针对综采工作面采煤机设备割煤过程中滚筒温度过高导致的电气故障的问题,基于模糊神经网络设计了一种故障预警方法。模糊逻辑能对故障症状与故障原因之间的模糊关系进行准确描述,对模糊性信息具有较强的表达能力,而神经网络则具有强大的学习和获取知识的能力,能够降低模糊逻辑依赖模糊规则的局限性,结合两者的优点,设计出了一种模糊逻辑的概率神经网络。为了提高该算法模块的实用性和准确性,通过对采煤机的滚筒温度进行采集与模糊化处理,然后利用.NET提供的机器学习库进行模型的比较和选择,训练出最优模型,实时的预测出设备状态。结果表明,通过该方法进行实时地监测滚筒温度能够提前诊断出采煤机即将发生跳电故障,因此,设计的故障预警方法可以应用于采煤机设备的故障预警分析与决策,降低综采设备的维护成本。

0 引言
1 算法原理
1.1 模糊逻辑
1.2 神经网络
1.3 模糊逻辑的概率神经网络
2 基于模糊逻辑和神经网络的采煤机跳电故障预警
2.1 数据预处理
2.2 模糊化
2.3 建立模糊规则
3 仿真验证
3.1 数据预处理
3.2 模型评估与最佳神经网络选择
3.3 神经网络的训练
3.4 预测集验证
4 结语