基于迁移学习的采煤机摇臂传动故障研究

针对传统故障诊断方法无法有效识别并自动分类实际工况中采煤机摇臂传动故障多的非线性、非平稳信号,提出一种基于迁移学习的采煤机摇臂传动故障诊断模型。基于迁移学习思想,构建基于深度迁移学习的采煤机摇臂传动故障诊断模型;采用多标签分类及sigmoid函数,对模型进行改进,实现对采煤机摇臂传动复合故障的识别与分类;最后,通过仿真实验验证了改进模型性能,并对比了提出模型与传统智能故障诊断模型DCNN、SVM、LSTM、CNN在迁移任务中的分类准确率。结果表明,相较于传统智能故障诊断模型,基于深度迁移学习的采煤机摇臂传动故障诊断模型具有更高的诊断精度,且收敛速度更快,可提高采煤机摇臂传动系统的工作可靠性。     

基于改进深度置信网络的采煤机摇臂传动系统故障诊断研究

采煤机是一个集机械、电气和液压为一体的大型复杂系统,工作环境恶劣,如果出现故障将会导致整个采煤工作的中断,造成巨大的经济损失。采煤机摇臂传动故障作为整机的主要故障,是故障监测研究的重点。提出一种基于改进深度置信网络的采煤机摇臂传动系统故障诊断方法,对摇臂传动信号进行频段分解,通过不同的频段阈值进行降噪处理,提取故障特征信息,完成采煤机摇臂传动故障分类。将深度置信网络引入故障诊断,通过对采集的故障状态信号进行迭代训练深度学习,得出与故障模型的对应关系,并采用粒子群优化算法对故障模型进行迭代优化,应用于摇臂传动的故障诊断识别。结果表明,故障特征提取准确,故障诊断精度高。     

基于PSO-SVM的采煤机摇臂齿轮箱故障诊断研究

针对采煤机摇臂齿轮箱故障诊断的难题,提出了一种基于时频特征和PSO-SVM的故障诊断方法。考虑到SVM模型参数和故障特征对诊断结果有着重要的影响,提出了利用PSO对SVM参数进行优化,并同时选择最佳的特征子集,以获得性能最优的SVM分类器,最后将故障特征向量输入到优化的SVM分类器中进行故障诊断。轴承和齿轮的故障诊断实验结果表明,PSOSVM获得了比常规SVM更好的故障诊断性能。     

基于CEEMD-RSVPSO-SVM的采煤机截割部滚动轴承故障诊断

截割部作为采煤机的关键部件,直接与采煤工作面相接触,具有截煤和落煤的作用。截割部通常采用滚动轴承,滚动轴承的故障将会导致采煤机整个流程的瘫痪,为此提出一种新型滚动轴承故障诊断方法。首先采用互补集成经验模态分解对滚动轴承振动信号消噪与分解,获得轴承振动时域信号;其次采用区域划分实时调整粒子群算法中参数,并应用自适应变异操作抑制粒子群陷入局部寻优;最后采用实验室滚动轴承模拟平台验证诊断模型的有效性。结果表明,提出的滚动轴承故障诊断模型对滚动轴承故障诊断能力强、准确率高且收敛速度快。     

采煤机关键零部件智能融合故障诊断方法与实现

针对当前采煤机故障诊断系统诊断技术落后、无法精准确定故障位置及诊断结果片面等问题,提出了传统参数诊断法与神经网络相融合的智能故障诊断方法。通过对采煤机实时状态参数进行分析,保证诊断的及时性,同时借助深度残差网络强大的特征提取能力对故障部位进行分析,细化诊断结果,快速确定故障位置。2种方法相互融合,全面提高了系统的诊断效果。通过实验验证,参数诊断法和深度残差网络的准确率分别达到了100%和99.7%。基于该方法开发了采煤机关键零部件智能融合故障诊断系统,实现了采煤机关键零部件的在线监测和故障诊断,提高了采煤机故障诊断的智能化程度。     

基于小波神经网络的采煤机摇臂故障诊断的研究

针对采煤机机械系统故障信号诊断的问题,在小波分析和神经网络的基础上,采用了一种基于小波神经网络诊断采煤机摇臂故障的方法。根据摇臂振动的信号通过小波分析检测出信号奇异点和突变情况,利用小波基函数作为小波神经网络的激励函数对故障信号做进一步的诊断,判断出故障特点和程度。结果证明此方法在故障诊断中的诊断准确率较高。     

基于ADAMS的采煤机牵引部轴承故障诊断方法

针对采煤机牵引部结构复杂、紧凑,致使采煤机牵引部轴承故障诊断工作困难的问题,提出了基于ADAMS的采煤机牵引部轴承故障诊断方法。首先,以MG210/485-WD型薄煤层采煤机牵引部惰轮轴承为研究对象,利用虚拟样机技术采集正常、内圈故障、滚动体故障、外圈故障等4种状态下轴承的仿真振动信号;然后,将仿真信号导入MATLAB进行基于经验模态分解(EMD)的时频联合处理;最后,针对时频联合处理结果进行特征提取,并利用多种主流分类算法对提取的特征进行训练与测试。信号处理与算法分类结果均表明,基于ADAMS的采煤机牵引部轴承故障诊断方法可以有效地实现轴承故障类别的分类,为采煤机牵引部轴承故障诊断提供了新方法。     

基于稀疏表示的采煤机摇臂轴承故障诊断方法研究

为了有效地对采煤机摇臂轴承进行状态监控和故障分析,对稀疏分解方法字典的选取进行了深入研究。首先对稀疏表示常用分析字典进行分析,并结合采煤机摇臂滚动轴承故障机理及信号特征,选取符合单边衰减冲击响应的Laplace小波作为基原子,构造一种Laplace小波字典;通过加噪信号仿真分析,验证了基于Laplace小波字典稀疏表示方法的有效性;最后通过实验验证,将该方法应用于采煤机摇臂轴承故障诊断中,能有效提取滚动轴承故障特征。结果表明,该稀疏编码的方法在采煤机摇臂滚动轴承故障诊断方面具有良好的实用性。     

