣w1=%fn, w1 );printf( n經(jīng)過(guò)學(xué)習(xí)訓(xùn)練%d 次到達(dá)要交n, count );printf( n單層感知器學(xué)習(xí)完成n);return 0;作業(yè)二：神經(jīng)網(wǎng)絡(luò)在采煤機(jī)缺點(diǎn)診斷中的運(yùn)用本人本科階段就讀于中國(guó)礦業(yè)大學(xué)機(jī)電工程學(xué)院，畢業(yè)設(shè)計(jì)時(shí)做的標(biāo)題為采煤機(jī)截割部的相關(guān)設(shè)計(jì)。采煤機(jī)是煤礦消費(fèi)中非常關(guān)鍵的設(shè)備，是一個(gè)集機(jī)械、電子、電氣、液壓傳動(dòng)于一

7、體的復(fù)雜系統(tǒng)。因其任務(wù)環(huán)境非常惡劣，運(yùn)轉(zhuǎn)中經(jīng)常出現(xiàn)缺點(diǎn)影響消費(fèi)，甚至呵斥整個(gè)煤礦消費(fèi)系統(tǒng)的癱瘓。因此、對(duì)采煤機(jī)的在線(xiàn)監(jiān)測(cè)和缺點(diǎn)診斷是非常必要的。經(jīng)過(guò)智能控制課程中關(guān)于神經(jīng)網(wǎng)絡(luò)控制部分的相關(guān)學(xué)習(xí)，我了解到人工神經(jīng)網(wǎng)絡(luò)是自創(chuàng)于生物神經(jīng)網(wǎng)絡(luò)而開(kāi)展起來(lái)的新型智能信息處置系統(tǒng)，神經(jīng)網(wǎng)絡(luò)具有大規(guī)模并行，分布式存儲(chǔ)和處置、聯(lián)想記憶、自組織、自順應(yīng)和自學(xué)習(xí)才干，特別適用于處置需求同時(shí)思索許多要素和條件的、不準(zhǔn)確的和模糊的信息問(wèn)題。目前最廣泛運(yùn)用的采煤機(jī)由截割部、牽引部、電動(dòng)機(jī)和附屬安裝四大部分組成。截割部采用齒輪傳動(dòng)，牽引部采用液壓傳動(dòng)，采煤機(jī)的大多數(shù)缺點(diǎn)出如今這兩部分。思索到采煤機(jī)構(gòu)造復(fù)雜、缺點(diǎn)景象多等特點(diǎn)

8、，假設(shè)輸入層神經(jīng)元數(shù)目太大，會(huì)影響到整個(gè)網(wǎng)絡(luò)的學(xué)習(xí)速度和訓(xùn)練質(zhì)量，運(yùn)用模塊分解技術(shù)將采煤機(jī)缺點(diǎn)分為假設(shè)干個(gè)學(xué)習(xí)模塊，如電機(jī)模塊、軸承模塊、液壓系統(tǒng)模塊等，各模塊獨(dú)立進(jìn)展訓(xùn)練和診斷，本文主要討論采煤機(jī)截割部的缺點(diǎn)診斷問(wèn)題。截割部的傳動(dòng)部運(yùn)動(dòng)簡(jiǎn)圖如圖1：圖1 采煤機(jī)截割部傳動(dòng)簡(jiǎn)圖由于截割部采用齒輪傳動(dòng)，因此截割部的主要缺點(diǎn)發(fā)生在齒輪和軸承處。查閱相關(guān)文獻(xiàn)發(fā)現(xiàn)可采用壓電加速度傳感器拾取各測(cè)點(diǎn)振動(dòng)信號(hào)，如以下圖2所示，經(jīng)數(shù)據(jù)采集系統(tǒng)，數(shù)據(jù)處置系統(tǒng)對(duì)采煤機(jī)截割頭部的振動(dòng)形狀進(jìn)展監(jiān)測(cè)，就其齒輪、軸承振幅大小作為截割部傳動(dòng)系統(tǒng)缺點(diǎn)與否的判據(jù)，共選取8個(gè)測(cè)試點(diǎn)作為檢測(cè)對(duì)象。如圖3所示，采用BP網(wǎng)絡(luò)構(gòu)造，詳細(xì)構(gòu)

9、造為：輸入節(jié)點(diǎn)8個(gè)，輸出節(jié)點(diǎn)4個(gè)，隱層數(shù)為一層，隱層節(jié)點(diǎn)數(shù)為9點(diǎn)，這種模型能較好地反映采煤機(jī)截割頭部的缺點(diǎn)程度。圖2 采煤機(jī)截割部缺點(diǎn)診斷BP網(wǎng)絡(luò)傳感器在線(xiàn)監(jiān)測(cè)電機(jī)電流信號(hào)，軸承的溫度信號(hào)、振動(dòng)信號(hào)、油溫信號(hào)等，這些信號(hào)經(jīng)數(shù)字濾波、特征值提取等預(yù)處置獲得各種特征量。提取振動(dòng)信號(hào)的時(shí)域特征：均值、方差、偏斜度、峭度為特征量，將這些特征量作為輸入加載到神經(jīng)網(wǎng)絡(luò)用于缺點(diǎn)分析。根據(jù)八個(gè)測(cè)試點(diǎn)的輸入量診斷出確切部位的缺點(diǎn)程度并提出缺點(diǎn)處置的方案。查閱相關(guān)文獻(xiàn)神經(jīng)網(wǎng)絡(luò)在采煤機(jī)缺點(diǎn)診斷方面確實(shí)可行，但是還存在著以下的一些問(wèn)題，主要有：網(wǎng)絡(luò)學(xué)習(xí)算法是一個(gè)非線(xiàn)性?xún)?yōu)化問(wèn)題，不可防止地存在部分極小值問(wèn)題。雖然有許多

10、改良 算法，然而其學(xué)習(xí)收斂速度依然很慢。網(wǎng)絡(luò)的隱含層數(shù)、隱含神經(jīng)元的個(gè)數(shù)選取尚無(wú)實(shí)際上的根據(jù)，完全憑閱歷決策。網(wǎng)絡(luò)必需經(jīng)過(guò)比較費(fèi)時(shí)的離線(xiàn)訓(xùn)練，而且訓(xùn)練樣本對(duì)數(shù)要全面而豐富。人工神經(jīng)網(wǎng)絡(luò)已勝利的運(yùn)用于一些行業(yè)的缺點(diǎn)診斷，例如：航天飛機(jī)主發(fā)動(dòng)機(jī)的實(shí)時(shí)診斷，汽輪機(jī)的診斷等。雖然人工神經(jīng)網(wǎng)絡(luò)真正非常勝利的運(yùn)用于各個(gè)領(lǐng)域還有許多問(wèn)題亟待進(jìn)一步處理，但人工神經(jīng)網(wǎng)絡(luò)為人們處理實(shí)踐問(wèn)題提供了一個(gè)嶄新的手段，置信人工神經(jīng)網(wǎng)絡(luò)在采煤機(jī)缺點(diǎn)診斷方面會(huì)有令人鼓舞的成果。參考文獻(xiàn)：1 韓立群. 智能控制實(shí)際及運(yùn)用.北京：機(jī)械工業(yè).20072 張寒松，賈瑞清等. 采煤機(jī)的缺點(diǎn)分析與診斷及其開(kāi)展趨勢(shì).礦冶.北京:中國(guó)礦業(yè)大學(xué).