基于小波包与SOM神经网络的截齿磨损状态识别
张强
顾颉颖
刘峻铭
刘志恒
田莹
1.辽宁工程技术大学机械工程学院,辽宁阜新,1230002.辽宁工程技术大学机械工程学院,辽宁阜新,1230003.辽宁工程技术大学机械工程学院,辽宁阜新,1230004.辽宁工程技术大学机械工程学院,辽宁阜新,1230005.辽宁工程技术大学机械工程学院,辽宁阜新,123000
摘要：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.
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
分类号：TD421.6(矿山机械)
资助基金：国家自然科学基金(51504121)国家自然科学基金(51774161)辽宁省自然科学基金(201602362)
论文发表日期：2018-01-01
在线出版日期：2025-08-15（本平台首次上网日期，不代表文献的发表时间）
页数：7( 2077-2083 )
英文信息