科研之友
微信
新浪微博
Facebook
分享链接
摘要
为有效解决露天矿中卡车的故障预测问题，提出了一种基于改进灰狼算法的BP神经网络模型，并成功应用于预测露天矿卡车故障次数和故障持续时间。首先，针对传统灰狼算法的不足，引入了新的非线性更新机制和基于线性插值的种群更新机制，提出了融合多策略的改进灰狼优化算法。其次，将IGWO应用于BP神经网络的权值和阈值搜索中，形成了基于IGWO的BP神经网络模型(IGWO-BPNN)。最后，以宝日希勒露天煤矿卡车故障数据为例，成功将该模型应用于卡车故障预测研究。结果表明，在相同实验条件下，与其他算法相比，IGWO-BPNN具有更高的模型预测性能和分类精度，可帮助露天矿山科学制定卡车预防性检修计划，并为智慧露天矿山建设提供科学有效的基础决策数据。
- 单位
