一种基于BP神经网络的露天矿旋回式破碎机故障诊断方法技术

本发明专利技术一种基于BP神经网络的露天矿旋回式破碎机故障诊断方法，以旋回式破碎机为故障诊断对象，以物联传感技术实时获取破碎机的状态参数，确定旋回破碎机故障类型及相应的故障特征参数，并对故障特征参数数据按照分布均匀性及有效性进行选取；然后运用BP神经网络作为故障诊断技术，以故障特征参数为BP神经网络输入，以故障类型为BP神经网络输出，利用BP神经网络学习故障类型与相对应的故障特征参数之间的非线性关系，训练旋回式破碎机故障诊断模型并通过隐含层个数进一步优化诊断模型，完成旋回式破碎机诊断模型的训练；最后通过训练完成的旋回式破碎机故障诊断模型对破碎机故障进行实时诊断分析，具有模型简单、实时性强、诊断迅速等优点。

A fault diagnosis method for Open-pit cyclonic crusher based on BP neural network

The invention relates to a pit cycle based on BP neural network fault diagnosis method in crusher, rotary crusher fault diagnosis object to IOT technology to obtain real-time state parameters of crushing machine, crusher to determine fault types and corresponding fault characteristic parameters, and the selection of fault feature parameters according to the data the distribution uniformity and validity; and then use the BP neural network as the fault diagnosis technology, the fault feature parameters as the input of BP neural network, BP neural network to fault type output, using BP neural network to learn the nonlinear relationship between the fault type and the fault feature parameters, training gyratory crusher fault diagnosis model and the number of hidden layer to further optimize the diagnosis model, complete the gyratory crusher diagnosis model training; finally through training complete rotation The fault diagnosis model of the back crusher is used to diagnose and analyze the fault of the crusher in real time. It has the advantages of simple model, strong real time and rapid diagnosis.

【技术实现步骤摘要】
一种基于BP神经网络的露天矿旋回式破碎机故障诊断方法
本专利技术属于矿业系统工程及矿山优化
，特别涉及一种基于BP神经网络的露天矿旋回式破碎机故障诊断模型的建立与应用。
技术介绍
我国矿山企业在矿产资源开发过程中，矿山破碎机是矿产资源开发中常用的机械设备之一，它的应用能够大大的提升矿产资源的开发效率和质量。但在其使用的过程中由于使用环境过于恶劣、开采强度高及维护工作不当等原因，都会引起破碎机的一系列故障，一旦出现故障会给企业带来不小的损失及安全问题，故障诊断不及时不但无法起到提高矿产资源开发效率的作用，反而还会增加企业的维护成本及停工损失，因此大型破碎机故障诊断问题一直是矿山企业亟待解决的问题。由于破碎机属于大型机械，设备结构机理复杂程度高，故障原因相对复杂，矿山企业对破碎机所利用诊断技术大多仍然以主观诊断技术为主，大多依赖人员的经验来解决问题，往往不能实现精确及快速诊断，对破碎机故障问题处理大多处于事后维修的状态，造成大量维修资源浪费的现象，因此引入物联传感技术与智能故障诊断技术实现以预防为主的故障诊断方式具有重要的意义。
技术实现思路
为了克服上述现有技术的缺点，本专利技术的目本文档来自技高网...

【技术保护点】
一种基于BP神经网络的露天矿旋回式破碎机故障诊断方法，其特征在于，包括如下步骤：(1)数据采集及选取数据采集是利用露天矿旋回式破碎机上布置的传感器实时获取原始故障数据，数据选取遵循开采强度多样性及时间多样性的原则，选取的目标是满足数据分布均匀性及有效性，以确保诊断模型训练结果的准确性；(2)旋回式破碎机故障诊断模型训练基于BP神经网络技术，首先对故障特征参数进行归一化处理，故障类型采用二进制编码方式处理；然后把故障特征参数作为网络输入，故障类型作为网络期望输出，再根据输入、输出的数据矩阵维度来确定网络输入层神经元个数n、输出层神经元个数l，而隐含层神经元个数通过先设定一个初始值来进行训练；最后...

【技术特征摘要】
1.一种基于BP神经网络的露天矿旋回式破碎机故障诊断方法，其特征在于，包括如下步骤：(1)数据采集及选取数据采集是利用露天矿旋回式破碎机上布置的传感器实时获取原始故障数据，数据选取遵循开采强度多样性及时间多样性的原则，选取的目标是满足数据分布均匀性及有效性，以确保诊断模型训练结果的准确性；(2)旋回式破碎机故障诊断模型训练基于BP神经网络技术，首先对故障特征参数进行归一化处理，故障类型采用二进制编码方式处理；然后把故障特征参数作为网络输入，故障类型作为网络期望输出，再根据输入、输出的数据矩阵维度来确定网络输入层神经元个数n、输出层神经元个数l，而隐含层神经元个数通过先设定一个初始值来进行训练；最后设定网络训练参数，训练后计算出均方误差，若其小于期望误差，训练完成，否则，重新训练；(3)旋回式破碎机故障诊断模型优化通过确定隐含层神经元个数来进行模型优化，隐含层神经元个数的确定主要采用试凑法，设隐含层神经元个数为m，在网络训练参数不变的前提下，参照三个经验公式，得出隐含层神经元个数大概范围，在隐含层个数范围内，设定神经元个数初始值开始训练，训练后计算perf，并对比所有隐含层神经元个数情况下的perf大小，确定均方误差最小情况下所对应的神经元个数为隐含层神经元个数，完成模型优化；(4)旋回式破碎机故障诊断模型诊断测试以优化后的诊断模型为基础，在选取后的故障原始数据中再选一组数据作为故障测试数据，然后...

【专利技术属性】
技术研发人员：顾清华，卢才武，田晶晶，杨震，聂兴信，白晓平，阮顺领，王甜甜，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西,61