矿用直线振动筛结构故障分析

针对煤矿选煤厂直线振动筛工作过程中出现的结构故障问题,采用有限元仿真与现场测试结合的方法对振动筛出现故障的原因进行了分析研究。介绍了振动筛的主要结构及常见故障,并以某矿选煤厂发生大梁断裂的振动筛为例,对该振动筛进行三维建模和有限元模态分析,分析结果表明:随着模态阶次的增加,振型的变化逐渐由移动转为结构本身的扭曲变形。在该振动筛空载工作状态下,选用本质安全型便携式测振记录仪进行振动测试并处理测试信号,得到该振动筛的工作频率。结合模态分析结果和实际测试结果,判断出空载时频繁运行振动筛是造成其大梁断裂的主要原因。根据故障原因给出维护建议:应当尽量避免振动筛在空载或物料较少的状态下长时间运行;在振动筛投入使用前,应预先了解振动筛的工作状态及可能存在的薄弱环节,尽可能避免结构故障,保证振动筛可靠运行。     

一种矿用相控开关短路电流过零点预测算法

现有短路电流过零点预测算法存在计算复杂、误差大等问题。针对煤矿供电系统三相短路故障,提出了一种矿用相控开关短路电流过零点预测算法。该算法利用三相短路故障发生后1个基波周期内短路电流采样数据,通过累加和的方法计算短路电流的直流分量,可减小计算量、消除谐波干扰;将采样数据与直流分量相减,得到短路电流的交流分量;利用交流分量周期性的特点,可预测1个基波周期后任意采样时刻的交流分量;将1个基波周期后任意采样时刻的直流分量与交流分量相加,即可重构出任意采样时刻的短路电流,从而预测短路电流过零点。仿真和实验结果验证了该算法的准确性。     

浅析锥形制动器常见故障及处理措施

锥形转子制动三相异步电动机具有停电自制动的能力,要求绝对安全。在实际应用中,锥形制动器检修行车的功能非常重要,如果没有了制动,就相当于汽车没有了刹车,后果十分严重。起重的时候绝对不允许刹车失灵,否则它的惯性将随重物的降落越来越大,轻则砸坏设备,重则伤及人身安全。为了避免不必要的损失,了解和学习制动器具有重要意义。     

基于模拟退火优化BP神经网络的变形监测数据预测方法

针对BP神经网络模型用于变形监测数据处理时容易陷入局部极小值并且收敛速度慢的问题，提出一种基于模拟退火(Simulated Annealing,SA)算法优化BP神经网络的建筑物变形预测方法，利用SA的全局寻优能力对BP神经网络的模型参数进行优化，使参数迭代过程始终保持较高的“温度”和“能量”，从而确保BP神经网络能够得到全局最优解的同时具备较高的预测精度和收敛速度。采用实际算例对所提SA-BP方法在低信噪比和小样本条件下的预测精度进行验证，结果表明所提方法相对于传统BP神经网络法和小波方法能够获得更高的预测精度，并且在小样本和低信噪比条件下优势更加明显。     

基于BP神经网络的线损不良数据辨识及其预测

电能在输送过程中产生的大量损耗会大大提高电网的运营成本,同时海量的电网数据中往往包含错误数据,对线损计算及预测有严重影响。针对该问题,提出一种基于BP神经网络的不良数据辨识模型,可以有效辨别线路数据中的不良数据,并进行剔除。剔除不良数据后,再利用BP神经网络对线损进行预测。以宿迁市某变电站数据为例,验证了该模型的适用性。     

基于广义深度学习的含DG配网故障诊断方法

针对传统故障定位方法难以满足含分布式电源配电网的问题，提出一种基于广义深度学习的故障定位方法。利用广义深度学习在逼近能力和容错性方面的优势，挖掘响应数据与故障位置之间的映射关系，建立含分布式电源配电网故障定位的模型。IEEE34节点仿真结果表明，该方法可有效实现含分布式电源配电网的故障定位，准确率高，速度快，且在信息畸变或缺失时容错性好。