基于机器学习的刮板输送机中部槽磨损预测方法

作者：杨俊叶; 申冰^*

来源：煤炭技术, 2023, 42(04): 205-208.

DOI：10.13301/j.cnki.ct.2023.04.046

• 刮板输送机
• 中部槽
• PSO-CNN
• 磨损预测

针对传统刮板输送机中部槽磨损预测方法较为复杂、预测准确率低等问题，结合机器学习理论，提出了一种基于PSO-CNN的刮板输送机中部槽磨损预测方法。通过对中部槽样本数据的处理，构建适用于磨损预测的卷积神经网络（CNN）结构，利用粒子群算法（PSO）对CNN的权值进行评估寻优，避免网络陷入局部最优。实验结果表明：PSO-CNN模型在多种评价指标上均有良好的表现，泛化能力强，性能较为突出；PSO-CNN预测值与试验值的变化曲线贴合度较为一致，预测准确率高，满足实际需求。

• 单位
  石家庄理工职业学院