基于LM-BP神经网络的制动器故障识别系统

详细信息    查看官网全文

• 论文作者：何常远 ; 马润梅
• 年：2017
• 作者机构：北京化工大学;
• 论文关键词：盘式制动器 ; BP神经网络 ; LM算法 ; 故障诊断
• 会议召开时间：2017-01-14
• 会议录名称：北京力学会第二十三届学术年会会议论文集
• 语种：中文
• 分类号：TH213.5;TP183
• 学会代码：BJLH
• 会议名称：北京力学会第二十三届学术年会
• 会议地点：中国北京
• 主办单位：北京力学会
• 学会名称：北京力学会
• 页数：6
• 文件大小：2219k
• 原文格式：D
• 会议级别：地方

摘要

门式起重机常用于室外装卸作业,其制动系统是货物运输过程减速停车的关键,对门式起重机的在线实时监测及故障诊断、识别十分重要。本文通过研究液压盘式制动器的故障种类,使用基于LM算法改进的BP神经网络作为系统框架,利用制动器故障状态数据进行网络训练,最后通过训练好的网络识别待测样本故障原因,结果与实际情况相符,表明使用LM-BP神经网络进行制动器故障识别快速、有效。

引文

1高隽.人工神经网络原理及仿真实例[J].2007.
    2王新刚,王起才,周岩,等.基于人工神经网络的大体积混凝土温度场预测[J].混凝土,2006(9):21-24.
    3冯敏.矿井提升机盘式制动器失效原因分析及解决方案研究[D].中南大学,2012.