基于模糊神经网络的刮板输送机故障诊断

对刮板输送机常见故障类型进行总结与分类,介绍基于模糊神经网络的故障诊断流程,分析刮板输送机故障的影响因素,建立基于模糊神经网络的刮板输送机故障诊断模型,研究模糊聚类的依据以及RBF神经网络的学习流程。为了验证基于模糊神经网络故障模型的有效性,以刮板输送机减速器的诊断过程为例,采用MATLAB进行仿真,仿真结果表明,基于模糊神经网络的故障诊断结果与实际情况一致,相比传统RBF神经网络,迭代次数更少,性能更优。     

基于混沌差分进化FCM的刮板输送机故障诊断

针对煤矿刮板输送机减速器故障耦合性强、传统诊断方法准确率较低的问题,提出了一种基于混沌差分进化模糊c均值(FCM)刮板输送机故障诊断方法。利用差分进化算法的全局优化能力和均匀遍历的优势,弥补了FCM对初始中心敏感、易收敛至局部极值点的不足,可以解决故障诊断难度大、准确率低的问题。以减速器故障为例,仿真实验结果表明,该方法能够高效完成故障诊断,准确率高,为进一步提高刮板输送机故障诊断的智能化水平提供了支持。     

基于多信息融合的刮板输送机减速机模糊故障诊断专家系统

在刮板输送机减速机上采集到的状态信息较多,同时故障征兆与故障原因之间具有不确定性和复杂性。为了解决上述问题,构建了以模糊理论为基础的模糊专家系统。给出了专家系统的结构,通过经验数据和专家经验给出模糊关系矩阵和隶属函数,从而实现了刮板输送机减速机故障征兆和故障原因的模糊关系表达。利用刮板输送机减速机的故障实例进行验证,结果表明,该专家系统准确率高,为刮板输送机减速机的故障诊断提供了新的诊断方法。     

刮板输送机故障诊断方法研究

为了提高刮板输送机故障诊断准确度,降低事故发生率,分析了刮板输送机常见的故障,研究了基于支持向量机的刮板输送机故障分类,介绍了刮板输送机故障数据处理方法以及基于SVM的故障诊断流程,并对支持向量机参数进行了选择,采用网格搜索交叉法得到模型的最佳参数模型,使用该模型对刮板输送机故障数据进行预测。研究表明,采用支持向量机和网格搜索交叉法相结合的方法,可以对刮板输送机故障进行有效诊断。     

基于MED与小波包熵的矿用排水泵轴承故障特征提取方法研究

煤矿排水泵运行的可靠性关系到煤矿工人生命和生产的安全。为了提高煤矿排水泵轴承故障诊断的精度,提出一种基于最小熵反褶积(MED)和小波包熵相结合的故障特征提取方法。该方法在MED降噪基础上利用小波包进行分解重构,再结合信息熵理论求取小波包熵值,突出了信号中有效冲击成分,克服了小波能量特征提取的局限性。通过对水泵轴承振动200组数据进行分析验证,该方法准确率达到100%,具有较高的应用价值。     

SVM在煤矿机电设备故障诊断中的应用

针对煤矿大型机电设备故障诊断与维修过程中存在故障数据少、干扰大的非线性特征,提出了采用支持向量机进行故障诊断的方法。建立了系统故障诊断分类模型,采用拉格朗日函数得到了最优解。通过对刮板输送机传动部温度故障数据的参数估计与分类研究,结果表明支持向量机故障诊断效果较好。     

矿用刮板输送机运行时在线监测及故障诊断系统应用研究

为了提高煤矿用刮板输送机设备的自动化水平,设计了一种刮板输送机自动监测和诊断系统。刮板输送机的故障会直接影响到日常生产。提出了一种小波包分解（WPD）和支持向量机（SVM）相结合的带式输送故障诊断方法,重点是托辊故障的检测。由于托辊的数量可能很大,采用一个加速度传感器来收集多个托辊的振动信号,以减少传感器的数量。用WPD对振动信号进行分解,提取各频带的能量作为特征,并利用这些特征训练SVM,实现托辊故障的检测。首先在试验台上对该故障诊断方法进行了测试,设计了一种针对刮板输送机的在线监测和故障诊断系统。在运行中的刮板输送机上进行了实验,验证了该系统可以用有限数量的传感器定位故障托辊的位置,这对刮板输送机的运行很重要。     

基于小波分析和神经网络的刮板输送机刮板链故障诊断

刮板链是刮板输送机最易损坏的部件,维修难度大。快速定位故障可有效提高效率,因此采用小波分析和RBF神经网络对刮板链故障进行诊断。对刮板链故障类型进行分析。为减少RBF神经网络的计算量,采用小波分析方法对采集到的数据进行预处理。将刮板链节距、刮板长度、刮板厚度、空载时弯曲度和满载时垂直度作为神经网络的输入,对RBF神经网络进行训练。仿真结果显示,故障诊断结果与实际情况一致,且采用小波分析后迭代次数明显减少。     

