[1]周鹏 孙晓繁 白晓天 何恩光.基于BP神经网络的全断面岩石隧道掘进机刀具系统故障预测研究[J].沈阳建筑大学学报(自科版),2021,(6):1133-1139.[doi:10.11717/j.issn:2095-1922.2021.06.21]
点击复制

基于BP神经网络的全断面岩石隧道掘进机刀具系统故障预测研究()
分享到:

《沈阳建筑大学学报(自科版)》[ISSN:1006-6977/CN:61-1281/TN]

卷:
期数:
2021年第6期
页码:
1133-1139
栏目:
机械工程
出版日期:
2021-11-30

文章信息/Info

作者:
周鹏 孙晓繁 白晓天 何恩光
关键词:
TBM动力学特性神经网络故障预测
DOI:
10.11717/j.issn:2095-1922.2021.06.21
摘要:
目的 研究滚刀故障机理并实现对全断面岩石隧道掘进机(Tunnel Boring Machine,TBM)刀具系统的故障预测,分析滚刀故障对系统驱动端参数的影响,提高刀盘掘进效率。方法 基于Adams软件建立驱动系统动力学模型并进行仿真分析;提出并建立具有5-12-5形式网络结构的TBM刀具系统故障预测BP神经网络模型;利用MATLAB软件对不同磨损程度的滚刀状态预测进行建模仿真;采用GA-BP算法对该模型实现优化。结果 滚刀磨损加剧后,刀盘推力平均增加2.3%,驱动扭矩平均增加8.4%,刀盘转速减小12.2%,掘进速度平均下降4.7%;应用GA-BP算法的神经网络诊断模型的诊断误差曲线相对平稳,模型训练的均方误差为0.000 342 16。结论 驱动设备参数与滚刀故障之间存在对应关系,各特征参数均受到不同程度影响;基于GA-BP算法的神经网络预测模型诊断误差最小,训练过程仅需40次迭代便可达到网络性能要求,收敛速度显著提高,可用于检测TBM刀具系统在不同磨损程度下的状态类型。
更新日期/Last Update: 2021-12-13