-
题名基于FDD模型的掘进机截割减速器油液状态评估研究
- 1
-
-
作者
秦彦凯
尚超
权钰云
关重阳
刘国鹏
石冠男
-
机构
清华大学自动化系
中国煤炭科工集团太原研究院有限公司
山西天地煤机装备有限公司
太原理工大学机械与运载工程学院
太原科技大学电子信息工程学院
-
出处
《煤炭工程》
北大核心
2024年第5期152-159,共8页
-
基金
山西省基础研究计划资助项目(20210302124680)
山西省重点研发计划资助项目(202202020101005)
山西天地煤机装备有限公司科技重大项目(M2023-ZD12)。
-
文摘
掘进机截割减速器的可靠运行与润滑油状态息息相关,为合理评估油液状态,依据粘度、水分、颗粒数三种油液指标,提出了一种基于模糊深度学习模型(FDD)的油液状态评估方法。首先,按照单个指标将油液状态划分为四个等级,根据模糊综合评估法进行模糊评估;其次,将各指标数据进行归一化处理,作为深度神经网络的输入,再运用ReLU激活函数对网络进行激活,得到一个过拟合的神经网络;然后利用Dropout层特性,降低网络拟合程度,同时使用遗传算法对模型中的超参进行优化。最后,使用仿真数据对模型进行训练,并利用实际数据对模型进行验证。结果表明,该方法对油液状态的平均预测精度达到97%,数据损失0.0018,解决了由于多指标信息不一致导致油液状态表征困难及数据较少情况下神经网络训练困难的问题。
-
关键词
油液监测
截割减速器
fdd模型
模糊评估
遗传算法
深度学习
-
Keywords
oil monitoring
cutting reducer
fdd model
fuzzy assessment
genetic algorithms
deep learning
-
分类号
TD421
[矿业工程—矿山机电]
-