基于振动图像和DCNN的采煤机滚动轴承故障诊断

在煤矿井下实际工况中,由于开采煤层的起伏,采煤机作业常伴随着噪声干扰以及工作载荷突变的情况,所以采集到的采煤机故障振动信号是非常复杂的,往往掺杂噪声信号的干扰。如何从原始信号中提取到有用的特征信息成为了井下设备故障诊断的研究难点。这种情况下难以直接使用一维振动信号进行滚动轴承故障诊断,提出了基于振动图像和动态卷积神经网络(DCNN)的采煤机滚动轴承故障诊断模型,将DCNN对于图像识别的高性能引入采煤机轴承的故障诊断中。测试实验结果表明,该故障诊断模型可实现对滚动轴承多种故障模式的特征分类,验证了该方法的正确性和高效性。     

基于盲源分离的采煤机摇臂轴承故障诊断方法

针对采煤机摇臂轴承故障,介绍了一种基于盲源分离算法的轴承故障识别方法。该方法采用优化滑动平均长度,以最大信噪比为目标函数对振动信号进行盲源分离,分离后的信号进一步加速度包络处理,信号特征可用于识别轴承故障。通过采煤机摇臂加载试验台进行试验验证,采集采煤机摇臂两个不同部位的振动加速度信号,运用该方法对振动信号进行处理后判别故障类型和位置。结果表明：与单纯的加速度包络法相比较,该方法处理后的信号特征更加明显,对轴承部位的识别率较高。研究结果对于采煤机摇臂的故障预测具有较好地效果,能够进一步提高采煤机在故障领域方面的智能化。     

电牵引采煤机故障诊断分析

为了对电牵引采煤机故障进行及时诊断,提出利用混沌Duffing振子和小波分析法对采煤机故障振动信号进行提取及分析。通过对比故障振动能量及正常振动能量,验证了故障诊断的可行性,为矿山实现智能化控制提供了一定的借鉴。     

采煤机摇臂故障诊断分析与预防

该文通过分析采煤机截割部摇臂的结构,提出先进的故障诊断方法,统计常见故障并分析原因,最后提出预防和减少故障产生的方法和步骤,从而减少停机维修概率,提高生产效率,延长使用寿命。     

基于软件共振解调分析的滚动轴承故障诊断

滚动轴承故障诊断是机械故障检测中一个重要方面 ,共振解调是一种有效分析滚动轴承故障信号的方法。使用软件编程实现共振解调分析 ,在成功完成故障信息提取的同时 ,降低了系统的成本     

基于谱相关密度-连续HMM的滚动轴承故障诊断

滚动轴承故障振动信号是典型的调幅信号,而谱相关密度分析对调幅信号具有解调功能,它可以有效地提取出滚动轴承信号的故障特征,结合连续隐马尔可夫模型(Hidden Markov Model,HMM)所具有的强大时序模式分类能力,提出了基于谱相关密度-连续HMM的滚动轴承故障诊断方法。该方法首先利用谱相关密度函数在循环频率处进行切片分析,提取滚动轴承故障振动信号的特征,构成特征向量序列;然后将此序列输入到连续HMM中进行训练,得到各类对应故障的模型,最后利用训练好的模型进行滚动轴承的故障诊断。试验结果验证了该方法的可行性和有效性。     

基于深度学习的浮选精矿品位预测方法

矿浆品位是浮选工艺中关键参数之一,其对于指导生产,节约药剂,控制产品质量和提高回收率等方面都起着非常关键的作用。为了在线预测浮选精矿品位,解决荧光分析仪检测滞后的问题,研究出了一种不需要主观提取特征的基于深度学习的精矿品位在线预测模型,模型的输入为浮选泡沫图像序列、原矿品位值和尾矿品位值,输出为精矿品位值,属于回归问题。对比了主干网络分别为VGG-16,ResNet-50和MobileNet-V2时预测结果的差异,实验结果显示VGG-16的预测精度和鲁棒性最好,平均预测精度达到12.48%。     

一种基于深度学习的煤矸石检测方法

针对选煤场的煤矸分离中基于计算机视觉的煤矸石检测方法需要复杂的人工特征设计过程,在YOLOv3目标检测模型基础上,提出一种基于深度学习的端到端煤矸石检测方法。采用深度可分离卷积以及转置卷积对模型的骨干网络进行改进,以缩减模型大小并提高模型运行速度;加入空间金字塔池化模块,改善模型的特征融合能力;引入平衡L1损失函数和距离交并比损失函数,加速模型收敛并提高定位准确性。研究结果表明,所提算法能够实时精准地检测出煤与矸石混合体中的矸石,为提高煤炭质量、改进分拣效率提供有效保障。     

基于ADMM的非凸正则化轴承故障诊断方法研究

旋转机械振动信号往往包含大量干扰,采用传统稀疏表示模型难以准确提取故障信息,针对此问题,提出了一种基于交替方向乘子法(Alternating Direction Method of Multipliers,ADMM)的非凸正则化稀疏表示方法.该方法首先构造一个非凸正则化稀疏表示模型,即在基于l1范数正则化的传统稀疏表示...     

一种用于低速重载轴承故障诊断的共振解调法

针对低速重载轴承特点 ,提出了适合于低速重载轴承故障诊断的共振解调方法。通过自制的低频加速度传感器拾取了斗轮式堆取料机回转支承滚动轴承的振动信号 ,利用此方法进行了故障诊断 ,诊断结果可靠