The invention discloses an automatic fault diagnosis system of Shearer Based on Intelligent Optimization of chaotic correction group, which is used for fault diagnosis of shearer, including data preprocessing module, fault diagnosis model modeling module of shearer, improved optimization module and fault diagnosis module of shearer. The invention automatically diagnoses the fault of the shearer, establishes the fault diagnosis model of the shearer by using the integrated learning algorithm, avoids the imprecision of the model caused by randomness by adding an adaptive optimization process to the modeling process, improves the optimization process combined with the chaotic idea, further improves the quality and reliability of the model, and realizes the self-adaptation, high efficiency and reliability of the fault of the shearer. High accuracy automatic diagnosis.
【技术实现步骤摘要】
基于混沌修正群智能寻优的采煤机故障自动诊断系统
本专利技术涉及采煤机故障诊断领域和群智能优化算法领域,尤其涉及基于混沌修正群智能寻优的采煤机故障自动诊断系统。
技术介绍
现代煤炭开采逐步机械化,采煤机作为煤炭生产中的核心设备,提高了生产效率,增加了煤炭产量,减少了重大恶性事故的发生,但其工作环境复杂恶劣,载荷变化很大,自身组成结构复杂,在生产工作中易产生原因复杂的故障,主要包含机械部分故障和液压系统故障,具体可根据产生故障的部位进行划分。而采煤机故障导致的设备停产,将造成整个煤矿生产系统的瘫痪以及巨大的人力、财力浪费,因此,通过采集采煤机信息对即将产生的故障进行诊断以及时排除故障,具有重要意义。传统的采煤机故障诊断依靠人工经验判断,诊断效率低、准确度差,而一些采用神经网络、粗糙集、专家系统的方案,存在收敛速度慢、对数据要求高、参数人为选择导致随机性大、诊断质量低等问题,难以满足采煤机故障诊断的可靠性和准确度要求。因此,一种高效的、高准确度的采煤机故障自动诊断系统具有重要的现实意义。
技术实现思路
针对采煤机工作环境差,结构复杂,易发生故障,而当前采煤机故障诊断方案可靠性和准确度差的问题,本专利技术的目的在于提供一种基于混沌修正群智能寻优的采煤机故障自动诊断系统,采用集成学习算法建立模型,模型参数自动优化,优化方法经过混沌改进,具有准确度高、效率高、适应性强、可靠性强等优点。本专利技术的目的是通过以下技术方案来实现的:基于混沌修正群智能寻优的采煤机故障自动诊断系统,包括数据预处理模块、采煤机故障诊断模型建模模块、改进的寻优模块、采煤机故障诊断模块。现场数据采集传 ...
【技术保护点】
1.基于混沌修正群智能寻优的采煤机故障自动诊断系统,其特征在于:包括数据预处理模块、采煤机故障诊断模型建模模块、改进的寻优模块、采煤机故障诊断模块。
【技术特征摘要】
1.基于混沌修正群智能寻优的采煤机故障自动诊断系统,其特征在于:包括数据预处理模块、采煤机故障诊断模型建模模块、改进的寻优模块、采煤机故障诊断模块。2.根据权利要求1所述基于混沌修正群智能寻优的采煤机故障自动诊断系统,其特征在于:数据预处理模块用以进行采煤机数据预处理,采用如下过程完成:1)从数据库中提取一个采煤机信号,其特征分别为xi,i=1,2,...d,d为特征维度。2)对该特征做如下处理得到归一化特征其中xmin为xi的最小值,xmax为xi的最大值:3.根据权利要求1所述基于混沌修正群智能寻优的采煤机故障自动诊断系统,其特征在于:采煤机故障诊断模型建模模块用以建立采煤机故障诊断模型,采用如下过程完成:1)从数据库中提取ns个采煤机故障数据Xs及其所对应的故障类型标签Ys作为训练集,提取nv个采煤机故障数据Xv及其所对应的故障类型标签Yv作为测试集。2)采用上面得到的训练集进行Xgboost(ExtremeGradientBoosting)模型训练,得到采煤机故障诊断模型:Y=h(X)。(2)4.根据权利要求1所述基于混沌修正群智能寻优的采煤机故障自动诊断系统,其特征在于:改进的寻优模块用以对Xgboost的重要参数——学习率LR,最大树深度MD,最小叶子节点样本权重和MCw,节点分裂所需的最小损失函数下降值γ进行优化。采用如下过程完成:1)对于基础参数LR和MD采用步长为stride的网格搜索方法:LR=0.05~0.3,stride=0.05(3)MD=2~7,stride=1(4)即先固定LR和MD为搜索网格中的一个点上的值,在此基础上再进行其他非基础参数的寻优。2)对于非基础参数MCw、γ采用基于混沌修正的粒子群算法进行寻优,具体步骤如下:2.1)随机产生第1代初始粒子即初始解的速度和位置:vjk(1)=U×(vmax-vmin)+vminvmin≤v≤vmax(5)rjk(1)=U...
【专利技术属性】
技术研发人员:刘兴高,赵世强,李捍华,谢运旺,张泽银,徐志鹏,
申请(专利权)人:浙江大学,
类型:发明
国别省市:浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。