掘进机轴承故障诊断系统设计

针对掘进机轴承故障诊断难度大、诊断效率低、诊断结果不能可视化等问题,结合掘进机轴承故障诊断系统功能需求及主要功能模块,搭建了掘进机轴承故障诊断系统总体方案框架,设计了现代化、数字化、智能化的掘进机轴承故障诊断系统。该系统可以高效、快速地将掘进机轴承故障进行诊断并将诊断结果可视化,以便及时发现和维修轴承故障,为掘进机轴承故障率减少、故障维修时间的减少等方面提供理论依据及技术支持。     

BP神经网络在轴承故障诊断中的应用

传统故障诊断方法很难对无法建立数学模型的系统进行有效的故障诊断。为了有效诊断轴承的故障,提出了基于BP神经网络的轴承故障诊断方法。简单介绍了常用的故障诊断方法、BP神经网络的结构和学习算法,详细介绍了BP神经网络在轴承故障诊断中的应用方法。仿真结果表明,通过合理选择网络节点数和训练样本,可以有效检测出轴承的故障信息。     

滚动轴承故障的振动检测方法

本文首先简介了滚动轴承故障诊断技术的国内外概况，分析了故障轴承的振动信号特征，着重论述了振动诊断方法中的各类诊断技术及其特点。阐述了时间一频率分析方法在轴承故障诊断中的优越性，指出了轴承故障诊断的最新发展方向。     

矿山设备轴承故障诊断与异常分析

在矿山机械设备中,滚动轴承是最为关键的核心零件之一,若轴承出现故障,不仅会影响各机械设备的正常工作,而且会带来极为严重的安全隐患.因此,应用相关科学技术对轴承进行实时状态监控,及时发现甚至预测轴承故障,具有重要的经济和安全价值.对此,构建了基于dropout技术的一维卷积神经网络来进行轴承故障诊断,并在CWRU轴承数据集上进行了相关试验,最终模型在测试集上的故障诊断率高达92.9％,验证了一维卷积神经网络在轴承故障诊断中的适用性.     

基于小波分析的轴承故障诊断研究

轴承故障诊断是大型矿山机械设备故障诊断的一个重要方面。基于轴承振动信号的非平稳特征及小波变换对非平稳信号分析的有效特性,在研究小波变换理论的基础上,提出了一种基于小波分析的轴承故障诊断方法。将振动信号进行小波分解与重构,然后对细节信号进行Hilbert包络检波和频谱分析,即可获取信号的特征频率。通过对球状点蚀故障诊断的实验仿真,验证了该方法有效可靠。     

基于频率响应分析的滚动轴承故障诊断方法

基于频率响应分析提出一种新的轴承故障诊断方法。利用调试阶段测量得到的频率响应作为参考值,与具有2种故障类型的轴承所计算得到的频率响应作为对比,对2个测量量进行评估,并将故障轴承与正常轴承之间频率响应偏差作为故障诊断的指标。最后通过实验验证了该方法对于故障轴承诊断的有效性。     

DH型离心式压缩机轴承故障诊断

利用故障诊断频谱分析方法,采用HG-8902多通道数据故障诊断系统对机组振动故障进行分析,通过对离心式压缩机的振动频谱进行分析及故障诊断,及时判断出压缩机高速转子轴承出现故障,并对存在的轴承故障进行分析,找出故障原因,制定处理方案,提出预防措施。     

小波分析和小波包分析在轴承故障诊断中的对比分析

结合轴承故障振动特点,以轴承滚动体故障为例,对比了小波分析和小波包分析在应用时的相同和不同之处。利用MATLAB仿真软件作为分析工具,通过定量分析和定性分析比较了它们在轴承故障信号降噪时的效果,通过计算功率谱、绘制功率谱图的方式比较了它们在轴承故障诊断方面的能力。结果表明,使用相同小波基和相同分解层数条件下,在降噪和故障诊断方面,小波包分析都优于小波分析,为选择合适的轴承故障诊断方式提供了参考。     

基于隶属度函数和小波变换的轴承故障诊断方法研究

提出了一种基于隶属度函数和小波变换的轴承故障诊断方法。针对轴承的类型,搭建了新的轴承故障实验台,采集了其轴承故障振动信号。利用隶属度函数确定实测故障信号与理论特征故障频率的相似度,利用小波变换提取故障的频率。将故障隶属度和小波变换相结合,应用到对轴承故障诊断之中,确定轴承故障类型与产生机理。实验结果表明,该方法是可行的。     

