[发明专利]一种基于BP神经网络的给煤机偏差监测方法及系统

权利要求书

1.一种基于BP神经网络的给煤机偏差监测方法，其特征在于，包括以下步骤：

S1、获取给煤机的每个煤种的给煤数据，所述给煤数据包括给煤机在稳态状态及偏差状态的数据；

S2、基于给煤数据计算稳态状态及偏差状态的给煤机的对应煤种的给煤率；

S3、获取稳态状态及偏差状态的磨煤机的磨电流及每个煤种的煤质系数作为约束数据；

S3、在监测平台上构建BP神经网络模型，将S1中每个煤种的给煤数据、S2中对应煤种的给煤率及S3中约束数据作为训练集、并传送到BP神经网络模型，对其优化并测试，得到最优的BP神经网络模型；

S4、获取当前的煤种类型，实时采集当前煤种对应的给煤机的给煤数据、磨煤机的磨电流及煤质系数，将所有数据传输给最优的BP神经网络模型得到精确给煤率，监测平台根据当前给煤数据计算真实给煤率，监测平台基于精确给煤率及真实给煤率判断给煤机是否偏差，是则输出给煤机的偏差警告及偏差原因提示，否则循环监测。

2.如权利要求1所述的一种基于BP神经网络的给煤机偏差监测方法，其特征在于：所述给煤数据包括给煤机的电机转速、皮带的转速系数、皮带两侧的称重传感器重量系数及总煤量。

3.如权利要求2所述的一种基于BP神经网络的给煤机偏差监测方法，其特征在于，所述步骤S2及S4中真实给煤率的计算公式具体为：

其中，Q(s)为给煤机的对应煤种的真实给煤率，V(s)为给煤机的电机转速，K为对应煤种的调整系数，R为皮带的转速系数，G1及G2为皮带两侧的称重传感器重量系数，S为拉普拉斯算子。

4.如权利要求3所述的一种基于BP神经网络的给煤机偏差监测方法，其特征在于：所述步骤S3中的BP神经网络模型包括三层神经网络，分别为输入层、隐含层及输出层，所述输入层包含3个神经元，所述隐含层包含3个神经元，所述输出层包含1个神经元；所述输入层分别输入给煤机的电机转速、磨煤机的磨电流及煤质系数。

5.如权利要求4所述的一种基于BP神经网络的给煤机偏差监测方法，其特征在于：所述隐含层还包括激励函数，所述激励函数为sigmod激励函数f(x)，具体为：

6.如权利要求5所述的一种基于BP神经网络的给煤机偏差监测方法，其特征在于，所述步骤S4具体为：

S41、监控平台获取当前的煤种类型，并实时采集当前给煤机的给煤数据、磨煤机的磨电流及煤质系数；

S42、BP神经网络模型基于S41采集到的数据获得当前给煤机的真实给煤率；

S43、监控平台将精确给煤率与当前给煤机的真实给煤率进行对比，得到包含两者是否相同及差值的对比结果；

S44、预设偏差阈值，监控平台判断对比结果是否超过偏差阈值，是则判断当前给煤机发生偏差，否则返回S41并循环监测；

S45、当前给煤机判断发生偏差，监控平台获取与该给煤机具有相同煤种类型及无偏差预警的相邻给煤机，获取相邻给煤机的真实给煤率及电机转速，基于两给煤机的真实给煤率及电机转速进行对比，得到偏差原因；

S46、监控平台输出给煤机的偏差警告及偏差原因提示，若无法判断偏差原因，则关闭当前给煤机的工作。

7.如权利要求6所述的一种基于BP神经网络的给煤机偏差监测方法，其特征在于：所述监控平台基于当前给煤机及相邻给煤机两机的电机转速及真实给煤率进行对比，得到当前给煤机的偏差原因提示，具体包括：

当真实给煤率下降，电机转速上升，偏差原因提示断煤、有煤开关卡塞；

当真实给煤率相同，电机转速下降，偏差原因提示皮带托辊断裂或塌陷、称重传感器异常、给煤机的测量系统飘移或控制系统异常；

当真实给煤率相同，电机转速上升，偏差原因提示皮带张力过大、与称重传感器配合的称重托辊移位偏离水平、给煤机的测量系统飘移或控制系统异常；

当真实给煤率相同，电机转速飘移，偏差原因提示给煤机的变频器或控制系统异常。