提升机现场数据的载荷预测模型研究

郑 彤，杨兆建，杨 波

（1.太原理工大学机械工程学院，山西 太原 030024；2.煤矿综采装备山西省重点实验室，山西 太原 030024）

1 引言

矿井提升系统是连接煤矿井下和井上的重大固定设备之一，其动力学特性和提升能力是煤矿生产的重要影响因素[1]。随着煤矿资源的开采和科学技术提高，对提升机也提出了更高的要求。为了保证提升机运行过程的稳定性和安全性，提升机的载荷测量就显得尤为重要。目前，人工神经网络（Artificial Neural Network）在载荷识别领域表现不俗，并且广泛应用于故障诊断、数字识别、以及载荷参数识别等领域[2]。

文献[3]针对水电厂房结构的震动响应使用LM 优化的BP 神经网络进行动态识别。文献[4]采用GA 的BP 模型成功的以较高的精度识别了飞行载荷。文献[5]运用递归神经网络算法对直流电机的负载进行了分析并与之前的文献所述方法进行了对比。文献[6]使用神经网络来识别钢丝绳载荷模型。同时也有许多学者针对提升机的载荷辨识进行了研究。文献[7]建立了矿井提升系统的动力学模型，通过模态分析方法计算得出系统的动态特性参数，并讨论了不同工况下的动载响应特性。文献[8]从仿真角度分析了速度曲线下各种典型载荷的运行特性和载荷特性之间的关系。以某矿副立井JKM-2.8×6（I）A 型井塔式多绳摩擦式提升机为研究对象，应用多种神经网络模型进行训练和载荷预测，并且进行了对比。

2 神经网络结构

BP（Back Progagation）神经网络是目前应用最广泛的神经网络之一[9]。三层BP 网络的拓扑结构，如图1 所示。……