矿用提升机监测和故障诊断方法研究

为了矿井提升机的安全运行,研究了矿用提升机监测和故障诊断方法,分析了矿井提升机常见故障形式和事故类型,对其进行代码编制,以《煤矿安全规程》以及提升机常见机械故障形式的相关要求,研究了矿用提升机监测和故障诊断系统中所需要监测的主要参数,主要为主轴装置、减速器、电动机和制动系统的相关参数;采用集成神经网络的故障诊断方法以及串并联混合的形式对提升机集成神经网络的结构进行设计,设计了矿井提升机故障诊断的各层子网络结构。研究为矿用提升机监测和故障诊断系统的建立提供了理论基础。     

基于小波包与隐马尔可夫的矿井提升机主轴故障诊断

为解决当前矿井提升机主轴故障数据提取困难且诊断方法存在易受干扰、误差大、准确度低等缺点,设计了基于小波包与隐马尔可夫(HMM)的矿井提升机主轴故障诊断模型。该模型预先把主轴振动信号用小波包分解来获取小波包能量,再把高能量频带CEEMD分解,选取相关系数满足条件的IMF分量完成信号重构,通过重构信号来获得特征参数并构建特征向量,然后对每种故障完成HMM训练,构建HMM故障识别库,并把测试样本送入库中完成测试,从而测试模型的准确度。测试数据表明了基于小波包与HMM的故障诊断模型,准确度高、误差小、抗干扰能力强,比较适用于故障诊断。     

基于Windows CE的矿井提升机故障诊断专家系统设计

以ARM为平台开发了一套融合了状态机和神经网络的矿井提升机故障诊断专家系统,着重介绍了专家系统下的神经网络原理以及Windows CE操作系统下采集程序EVC编程的实现方法。系统具有监测提升机状态参数和数据处理等功能,能在状态机下完成一般故障报警,能根据BP神经网络对故障进行分类识别,并且提供了将数据传输到服务器大型故障诊断专家系统中的网络接口。     

基于FTA和SVM优化算法的矿井提升机故障诊断方法研究

通过对矿井提升机故障机理的研究,提出矿山设备信息的优势特征频率提取的方法,构造基于FTA-SVM优化算法的智能故障诊断模型,将其应用于矿井提升机工程实例中,并与人工诊断结果进行对比,同诊断结果基本一致,验证了该方法的可行性,从而解决了智能诊断方法中先验知识库匮乏的问题,也充分体现了基于FTA-SVM智能故障诊断方法的训练速度快、诊断精度高和自适应能力强等特点。     

基于一维卷积神经网络的提升机轴承故障诊断方法研究

针对当前矿井提升机普遍采用的定期预防检测维护中存在的问题,提出了基于一维卷积神经网络技术对提升机轴承故障进行诊断,对提升机发生的故障进行分类.首先采用滑动窗口重叠采样技术来完成数据的扩增,然后将数据作为一维卷积神经网络模型的输入,并利用卷积神经网络算法对振动信号进行提取与处理,最后试验验证表明该系统对轴承故障诊断具有较好的效果.     

基于小波神经网络的煤矿提升机轴承故障诊断

轴承故障严重地影响设备的使用寿命、效率及安全性。以某型煤矿提升机轴承为研究对象,采集煤矿提升机轴承实时数据,基于小波神经网络建立煤矿提升机轴承故障诊断模型,运用MATLAB对煤矿提升机小波神经网络模型进行数值计算,对煤矿提升机轴承故障进行诊断。诊断结果表明,不同运行时间下,煤矿提升机轴承振动信号不同;基于小波神经网络可以精确、高效对煤矿提升机轴承故障进行诊断。该研究为煤矿提升机轴承故障诊断、维修等方面提供理论依据。     

基于SOM网络的矿井提升机制动器可视化故障诊断

介绍了应用自组织特征映射(SOM)网络进行可视化故障诊断的方法,以矿井提升机的制动器为研究对象,建立制动器的可视化故障诊断模型,利用可视化工具对分类结果进行仿真和分析。结果表明,SOM网络可视化方法简单、形象直观,能够对故障模式进行准确识别,为矿井提升机的制动器故障诊断提供了一种新方法。     

