关键词：掘进机 截齿磨损 振动信号 声发射信号 pnn神经网络 

摘要：针对掘进机截齿磨损在线识别问题,提出一种基于PNN神经网络的截齿磨损程度多特征信号识别方法,提取不同磨损程度的截齿在截割过程中的振动和声发射特征信号,分别分析振动加速度、声发射信号峰值以及2种特征信号频域图的均方根这4个特征参数,获取振动信号、声发射信号与不同磨损程度截齿的变化规律。建立5种不同磨损程度截齿的多特征信号样本数据库,采用多特征信号样本对PNN神经网络进行学习和训练,建立截齿磨损程度的识别模型,实现截齿磨损程度的精确识别。结果表明:基于PNN神经网络的截齿预测磨损状态识别模型识别精度较高,识别准确率和预测准确率约为93.3%和95.0%,与BP神经网络方法相比分别提高了3.3%和15.0%。因此该神经网络具有良好的可靠性与精确性。

煤炭科学技术杂志要求:

{1}作者的姓名、电子信箱、手机号码、传真号码、具体通讯地址及邮政编码。

{2}译稿在本刊须首发，并附原文及原作者的授权证明，由投稿人自行解决版权问题。

{3}题名一般使用能充分反映论文主题内容的短语，不用标点符号。一般不设副题名，确有必要时，用冒号将副题名与主题名分开。

{4}文稿中摘编或引用他人作品，请注明原作者姓名、作品名称及其来源，在参考文献中列出。

{5}文稿需附加中、英文摘要和关键词。中文摘要一般不超过400 字，关键词5～8 个，中、英文需对应。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社