基于DL联合信息融合技术的刮板转载机故障诊断

采用深度学习(DL)算法和信息融合技术对刮板转载机进行故障诊断。对刮板转载机故障类型进行分类,建立刮板转载机故障诊断模型。为提高信息融合技术的准确率与效率,将一种典型的DL算法——深度置信网络(DBN)应用于数据层信息融合,提出基于DL联合信息融合技术的故障诊断流程。对比MATLAB仿真结果与真实情况,基于DL联合信息融合技术故障诊断结果的准确率比信息融合技术的高。     

基于量子遗传算法的刮板输送机减速器的故障诊断研究

针对刮板输送机减速器故障类型多、诊断准确率低的问题,基于量子遗传算法理论,提出了一种基于量子遗传算法的神经网络故障诊断方法。利用量子遗传算法对神经网络权值、阈值进行优化,加快目标的优化求解。初步研究表明将量子遗传算法与BP神经网络结合可以有效地解决神经网络收敛速度慢,易陷入局部最小等问题,有助于提高刮板输送机减速器的故障诊断精度。     

基于模糊故障树的刮板输送机可靠性分析

刮板输送机是一种重要的机械运输设备,其可靠性的高低直接关系到设备能否安全运行,对企业的生产安全有重要意义.在分析刮板机系统故障概率的基础上,将模糊数学和故障树分析方法相结合,建立了刮板机系统的故障树模型,计算刮板机的模糊可靠度,并利用模糊理论对刮板机可靠性进行了定量的模糊分析.     

基于GSCV-SVM的输送机多故障在线诊断

为降低煤矿刮板输送机的故障频率,保障人员安全及提高生产效率,提出了基于GSCV-SVM网格搜索交叉验证支持向量机的刮板输送机多类故障在线诊断方法,针对刮板输送机传动部的实际故障数据,采用GSCV网格搜索交叉验证法,得到SVM的最优惩罚参数C和高斯径向基核函数的参数g,用多分类模型对刮板输送机的不同部位故障进行分类,结果证明,GSCV-SVM是一种较优的在线分类算法,可以对刮板输送机的未知故障数据进行在线诊断。     

基于PLC的刮板输送机链条保护系统设计

以某型刮板输送机为研究对象,对刮板输送机主要结构及运动方式进行分析,基于PLC设计了刮板输送机链条保护系统,并对刮板输送机链条保护原理及控制程序进行研究和分析。结果表明,刮板输送机链条的张紧程度对链条实际使用寿命及故障率影响较大,该保护系统可以对刮板输送机张紧装置进行实时智能化控制和调整,从而实现对刮板输送机链条的保护,为刮板输送机及其他煤矿装备自动智能化控制及升级、刮板输送机链条故障率降低和使用寿命的延长提供理论依据。     

刮板输送机主要部件的故障树分析

刮板输送机是煤炭运输系统中重要的一环,随着现代化矿井建设和煤矿机械化程度的提高,对刮板输送机连续性正常生产的要求也越来越高,但由于恶劣的生产环境,刮板输送机常常发生故障而需要停机修复。为减少故障的发生和发生故障后快速的维修,本文提出故障树分析法分析刮板输送机的故障问题,提高煤矿刮板输送机处理故障的能力和减少刮板输送机的故障率,推进了煤矿安全高效生产。     

刮板输送机张力波动监测及疲劳诊断

为了监测和诊断刮板输送机链传动系统故障,提出了一种基于张力波动特征的疲劳诊断方法。首先分析了刮板输送机载荷变化引起的张力波动变化特性,在此基础上利用ADAMS构建了链传动系统张力波动动力学模型,并以此模型的仿真结果为载荷输入,利用ANSYS有限元分析软件,对链传动系统关键零部件的应力和变形分布情况进行监测,从而完成疲劳诊断。实验仿真结果表明,该方法能有效地对链传动系统张力进行实时监测,以及对链轮、链条等刮板组件的疲劳状态进行诊断。     

综采面刮板输送机状态监测及故障诊断系统设计

针对综采工作面刮板输送机缺乏状态监测及故障诊断系统,以建立高产高效无人值守自动化工作面为目标,设计开发了一种基于PLC的综采工作面刮板输送机状态监测及故障诊断系统,简要介绍了系统的整体结构,着重阐述了系统的状态监测和故障诊断功能及其实现过程。实际使用结果表明：该系统运行稳定、测量精度高,能够准确地在线监测刮板输送机的运行状态、诊断刮板输送运行故障,并给出预警信息。