[发明专利]一种基于BP神经网络的破碎机刀具磨损程度判断方法

权利要求书

1.一种基于BP神经网络的破碎机刀具磨损程度判断方法，其特征在于，包括如下步骤：

S1：基于遗传算法对BP神经网络优化网络结构、网络初始权值与阈值；

S2：训练所述BP神经网络，计算模型误差；

S3：更新所述网络初始权值与所述阈值；

S4：判断是否满足模型精度，若是，计算状态变量的平均影响值MIV，作为相关性评价指标；

S5：将破碎机的状态变量作为输入变量，破碎机刀具的磨损程度作为输出变量，确定所述输入变量对所述输出变量的正负相关性及影响大小，根据筛选出的指标参数判断所述破碎机刀具的磨损程度。

2.根据权利要求1所述的基于BP神经网络的破碎机刀具磨损程度的判断方法，其特征在于，其中，所述步骤S1包括如下步骤：

S11：优化隐含层神经元个数,包括对隐含层神经元个数进行染色体编码；

S12:设置种群规模，计算种群的适应度函数的值，所述适应度函数由网络复杂度和网络误差组成，所述网络误差的计算进入第二次遗传算法优化；

S13:选择操作从种群中选择适应度好的个体组成新种群；

S14:交叉操作从种群中选择两个个体，按一定概率交叉得到新个体；

S15:变异操作从种群中随机选择一个个体，按一定概率变异得到新个体；

S16：计算种群的适应度值，判断是否满足结束条件；若是，则返回最优隐含层神经元个数、所述网络初始权值与所述阈值；若否，则返回步骤S13。

3.根据权利要求2所述的基于BP神经网络的破碎机刀具磨损程度判断方法，其特征在于，所述步骤S12包括如下步骤：

S121：对所述网络初始权值与所述阈值进行染色体编码；

S122：向网络输入训练数据，并对训练数据进行预处理；

S123：计算种群的适应度函数值，定义适应度函数为网络误差；

S124：选择操作从种群中选择适应度好的个体组成新种群；

S125：交叉操作从种群中选择两个个体，按一定概率交叉得到新个体；

S126：变异操作从种群中随机选择一个个体，按一定概率变异得到新个体；

S127：计算种群的适应度值，判断是否满足结束条件；若是，则返回模型误差；若否，则返回步骤S124。

4.根据权利要求2所述的基于BP神经网络的破碎机刀具磨损程度判断方法，其特征在于，步骤S12中所述适应度函数由网络复杂度和网络误差组成，网络误差的计算进入第二次遗传算法优化；所述适应度函数为

上式中，α和β为权系数；Neuron_Num为待优化求解的隐含层神经元个数；max{Neuron_Num}为隐含层神经元个数最大值；N为训练样本数；Y_i为网络预测输出向量，即预测的刀具磨损程度；O_i为网络期望输出向量，即期望的刀具磨损程度。

5.根据权利要求3所述的基于BP神经网络的破碎机刀具磨损程度判断方法，其特征在于，

所述步骤S123中，所述适应度函数为

其中，N为训练样本数；Y_i为网络预测输出向量；O_i为网络期望输出向量。

6.根据权利要求3所述的基于BP神经网络的破碎机刀具磨损程度判断方法，其特征在于，

所述步骤S12中，由于所述适应度函数值越小表示种群越好，所以在个体选择前对适应度函数值取倒数。

7.根据权利要求2所述的基于BP神经网络的破碎机刀具磨损程度判断方法，其特征在于，

所述步骤S13中，选择操作采用轮盘赌法从种群中选择适应度好的个体组成新种群。

8.根据权利要求3所述的基于BP神经网络的破碎机刀具磨损程度判断方法，其特征在于，

所述步骤S123中，由于所述适应度函数值越小表示种群越好，所以在个体选择前对适应度函数值取倒数。