目前,国家对于煤炭行业的发展可谓是日新月异,煤炭机械作为煤炭开采必不可少的工具也日益受到重视,掘进和回采更是煤矿生产的重要生产关键环节,纵轴式掘进机在掘进中扮演着重要角色,破岩掘进截割系统是掘进机中至关重要的部件,其健康状态将直接影响到设备的掘进效率、整体性能。同时,在这个信息化飞速发展的时代,研究以数据为基础的掘进截割系统在役健康状态检测有助于提高其自身的安全性、可靠性及有效性,降低施工成本,保证施工安全,并能满足高效、便捷、精准、持续保障的要求。具体研究如下:本文以盘刀掘进截割系统为研究对象,根据研究对象关键部件搭建了盘刀掘进截割系统的实验平台,采用了改进灰色聚类分析建立健康评估模型,并应用了健康度进行设备健康状态打分,而且应用GA-BP神经网络预测模型对盘刀掘进截割系统进行健康等级预测,最后,根据实验平台试验数据验证了该方法的有效性,本文主要研究内容如下:首先,搭建了掘进系统健康监测实验平台。介绍实验所需硬件及盘刀掘进监测系统,同时对硬件设刀盘进行了简要的力学分析。介绍了实验方案、操作顺序及注意事项,最后为了获取特征信息,采用相关计算公式及数据清洗技术对数据进行预处理,为下文健康状态及健康等级预测分析提供所需数据。其次,依据掘进系统的组成结构及掘进参数对掘进系统的影响选取健康评价参数,分析监测指标数据对设备健康状态影响,构建健康评价模型,设立指标的健康值及警戒值,对设备健康等级进行划分;进而建立起融合上、下测度及典型测度白化权函数建立灰色聚类模型和组合赋权法建立实时健康状态评估模型,主要采用熵权法及层次分析法结合方式确定权重,利用改进灰色聚类法计算掘进系统的健康状态进行综合评价,并采用实验的方式进行验证,并利用实验平台采集的数据进行验证,其方法有效。最后创建破岩掘进截割系统健康等级预测模型。主要介绍BP神经网络的原理及如何选取BP网络结构设计、网络参数设定。建立完模型后选取数据样本进行模型验证等。将不同预测模型预测好的数据进行对比分析,以误差分析、预测准确性等方面进行对比,同时将预测健康等级数据与灰色健康评估等级进行对比分析得出准确度的优良,最后得出GA-BP神经网络模型在破岩掘进系统健康状态预测上效果更好,性能更强。该论文有图60幅,表29个,参考文献74篇。