基于气动信号小波分析的风机叶片裂纹故障诊断

叶片裂纹和断裂是风机中普遍存在的一种严重安全隐患,能够尽早的检测出裂纹现象的存在,对于工矿安全生产具有重要意义.利用小波分析方法对采集的叶片正常工作状态和叶片具有裂纹时的气动信号分别进行五层小波分解,并对分解系数进行重构,获取各频带归一化能量作为特征向量进行识别,结果证明:该方法能有效识别风机叶片裂纹故障,且直观性强,实用性高.     

煤矿风机小波神经网络故障诊断系统研究

针对煤矿风机振动信号非线性、非平稳特性,结合小波分析和神经网络技术,研究煤矿风机故障诊断方法。该方法运用小波包分解技术,提取风机信号各个频带的能量特征,构造特征向量作为BP神经网络的输入,并借助于LabVIEW平台实现风机故障诊断。通过对实验数据的分析表明,小波分析和神经网络相结合可以有效地识别风机故障。     

小波遗传神经网络在大型直线振动筛故障诊断中的应用

以大型直线振动筛侧帮裂纹为研究对象,利用小波分析对振动信号进行降噪和故障特征提取,设计了用于系统故障诊断的BP神经网络,并用遗传算法对网络结构和参数进行优化。通过样本训练、测试和在振动筛侧筛裂纹诊断中的应用,证明了这种小波遗传神经网络具有较高的故障识别能力、分类精度和速度。     

基于小波分析-支持向量机的风机故障预测

提出了基于小波分析和支持向量机的风机故障早期预测方法。通过小波分解,将风机原始振动时间序列依尺度分解到不同层次,对每层分别采用支持向量机（SVM）预测,最后合成得到原始序列的预测值。对某铝厂排送风机的运行状态进行预测,并与其它预测方法进行了对比,结果表明该方法预测精度更高。应用该预测方法可合理安排维修时间,减少维修费用。     

基于小波遗传神经网络的大型直线振动筛故障诊断

以大型直线振动筛侧帮裂纹为研究对象,利用小波分析对振动信号进行降噪处理和故障特征提取,设计系统故障诊断的BP神经网络,并用遗传算法对网络结构、参数和学习规则进行优化。通过样本训练和测试,这种小波遗传神经网络具有较高的故障识别能力、分类精度和速度。     

基于小波的煤岩图像特征抽取与识别

针对目前采掘工作面是事故易发多发地带和煤岩界面的识别基本由人工来完成的现状,为了减少人员伤亡以及实现采矿自动化,研究了煤岩的自动识别技术。介绍了煤岩图像识别基础和小波变换原理,讨论了小波函数以及滤波长度、分解尺度的设置情况,提出利用Daubechies小波对煤岩图像进行分解,构造相应的纹理导向度,获得特征值参数表,最后通过Minkowski距离计算公式,得到待测样品与煤岩样品的空间距离,根据距离大小来实现对待测样品的识别。结果表明：该方法通过小波分解再抽取相应的特征值充分表达了煤岩图像的纹理特征信息,而且能成功识别煤岩图像获得了比其他分解方法更高的识别准确率。研究结果可为煤岩界面的自动识别提供理论参考,提供了新的思路。     

基于振动信号的采煤机煤岩截割状态识别

为了准确识别采煤机截割状态,提出了一种基于小波包分解和学习向量量化(LVQ)神经网络的模式识别方法。将振动信号进行小波包分解,实现振动信号的预处理,得到若干个子频带。在此基础上,计算各个频带的方差,并将其作为特征向量。然后将计算得到的频带方差作为特征向量,输入到LVQ神经网络进行采煤机煤岩截割状态识别。通过实验验证了该方法的有效性,实验结果表明：该方法能够实现采煤机典型煤岩截割状态的识别,平均识别准确率较高,对实现综采工作面的“无人化”具有重要意义。     

基于小波包分解的风机故障诊断技术研究

小波包分析由于能对信号高、低频部分局部细化并保留原信号的时域特征，因而具有良好的时频局部化特性，能对非平稳信号进行有效识别，达到故障诊断的目的，在故障诊断领域得到越来越广泛的应用。风机运行时产生的信号大多是非平稳信号，将小波包分析技术用于其故障诊断具有实际意义。     

