基于多尺度均方根-BP神经网络的采煤机摇臂齿轮故障诊断

The fault diagnosis of shearer rocker based on multi-scale RMS and BP neural network

采煤机摇臂齿轮箱是采煤机故障高发区,对其进行故障诊断研究可减少事故发生率,提高采煤机可靠性。本文分析了采煤机摇臂工作特点,提出多尺度均方根(Multi Scale Root Mean Square,MSRMS)结合BP(back-Propagation)神经网络的齿轮故障识别方法。对四种不同故障类型的齿轮振动信号进行处理,得到20个尺度的均方根值,并将其作为BP神经网络的输入向量进行齿轮故障识别。实验结果证明所提出的多尺度均方根-BP神经网络方法可以准确区分齿轮故障,对四种不同状态齿轮识别率可达到85%以上,尤其磨损齿轮识别率达到95%,是一种非常有效的齿轮故障识别方法。