文章目录

1 故障诊断模型

1.1 特征提取

    1.1.1 低秩鉴别投影算法

    1.1.2 低秩鉴别投影算法步骤

1.2 ART神经网络学习算法改进

1.3 改进ART神经网络的建立

2 验证性实验

3 结论

文章摘要:研究基于机器学习算法的煤矿汽车机械设备故障诊断模型,提升故障诊断抗干扰能力,有效保障煤矿汽车机械设备安全稳定运行。采用判别结构描述功能较强、拥有全局资源描述功能的、基于低秩鉴别投影的特征提取算法,提取衡量煤矿汽车机械设备故障时域特征和时频特征的最优投影矩阵的列向量;设计了墨西哥草帽函数改进ART神经网络学习算法,并逐渐削弱幂函数,改善收敛、聚类效果,将最优投影矩阵的列向量作为改进ART神经网络的输入,经过两阶段学习训练后,实现了对煤矿机械设备的故障诊断。实验结果也验证了该模型的泛化错误少、识别率可达96%,故障诊断精度高且拥有较好的抗噪声能力。

文章关键词:

论文DOI:10.19389/j.cnki.1003-0506.2021.10.042

论文分类号:TD407;TP181