小波技术在轴承故障诊断中的应用现状及发展

阐述了小波技术在轴承故障诊断中的应用现状和发展方向,介绍了小波分析的特点。对小波技术在轴承故障诊断方面的应用特点及进一步研究应注意的问题作了简要概述。     

基于变迁记忆的无人化掘进机故障Petri网研究

无人化掘进机是无人化采矿技术理念的具体实现,煤矿智能化开采要求掘进机具备智能诊断技术。本文在分析传统Petri网在故障诊断领域的应用基础上,给出了故障诊断问题的不同建模分类及一种理论表达,并抽象出故障诊断领域的三大科学技术问题。介绍了表征变迁记忆的变迁标识矩阵,用于表达故障传播路径,在此基础上从新型故障Petri网定义、关联矩阵改进、状态方程、变迁记忆表达等几个方面,论述了基于变迁记忆的掘进机故障Petri网的理论定义及技术实现。最后验证并指出了智能诊断函数的表达形式及故障传播路径智能推理的一致性表达。     

煤矿堆取料机自动控制系统的故障诊断设计

故障诊断模块是煤矿堆取料机自动控制系统的重要模块。论述了在故障诊断模块中如何利用PLC的逻辑判断功能实现被控对象的监测、传感器的监测、PLC自身故障监测以及对故障的处理等。通过故障诊断模块 ,系统能够快速、准确地判断出故障的原因 ,为维修人员提供了帮助。     

基于模式识别技术的变压器故障诊断

当前方法变压器故障诊断方无法描述变压器故障的变化特点,导致变压器故障诊断时间长、诊断误差高等问题,为为了提高变压器故障效果,提出基于模式识别技术的变压器故障诊断方法。首先,分析当前变压器故障诊断的研究进展,找到各种方法的局限性;然后,采用粒子群算法确定故障类别门限值,利用模式识别技术根据峰值、诊断阈值、熵建立得到随机模糊特征因子,根据特征因子得到故障类别区间,根据故障类别匹配结果完成变压器故障诊断。仿真实验结果表明,本文方法能够有效提高模型训练速度以及变压器故障诊断的精度,获得较理想的变压器故障诊断效果。     

综采面液压支架故障诊断机理及检测技术研究

分析了井下液压支架故障高发问题、故障类型及原因.基于液压故障诊断原理研制了适用于综采支架的便携式隔爆矿用本安型泄漏故障检测仪,并提出了液压系统泄漏故障的诊断判据.白龙煤矿现场实测结果表明,该检测技术能准确判定支架泄漏故障部位及严重程度,提高了支架可靠性并减少了支架-围岩事故的发生率;同时,有效节约了检修时间并提高了劳动效率和经济效益.     

基于概率神经网络的风机故障诊断

针对风机常见故障征兆与故障类型之间的非线性映射关系,结合专家知识建立了风机系统故障知识库,提出了基于PNN神经网络的风机故障诊断方法,结果表明该方法能克服BP算法诊断过程中容易陷入局部极小的缺点,并能满足故障诊断的快速性和准确性要求,适用于在线检测,具有实际应用价值。     

基于改进粗糙集的滚动轴承故障诊断的计算机仿真研究

研究滚动轴承故障诊断的有效方法,目前主要有神经网络、专家系统方法、模糊数学方法等,但是利用这些技术对滚动轴承进行故障诊断,由于获得的故障断数据存在不精确和不完备的缺陷,无法获得满意的诊断效果。为了能够弥补这一缺陷,将阶次小波包理论和变精度粗糙集理论结合起来对滚动轴承进行了故障诊断。仿真结果表明改进的方法故障诊断精度均达到了100%,从而表明了该方法具有较高的故障诊断精度,在滚动轴承的故障诊断中具有非常重要的应用价值。     

振动诊断在机械设备齿轮故障诊断中的应用

介绍了利用振动信息进行故障诊断的优势及齿轮故障振动诊断方法,列举了齿轮故障振动诊断标准,通过诊断实例介绍了振动诊断在齿轮故障诊断中的具体应用。实践证明振动诊断在机械设备齿轮故障诊断中具有重要意义。     

煤矿通风机组合智能故障诊断策略研究

分析了专家系统、模糊理论、小波分析和人工神经网络等人工智能技术的发展 ,研究了各种诊断方法的特点 ,提出了组合式智能故障诊断的新方法 ,并在通风机的故障诊断中得到了应用 ,收到了良好的效果     

基于LabVIEW的矿井提升机故障诊断系统设计

为了保障矿井提升机设备安全运行,运用LabVIEW为平台设计矿井提升机故障诊断系统,实现对提升机各组成部件运行状态监测与故障诊断。设计了基于图形化编程语言LabVIEW的故障诊断系统,运用Matlab Script节点建立基于遗传算法的推理机,实现提升机故障信号识别。仿真表明:在缺乏先验知识和样本数据很少的情况下对故障做出判断,减小了知识不足对诊断结果的影响,根据故障数据确定了提升机故障部位及原因,对及时排除设备安全隐患具有重要意义。     

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。