APP下载

基于最小二乘法及BP神经网络的盾构故障预测

2013-06-18陈国忠邢东杰

建筑机械化 2013年4期
关键词:故障模型

陈国忠,邢东杰

CHEN Guo-zhong,XING Dong-jie

(广东华隧建设股份有限公司,广东 广州 510635)

机械故障的预测是机械故障诊断技术的重要组成部分,通过预测可以保障机械设备长期安全、稳定、满负荷运行。参数跟踪法是目前机械故障预测中经常采用的方法,该方法首先保存机械运行时特征参数的历史数据,并利用其预测机械的发展趋势,来了解机械的未来运行情况。盾构是一个复杂的系统,在其运行过程中经常会出现一些复杂多变的情况,在预测可能出现的问题时采用单一的模型不能全面客观的预测出系统的运行状况,因此,需要选用其他的预测模型来反映机器的运行,采用最小二乘拟合法是一种较理想的优化方案,这种方法能利用提供的信息计算出一条直线,或者曲线,使得线上的数据与原始数据间的距离平方和达到最小。该曲线可以较好的表达出时间序列变化的走势,但是如果出现时间序列变化平缓,以及完全非线性的系统,则不能很好解决。同时,神经网络由于具有学习功能,且能很好地解决非线性系统的问题,这样,可以弥补最小二乘法的不足,将这二者结合起来,可以充分利用二者的优点,对盾构未来运行状态进行预测,同时,将其与单一的BP 神经网络的预测结果进行比较。

1 故障预测常用方法种类及特点

常用的故障检测方法有曲线拟合、时间序列模型、卡尔曼滤波、灰色预测、人工神经网络。

1)曲线拟合法 本方法简单实用,好理解,较多地应用在监控机械装置的系统,缺点是预测误差结果比较大[1]。……

登录APP查看全文

猜你喜欢

故障模型
一半模型
重尾非线性自回归模型自加权M-估计的渐近分布
故障一点通
3D打印中的模型分割与打包
奔驰R320车ABS、ESP故障灯异常点亮
FLUKA几何模型到CAD几何模型转换方法初步研究
故障一点通
故障一点通
故障一点通
江淮车故障3例