采煤机是煤矿综采工作面的关键设备,由于煤层结构复杂,导致截割载荷复杂多变,并且截割载荷难以直接测量。因此,针对采煤机截割载荷难以直接检测的难题,研究了采煤机交流异步电机的机械特性,并提出了一种基于软测量建模技术的截割载荷预测方法。通过分析采煤机交流异步电机的机械特性,得出截割载荷与截割电机的转速、电流之间存在非线性关系,运用软测量建模方法可以有效预测截割载荷。在此基础上,以截割电机的转速和电流作为输入变量,利用ELM神经网络的软测量建模方法,建立了采煤机截割载荷的软测量模型。

在进行建模时,还考虑了不同神经网络的效果。具体而言,分别运用了ELMBPRBF三种神经网络的软测量建模方法来预测采煤机电机的载荷情况,并以均方误差和相关系数作为预测评价指标。研究结果表明,ELM神经网络软测量建模方法在预测精度和预测速度方面均优于BP神经网络和RBF神经网络的建模方法。因此,采用ELM神经网络的软测量建模方法不仅可以准确、快速地预测采煤机的截割载荷,还能为采煤机的恒功率截割和牵引智能调速提供坚实的理论基础。

如果您对基于ELM神经网络的采煤机故障诊断方法感兴趣,可以查看相关研究。关于连续采煤机截割臂振动特性分析及载荷识别的详细信息,您可以点击这里了解更多。想进一步了解采煤机截割部结构优化的研究,可以参考此链接