[發明專利]一種基于BP神經網絡的破碎機刀具磨損程度判斷方法

在審

• 申請號: 202010068257.6
• 申請日: 2020-01-21
• 公開（公告）號: CN111291518A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 蘇旭;孫云云;韓濱旭
• 申請（專利權）人: 上海電氣集團股份有限公司
• 主分類號: G06F30/27
• 分類號: G06F30/27;G06N3/04;G06N3/08;G05B19/4065;B02C25/00
• 代理公司: 上海申新律師事務所 31272
• 代理人: 吳軼淳

本發明公開了一種基于BP神經網絡的破碎機刀具磨損程度判斷方法，包括如下步驟：S1：基于遺傳算法對BP神經網絡優化網絡結構、網絡初始權值與閾值；S2：訓練BP神經網絡，計算模型誤差；S3：更新網絡權值與閾值；S4：判斷是否滿足模型精度，若是，計算狀態變量的平均影響值MIV，作為相關性評價指標；S5：將破碎機的狀態變量作為輸入變量，破碎機刀具的磨損程度作為輸出變量，確定輸入變量對輸出變量的正負相關性及影響大小，根據篩選出的指標參數判斷破碎機刀具的磨損程度。本發明的一種基于BP神經網絡的破碎機刀具磨損程度判斷方法操作簡便、縮短了檢測的時間、提高了檢測精度。

技術領域

本發明屬于設備檢測技術領域，特別涉及一種基于BP神經網絡的破碎機刀具磨損程度判斷方法。

背景技術

隨著危險廢物處置量的大幅提升以及環保督查的日趨嚴格，危險廢物處置企業需要對危險廢物采取無害化、減量化、資源化的集中處理。危險廢物水泥窯焚燒處置技術是現階段危險廢物處置最徹底的技術之一，通過將危險廢物送入水泥窯焚燒處理，能夠實現危險廢物焚燒處置與水泥行業的節能減排。

危險廢物水泥窯焚燒處置技術主要包含兩部分，一是預處理環節：根據危險廢物的不同種類，采取不同的預處理方式將其調配到容易輸送且能滿足水泥窯處理的需要；二是上窯環節：根據預處理后危險廢物的形態及物化性能選擇進入生產系統的合理方式與技術設備。在預處理環節，危險廢物的破碎工作由破碎機完成。破碎機通過刀具的剪切、撕裂和擠壓作用減小危險廢物的物料尺寸。根據已有生產經驗，危險廢物破碎到較小尺寸有利于提高上窯環節的處置效率。然而，破碎機在工作過程中會不可避免地遇到不可破碎危險廢物或高腐蝕性危險廢物。一旦有不可破碎危險廢物進入破碎機，破碎機刀具會發生反轉，反轉次數達到設定值后設備需要停機將不可破碎危險廢物就地排出。頻繁的反轉操作會對刀具造成磨損，影響危險廢物的破碎，加上更換刀具的成本費用很高，因此有必要對破碎機刀具的磨損程度進行判斷，及時采取維護措施提高刀具的使用壽命。破碎機刀具的磨損狀態受到危險廢物形態及物化性能的直接影響，通過監測與破碎機刀具相關的狀態變量，能夠間接地獲得危險廢物對刀具的影響大小，進而對刀具的磨損程度進行判斷。但是，破碎機的狀態變量眾多，如果在判斷破碎機刀具磨損程度時對所有變量進行監測將消耗大量成本，部分變量對于判斷刀具磨損程度可能根本沒有參考價值。因此，有必要對可能影響刀具磨損程度的所有變量進行分析，篩選出相關性較高的狀態變量。根據這些狀態變量的變化對刀具磨損程度進行判斷，及時采取相應的修復操作。狀態變量的篩選可以看作是與刀具磨損程度的相關性分析過程，多個狀態變量為輸入變量，刀具磨損程度為輸出變量。要篩選出相關性較高的狀態變量，需要構建一個相關性分析模型，得到每個輸入變量對輸出變量的影響大小，根據影響數值對輸入變量排序并完成篩選。反向傳播(Back Propagation,BP)神經網絡可以用于多個輸入變量與輸出變量之間的相關性分析，對于變量之間的非線性關系能夠做到很好的模擬，反映出的破碎機刀具變量關系更接近于現實。BP神經網絡是模仿人的大腦構建的仿真模型，由神經元和神經元的連接構成神經網絡，如圖1所示為神經網絡結構。BP神經網絡具有輸入層、隱含層、輸出層三個部分。輸入層有n個神經元，每個神經元對應一個輸入變量x_i(i＝1,2,…,n)，輸入變量的值也稱為網絡輸入。隱含層層數可能包含一層，也可能包含多層。圖1給出的神經網絡包含一層隱含層，隱含層有m個神經元，每個神經元對應一個隱含層輸出變量y_j(j＝1,2,…,m)。輸出層因應用目的不同可以有多個輸出神經元，也可以只有一個輸出神經元。在圖1中輸出層有l個神經元，每個神經元對應一個輸出變量o_k(k＝1,2,…,l)。v_ij和w_jk分別是輸入層到隱含層和隱含層到輸出層的網絡權值，每個神經元在接收輸入信息時將輸入數據與權值相乘之后計算，然后向下一層神經元輸出。

專利“刀具磨損狀態監控方法及設備”(公開號CN108857577A)：該發明提供了一種銑刀刀具磨損狀態監控方法及設備，對采集到的主軸電流信號進行小波包分析，得到反映刀具磨損狀態的高頻部分信號，最后通過回歸算法或BP神經網絡對磨損狀態進行判斷。