基于灰色神经网络矿井提升机的故障诊断研究

矿井提升机是煤矿的重要设备,对其进行故障诊断是提高煤矿安全的主要手段,因此,将灰色神经网络应用于矿井提升机的故障诊断。分析了矿井提升机的常见故障;研究了灰色神经网络的理论模型,设计了基于灰色神经网络故障诊断的算法流程;进行了故障诊断仿真研究,仿真结果表明:灰色神经网络具有较高的故障诊断效率和精度。     

煤矿提升机故障智能诊断预报系统应用研究

根据专家系统、模糊理论和人工神经网络等人工智能技术，结合矿井提升机的技术特点和运行规程，提出了组合式智能诊断的新方法，利用模糊神经网络建立专家诊断知识库，开发了矿井提升机故障智能诊断预报系统，并在提升机的故障诊断中得到了应用．     

提升机系统性能测试及故障诊断

介绍了矿井提升机减速器的振动测试与故障诊断 ,对轴承及齿轮的特征频率采用时域与频域相结合的方法进行了分析 ,结论与实际情况相吻合。所得结论可以对矿井提升机故障的预防和维修工作提供理论依据     

时间序列符号化在矿用提升机故障诊断中的应用研究

为了能够对矿用提升机故障进行准确的诊断,采用时间序列符号法,分析了矿用提升机常见的故障和提升机的系统组成,然后构建了基于时间序列符号法的提升机故障诊断框架,并将该方法应用到试验研究中。研究得出,通过处理和分析提升机运行状态的时序数据,验证了时间序列符号法在矿用提升机故障诊断中的有效性和可行性,实现了矿用提升机的多故障诊断。     

矿井提升机故障智能诊断系统研究

总结了国内外提升机智能故障诊断研究现状,指出了由专家系统、模糊理论和人工神经网络等人工智能技术组成的组合式智能诊断新方法,是矿井提升机故障智能诊断技术的发展趋势,对保证矿井安全、高效和经济运行具有重要意义。     

故障智能诊断技术及其在矿井提升机上的应用研究

总结了国内外提升机智能故障诊断研究现状,并介绍了几种目前常用的诊断技术,概述了智能诊断技术在矿井提升机上的应用,指出了由模糊理论和人工神经网络等人工智能技术组成的组合式智能诊断新方法,是矿井提升机故障智能诊断技术的发展趋势,对保证矿井安全、高效和经济运行具有重要意义.     

故障智能诊断技术及其在矿井提升机上的应用研究

总结了国内外提升机智能故障诊断研究现状,并介绍了几种目前常用的诊断技术,概述了智能诊断技术在矿井提升机上的应用,指出了由模糊理论和人工神经网络等人工智能技术组成的组合式智能诊断新方法,是矿井提升机故障智能诊断技术的发展趋势,对保证矿井安全、高效具有重要意义。     

基于决策层的提升机减速器故障诊断方法研究

针对提升机减速器提出了一种决策层融合结构模型应用在齿轮故障诊断中。对各个传感器的信息进行神经网络属性判决,再将各神经网络的属性判决进行决策层融合,此种方法具有较强的灵活性,当传感器数目增加时,只需增加神经网络个数就可。对以上信息融合故障诊断方法经过试验研究,证明了方法应用在提升机减速器诊断系统中,减小了错判和漏判,提高了系统的可靠性,保证了提升机安全运行。     

提升机故障诊断不确定性推理方法

针对提升机故障诊断过程中的若干不确定性问题,提出一种新的基于本体和贝叶斯网络的故障诊断不确定性知识融合推理方法。该方法对本体贝叶斯网络进行了形式化的定义,运用OWL本体语言扩展了本体对领域知识的不确定性表示,通过一系列的翻译规则和程序,实现了本体结构到贝叶斯网络结构的转换;然后建立了基于本体和贝叶斯网络的融合推理模型,利用本体推理完成对故障诊断本体知识的语法检查、语义一致性的验证以及本体的解析,采用基于启发式搜索树的贝叶斯网络进行不确定性推理,并在贝叶斯网络可视化推理平台Netica上进行了验证。矿井提升机制动系统故障诊断实例表明,该融合推理模型具有较好的故障识别效果,处理所得的诊断结果具有较高的可信度。     

小波神经网络在提升设备故障诊断中的应用

介绍小波神经网络的构成和学习算法,并针对提升机减速箱故障的复杂性构造了用于减速箱故障诊断的小波神经网络,对减速箱的状态进行判别,实现了故障诊断。实验结果表明,小波神经网络在减速箱故障诊断领域具有良好的实用性。