姜 磊，叶圣超，李飞龙

1浙江工业职业技术学院 浙江绍兴 312000 2北京信息科技大学 北京 100101 3中矿龙科能源科技股份有限公司 北京 101300

采煤机是煤矿生产机械化的重要设备之一，一旦出现故障则会使整个采煤工作中断，造成巨大的经济损失。由于社会需求量不断增大，煤矿开采量也随之加大，导致采煤机长期处于超负荷工作状态，加之恶劣的作业环境，采煤机电动机便会出现绝缘性能降低、轴承损坏、电动机烧坏等故障问题[1]。采煤机电动机故障不但会影响采煤效率，增加开采成本，而且对工作人员的人身安全构成威胁；因此，对采煤机电动机进行及时有效的故障诊断具有重要意义。

针对采煤机及其电动机故障诊断的相关课题，国内外学者开展了大量、深入的研究。早在 70 年代，我国就有用铁谱技术对采煤机滚动轴承故障问题进行状态监测与诊断的应用研究[2]。针对采煤机故障现象，相关学者采用模块化神经网络和小波变换等方法开发了采煤机故障智能专家系统[3-4]。谢国民等人[5]针对采煤机电动机中常见的滚动轴承故障，在对采煤机机械故障信号进行深入分析的基础上，提出一种基于正交小波的采煤机电动机故障诊断方法来判断故障部位及类型。吴立泉等人[6]通过将粒子群优化算法 PSO和模拟退火算法 SA 相结合，准确地对异步电动机的6 个等效参数进行辨识，有效地对电动机参数进行辨识及跟踪电阻的变化。

笔者在研究 BP 算法原理及其存在缺陷的基础上，提出了一种用于电动机故障诊断的 PSO-BP 神经网络算法，以实现对采煤机运行状态的实时监测。……