信息融合技术在带式输送机故障诊断中的应用

针对带式输送机故障诊断过程中存在的不足,利用信息融合技术在故障诊断中的应用,有效地进行带式输送机的故障诊断。详细论述了将基于多传感器数据融合、神经网络和D-S理论的信息融合方法应用在输送机上,说明信息融合技术在带式输送机故障诊断分析中的有效性,为信息融合技术在输送机上的应用提供借鉴。     

模糊神经网络在矿井带式输送机火灾探测中的应用

介绍了一种由单片机控制的模糊神经网络火灾报警系统。该系统应用于矿井带式输送机火灾检测中。实测证明,能够针对火灾检测这种非线性结构对象做出准确判断,降低误报率、提高火灾探测的准确性。     

基于人工神经网络技术的矿用带式输送机滚动轴承故障诊断

研究了人工神经网络的原理、结构和学习算法,并将该网络应用于带式输送机滚动轴承的故障诊断中。采集不同类型的滚动轴承故障信号,并对信号进行预处理。利用神经网络进行训练,当训练误差满足设定要求时,训练完成。利用训练成熟的神经网络对滚动轴承进行故障诊断。实验结果表明神经网络技术可以快速、准确地诊断出带式输送机滚动轴承的故障类型。     

PNN在煤矿带式输送机故障诊断中的应用

带式输送机是煤矿生产过程中的重要设备,但由于故障特征多、监测数据繁杂等因素,难以对其故障种类进行快速准确的诊断。整理分析了煤矿带式输送机的故障特征,提出了一种基于概率神经网络(PNN)的煤矿输送机故障诊断方法。PNN结合了径向基神经网络(RBFNN)和贝叶斯决策理论,在模式分类识别中具有训练快、容错性好和准确度高等优势。结合现场监测样本,建立了基于PNN的煤矿带式输送机故障诊断模型,经检验,此模型训练速度快、精准度高。     

计算机信息融合技术在带式输送机故障诊断中的应用

煤矿带式输送机易出现堆煤、打滑、烟雾等故障,而矿用带式输送机故障诊断中单一的传感器所搜集的信息较片面,存在很大程度的不可靠性。提出了应用多传感器信息融合诊断法。将各信息模糊化,由信息中心加以融合,进而对带式输送机工作状态进行估判。实验证明,将信息融合技术应用于煤矿带式输送机故障诊断中具有一定的有效性。     

基于T-S模糊神经网络的可变速矿用带式输送机控制系统

针对矿用带式输送机功耗较大的缺陷,对带速与输送量之间的配比进行了建模分析。设计了一种基于扩展T-S模糊神经网络的可变速矿用带式输送机控制系统。以高斯函数作为隶属函数,将匹配的可变带速和输送量作为网络的输入值,并将输出的功率作为主控功率值去控制从控电机,达到通过电流的自动调整控制从控电机,从而实现矿用输送机整体功率保持平衡状态的自动控制的目的。仿真结果表明:该系统可以实现矿用带式输送机多电机下的可变带速的功率平衡,能够达到输送机节能优化的目标,为煤矿企业自动化控制提供了新的思路和方向。     

基于模糊推理的带式输送机打滑故障诊断系统

由于带式输送机运行机理的复杂性,对其运行状态的判断非常困难,传统的故障判断方法无法及时有效地预告故障。运用模糊推理的方法对带式输送机运行系统进行故障诊断,可使操作人员对当前带式输送机系统的运行状况有所了解。     

带式输送机智能故障诊断系统的设计

针对带式输送机减速器和电动机故障发生率较高,故障识别、故障维护困难的问题,提出基于BP神经网络和D-S证据理论的智能故障诊断系统。给出带式输送机故障诊断模型,并根据理论设计对减速器智能故障诊断进行实例分析。结果表明,所设计的智能故障诊断系统能够提高故障识别精度、减少故障发生率。     

模糊变频控制在带式输送机调速中的应用研究

为了实现煤矿用带式输送机的动态调速、达到节约电能、减少设备磨损进而降低设备运维成本的目的,介绍了带式输送机应用情况和模糊控制基本原理;设计了带式输送机模糊变频控制系统中模糊控制规则,详细说明了控制对象和调速系统的基本组成,分析了多电机驱动带式输送机功率平衡问题,设计了控制系统。最后总结了应用模糊控制实现带式输送机动态调速后的实际效果和未来的研究方向。     