基于支持向量机的异步电机转子故障诊断

根据异步电机发生故障时振动信号的特点,提出了一种基于小波包分解和支持向量机相结合的异步电机转子故障诊断方法。通过采用快速ICA算法对振动信号进行多通道数据融合,然后进行3层小波包分解,得到各分解节点对应频带的重构信号以及对应的能量,并将各频带的能量元素组成的特征向量作为诊断模型的特征向量,输入到LS-SVM分类器中进行故障识别和分类。诊断结果表明:采用ICA-SVM模型具有较高的分类速度和很好的故障识别率。     

基于WPSV和BPNN的煤岩识别方法研究

为解决综采工作面无人开采和采煤机滚筒自动调高的实际工程问题,提出了基于小波包奇异值(WPSV)和BP神经网络(BPNN)的煤岩界面识别新方法。利用WPSV构建特征向量,再与BPNN结合进行煤岩界面自动识别。首先使用传感器采集采煤机滚筒截割煤岩的扭矩信号,对扭矩信号进行小波包变换(WPT),获取信号的小波包分解系数,得到小波包分解系数重构信号矩阵;然后并对该矩阵进行奇异值分解(SVD),获取主要WPSV,构建奇异值特征向量;最后将该特征向量输入BPNN中进行煤岩界面自动识别,并与传统方法进行了对比,结果表明:该方法具有更高的准确率,能有效地判断采煤机滚筒的工作状态。     

空气重介质流化床中细粒煤的流化与分选特性

3~1 mm粒级细粒煤介于煤粉与传统空气重介质流化床分选所适用的粒度之间,其在空气重介质流化床中被分选的同时对自身分选与流化特性产生重要影响。利用高速动态摄影等手段详细研究了空气重介质流化床分选3~1 mm细粒煤过程中不同流化数下床层的流化特性、压降波动、煤粒分离混合规律以及流化床中不同高度处的密度分布,阐释了气泡在分选过程中的作用机理。结果表明,加入一定量细粒煤后床层密度降低,流化效果发生了一定程度的改变。随着气速的增加,煤粒在流化床中先后经历了分离与混合两种状态,流化床各高度的密度也随之改变。当流化数在1.8~2.0时煤粒达到较好的分离效果。随着气速增大煤粒受气流影响增大,不再严格按照流化床密度分离。     

细粒煤液固流化床分选技术的发展与应用

液固流化床是重选设备的一种,已广泛用于细粒物料的分级与分选。文章从分选理论和设备上介绍TBS、CrossFlow separator和RC分选设备,以及其在细粒煤分选中的应用,分析表明:液固流化床分选技术是适合细粒煤分选的先进技术。     

细粒煤在空气重介质流化床中分层规律的研究

为研究细粒煤在空气重介质流化床中的分层规律,试验采用空气重介质流化床,对3～6mm细粒煤在床层高度分别为150,200,250mm时的分选做了初步的探讨,所用实验设备为直径170mm,高为500mm的圆柱体流化床.研究结果表明:高密度细粒煤大部分聚集在床层中下部;低密度细粒煤则倾向于在床层中上部聚集.因为在此加重质粒度组成及流态化条件下达到了颗粒分选下限,导致分选效果变差.     

基于物料分离的振动流化床研究现状与展望

文章介绍了振动流化床的基本原理,从气泡行为、床层压降、床层空隙率与稳定性以及最小流化速度等方面综述了振动流化床流体力学基础研究所取得的进展;特别综述了振动流化床在物料分离方面的研究,并展望了其在矿物分选方面的应用前景。     

空气重介质流化床多元加重质流化特性研究

 本论文在综述了流化床干法选煤和加重质研究现状的基础上,采用硼铁矿粉和磁铁矿粉作为空气重介流化床的多元加重质,进行了相应的试验研究。选择了-0.3+0.15mm、-0.15+0.125mm和-0.125+0.074mm三个粒级的硼铁矿粉,分别与-0.074+0.045mm磁铁矿粉以不同总量配比组成两元加重质,进行流化特性的考察研究。建立了多元加重质流化床的起始流化速度与平均粒度之间的回归模型和密度模型。     

