期刊订阅
广告服务
  • 中文
    EN
  • ISSN:0253-9993
  • CN: 11-2190/TD

《煤炭学报》

当前位置:首页 > 论文管理 > 基于小波包与SOM神经网络的截齿磨损状态识别

基于小波包与SOM神经网络的截齿磨损状态识别

DOI:

10. 13225 / j. cnki. jccs. 2017. 1213

作者(Author):

  • 张强
  • 顾颉颖
  • 刘峻铭
  • 刘志恒
  • 田莹

作者单位:

  • 辽宁工程技术大学机械工程学院

关键词:

  • 采煤机
  • 截齿磨损
  • 声发射信号
  • 小波包分解
  • SOM神经网络
  • 识别
  • 摘要
  • 论文图表
  • 相关文章
  • 引用格式

为实现采煤机截割过程中截齿磨损状态的实时在线监测,采用声发射传感器对不同磨损程度截齿截割时的声发射信号进行采集,采用小波包分析方法分析声发射信号不同频带能量的变化规律,建立能量值的样本空间,构建基于SOM神经网络的截齿磨损识别模型,实现对截齿不同磨损状态的在线监测。通过随机测试实验对截齿磨损状态识别模型进行验证,结果表明,基于小波包分析与SOM神经网络的截齿预测磨损状态识别模型识别精度较高,测试样本识别精度约95%。研究结果为准确识别截齿的磨损状态、提高采煤机的工作效率提供一种重要的技术手段。

暂无内容
  • 地址:北京市朝阳区和平街13区煤炭大厦

  • 邮编:100013

  • 编辑部电话:(010)87986411

  • 传真:(010)84262114