摘要： 为了提高矿用带式输送机故障诊断的准确率,针对传统的BP 神经网络故障诊断模型诊断精度较低、泛 化能力差、对初始权值和阈值敏感、容易产生过拟合等问题,提出了一种新的智能故障诊断模型。首先,采用主成分分 析法(PCA)对数据样本进行处理,以降低数据的噪声和维度;然后利用隐藏层经验公式确定BP 神经网络隐藏层神经 元个数选取范围,在此基础上采用穷举算法和粒子群算法(PSO)组成嵌套粒子群算法(NPSO)对BP 神经网络隐含层 神经元个数、权值和阈值进行全局寻优,最终构建了基于PCA-NPSO-BP 的智能故障诊断模型。基于实例,通过MATLAB 软件仿真测试的结果显示,PCA-NPSO-BP 故障诊断模型的诊断精度高于基于灰狼算法优化BP 神经网络和基于 遗传算法优化BP 神经网络的诊断模型。

关键词: 带式输送机　主成分分析法　嵌套粒子群算法　BP 神经网络　故障诊断