表面改性加重质的流化特性与分选特性

为提高空气重介质流化床对不同外在水分入选煤的适应性,对磁铁矿粉进行表面疏水改性是一条有效的途径。研究了表面改性对磁铁矿粉流化特性的影响,结果表明：表面改性提高了磁铁矿粉的最小流化速度,但对床层压降分布无显著影响;与改性前相比,床层密度更均一、稳定,有利于形成高质量的流化状态;随着入选煤的外在水分的逐渐提高,对改性前后的磁铁矿粉流化特性都有影响,表面改性使入选煤的外在水分上限从2%提高到4%,并且在水分含量为4%时仍然保持较好的流化状态。以改性磁铁矿粉作为加重质,形成的流化床具有良好的分选性能,分选试验结果表明,入选煤外在水分为3%时,分选密度为1.55和1.82 g/cm³时,可能偏差E值均为0.075。     

流态化浮选技术概述

首先分析总结了粗颗粒矿物难浮的原因为粗颗粒矿物与气泡接触时间短,感应时间长,与气泡气固黏附强度低;其次介绍了流态化技术的发展以及该技术在粗颗粒分选中的应用,气固、液固两相流态化在煤分选领域普遍应用,由于有色金属矿分选领域的复杂性,气液固三相流态化浮选技术处于研究阶段;同时总结了流态化浮选技术原理和设备的研究进展,HydroFloat Separator和NovaCell是具有代表性的设备;分析了流态化浮选的主要研究方向和发展趋势为三相流态化浮选动力学过程研究,三相流场模拟策略研究,以及复合力场的加入提升矿物粒度浮选上限。     

稀相气固流化床分选电厂磨煤机返料的研究

通过分析磨机返料的粒度和密度分布,将物料分为0.500～0.125 mm和＜0.500 mm两组,并分别对其进行稀相气固流化床分选实验。结果表明,两组物料的起始流化速度均为0.41 cm/s,物料中的黄铁矿和铝硅酸盐等矿物质得到了去除,0.500～0.125 mm和＜0.500 mm两组物料轻产物和重产物灰分分别为38.90%,77.58%和44.64%,74.55%,硫分分别为1.09%,6.97%和1.62%,6.99%,可燃体回收率分别为94.11%和91.16%。其中,＜0.500 mm物料流化床层更连续、稳定。扫描电镜（SEM）背散射图像与能谱仪（EDX）测试验证了分选的有效性。     

浓相气固高密度流化床内的气泡动力学行为特性

采用试验测量与数值模拟计算相结合的方法,对干法选煤采用的浓相气固高密度流化床内的气泡动力学行为进行研究。对影响床层稳定性和密度均匀分布的气泡尺寸与上升速度进行计算分析,结果表明：以Geldart B类高密度磁铁矿粉作为分选介质,在表观流化气速 1.5 U mf ≤ U ≤ 2.2 U mf的条件下,气泡沿床高方向与床体轴向的气泡平均直径分布为35 mm< D b <49 mm和 40 mm< D b <61 mm,气泡上升速度范围为40~65 cm/s,试验与模拟结果基本吻合;此时,流化床内各点的密度分布均匀稳定,密度分布标准偏差为0.016 8。因此,调节表观流化气速 1.5 U mf≤ U ≤2.2 U mf ,可以使气泡尺寸和上升速度都保持在合理的范围内,流化床处于最有利于煤炭分选的准散式流态化,分选效果最好。     

液固流化床分级与分选联合工艺的研究与应用

为了解决液固流化床在粗煤泥分选过程中入料粒度范围过宽、高灰细泥进入溢流污染精煤导致的粗精煤灰分偏高,严重影响液固流化床分选效果和精煤产品质量的问题,提出了液固流化床分级与分选联合工艺,即采用液固流化床对粗、细煤泥进行分级,溢流的细煤泥采用浮选处理,底流的粗煤泥进入第二台液固流化床分选,从而使粗、细煤泥均实现了高精度的分选。液固流化床分级与分选联合工艺在梁北选煤厂的生产实践中取得了良好效果,使入料中高灰细泥减少了80.32%,粗精煤灰分下降了2.43个百分点。