基于改進PSO-PNN的大螺旋鉆機故障診斷系統研究

祝 釗，曹 鵬

(1.煤炭科學研究總院，北京 100013；2.中煤科工集團沈陽研究院有限公司，遼寧 撫順 113122；3.煤礦安全技術國家重點實驗室，遼寧 撫順 113122)

大螺旋鉆機主要應用于松軟低透氣性等地質異常帶煤層為主采煤層的礦井瓦斯抽采鉆孔施工，具有鉆進速度快、鉆孔直徑大、成孔率高等優點[1-3]。大螺旋鉆機的旋轉鉆進機構，在井下復雜環境下長時間運行易發生機械故障，當設備發生故障時，不僅維修難度大，影響鉆場施工進度，甚至可能引發安全事故。因此大螺旋鉆機安全穩定運行是礦井鉆場安全生產與施工的關鍵，對大螺旋鉆機進行故障識別技術研究具有重要的現實意義。

目前，國內常采用PNN對大螺旋鉆機進行故障診斷，而PNN識別準確率與平滑因子的選取有直接關系，通過經驗法或常規優化算法選取的局部較優平滑因子經常導致PNN故障診斷準確率較低[4-8]。本文提出將改進PSO與概率神經網絡相結合，通過算法限制PSO慣性因子與學習因子變化趨勢，間接實現粒子速度由大到小的調整，防止其發生早熟現象，利用基準函數測試改進后算法性能，證明改進PSO算法的優越性。通過改進PSO對PNN最優平滑因子進行全局搜索，得到最優平滑因子并加載到PNN，利用故障樣本數據進行測試，結果表明所得最優平滑因子可提高PNN對大螺旋鉆機故障診斷的準確率。

1 PSO算法改進

1.1 標準PSO算法

PSO是一種基于隨機優化技術的全局尋優算法，具有實現簡單，收斂速度快，精度高，環境適應性強等優點，受到學術界高度關注[9，10]?！?br>