基于VMD的带式输送机齿轮箱故障诊断

针对高湿、高粉尘、易腐蚀的恶劣工作环境下管状带式输送机齿轮箱早期微弱故障特征提取困难的问题,提出了基于改进变分模态分解（VMD）的带式输送机齿轮箱故障诊断方法。首先利用齿轮箱故障机理模型确定模态分量个数,通过优化搜索选择最优的频带惩罚因子,得到最优的满足适应度函数的分解参数组合,克服了人为随机设置分解参数对分解结果带来的不确定性;然后利用参数优化后的VMD对齿轮箱故障信号进行分解,并对各个分量进行包络解调分析来提取齿轮故障特征。仿真信号和工程实际信号的分析结果表明,该方法能够准确、清晰地提取齿轮箱故障特征。     

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SOM网络的带式输送机齿轮箱混合故障诊断研究

针对带式输送机齿轮箱故障信号成分复杂、故障识别难的问题,提出了基于自组织映射(SOM)网络的故障诊断方法。首先使用融入Shannon熵的小波降噪方法对齿轮箱振动信号进行预处理;然后利用齿轮箱不同状态的信号通过高斯混合分布模型对其参数使用最大期望算法进行估计,获得反映不同运行状态的特征向量;最后使用SOM网络对齿轮箱不同工况振动信号的特征进行分类识别,进而诊断出相应故障。结果表明:该方法可以有效地识别齿轮箱混合故障,总识别正确率达90%,其中有6种工况的识别正确率达100%。     

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。     

皮带输送机常见故障分析与处理方法

皮带运输机作为连续运输货物的机械,在煤矿已应用多年,也是煤矿井下重要的采掘设备之一,由吊挂式发展到现在使用的座式皮带输送机,型号、规格不一,但安装使用、维护、保养及原理基本一致,没有太大区别,根据笔者在煤矿井下维修使用的多年实践,从使用维修者角度出发,谈一谈皮带输送机常见故障、发生的原因及维修处理方法。     

煤矿带式输送机故障分析

带式输送机是煤炭开采的关键设备,依据山西某煤矿的生产运行记录,对煤矿带式输送机的故障进行了调查分析。结果认为带式输送机的常见故障主要有输送带跑偏、输送带损伤、电气故障、启动问题、减速器故障、滚筒故障等,其中输送带损伤和电气故障所占比率较高。按故障的直接原因可以把各种故障分类分为人因故障、机因故障以及外因故障等,其中人因故障率在50%以上。在带式输送机的驱动、转动、机架、电器和辅助装置5个组成部分中,驱动和电器部分的故障显著高于其他部分。     

输送带表面图像快速分割技术研究

快速图像处理是基于机器视觉的输送带在线状态监测系统的关键技术。针对输送带表面图像的分割,提出了一种快速阈值分割算法。该算法基于图像的灰度信息,具有简单、实时性好等特点。文章通过用实际图像对快速阈值分割算法与其它几种算法进行了对比,结果验证了该算法的有效性。     

带式输送机故障分析与处理

在分析带式输送机常见故障发生原因的基础上,建造相关故障分析树。针对故障树的底事件给出其故障处理方法并绘制相关交互界面。操纵员能够及时正确地判断带式输送机可能发生的事故征兆和进程状态,并采取相应的措施中止事故的进程或缓解事故的后果。     

DTL100/80/2X200型带式输送机故障监控系统技术研究

针对山西潞安郭庄煤矿带式输送机故障监测诊断系统不灵敏、误报错报频率高以及无法全自动进行故障诊断与排查的问题,本文以神经网络故障检测方法原理为基础,设计基于参数预测的神经网络故障预测系统,实现郭庄煤矿该型带式输送机故障监控、预测以及诊断。     

故障树分析法在带式输送机可靠性分析的应用

应用故障树法分析带式输送机的可靠性。针对常见的运行故障,建立带式输送机故障树,通过定性分析求出最小割集。运用灰色关联分析,计算并联度及排序,对发生各种故障的可能性做出判断。