基于BP神经网络的矿井通风机故障诊断系统

提出基于三层BP神经网络的诊断模型,提取反映矿井通风机故障信息的振动信号频谱特征,用来训练神经网络。实测证明矿井通风机故障诊断系统高效、准确,可以推广应用。     

BP神经网络在矿井通风机故障诊断中的应用

通过对矿井通风机常见故障的分析,建立了基于BP神经网络的矿井通风机故障诊断模型,并应用MATLAB7.0实现了对通风机不同故障状态的识别。实例诊断结果表明,该方法能可靠地实现通风机的故障诊断,具有简单、快捷的特点,为非线性系统的控制提供了一种新方法。     

基于智能PID的通风机自动监控系统

构建了基于PLC和组态技术的分布式监控系统的硬件平台,设计开发了下位机PLC的监控程序和基于WinCC组态环境下上位机的监测程序。针对矿井通风系统具有惯性大、时滞大、非线性等特点,提出了基于BP神经网络的PID控制方案,设计了神经网络自适应PID控制器,仿真结果表明,该方法可提高控制系统的实时性、适应性和鲁棒性。对提高矿井通风机运行的安全性和控制的准确性,保证煤矿安全高效生产具有重要的现实意义。     

基于BP神经网络的矿用通风机运行状态监测及报警系统研究

通风机的特殊性决定了煤矿中要求设备连续24 h工作,对其运行稳定性提出了非常高的要求。以煤矿中的FBCDZ-10-No36轴流式通风机为对象,采用BP神经网络,构建了通风机运行状态监测及报警系统。系统主要由通风机现场硬件、上位机软件以及工业以太网3大部分构成。系统利用振动加速度传感器对关键位置的振动状态信息进行采集,然后提取特征参量,基于训练好的BP神经网络结构对振动特征参量进行分析,获得通风机的故障类型。系统检测到故障问题后可以向外发出警报。将设计的系统部署到通风机工程实践中,经现场测试运行,发现各项功能都能够实现,通风机故障率大幅度降低,取得了很好的效果。     

基于PLC控制器的煤矿通风机监控系统研究

通风机是煤矿中的重要安全装置,对运行稳定性提出了较高的要求。在对煤矿通风系统进行概述的基础上,结合实际情况基于PLC控制器设计了通风机的监测系统。系统主要是利用专业传感器对风机的运行状态(包括风压、风量、温度、振动状态等)进行监测,再利用S7-300型PLC控制器根据监测结果判断通风机的状态,并对通风机的运行情况进行调整,使之更切合矿井的实际情况。基于STEP 7编程平台对S7-300型PLC控制器的软件程序进行设计,重点对通风机的启动工作流程、倒机工作流程以及反风控制流程的软件程序进行了介绍。监控系统的成功实践应用,显著提升了通风系统的运行可靠性,同时降低了设备的能源消耗,达到了预期效果。     

基于蚁群算法和BP神经网络的矿井通风机故障诊断

采用蚁群算法代替BP算法来训练神经网络的权值和阈值,通过比较2种算法的训练结果,基于蚁群优化的神经网络具有较快的收敛速度,而且能够克服BP算法易于陷入局部最优解的缺陷。采用蚁群算法训练后的神经网络对矿井通风机进行了故障诊断,实验结果表明,该方法是一种有效的故障诊断方法,具有较好的故障诊断效果。     

MCGS工控组态软件在煤矿主通风机监控系统中的应用

文章阐述了煤矿主通风机监控系统的构成,以及MCGS工控组态软件在煤矿BD-Ⅱ型隔爆对旋轴流主通风机监控系统中的应用情况,并对该工控组态软件的系统构成、监控功能及运行效果进行了分析。     

MCGS工控组态软件在煤矿主通风机监控系统中的应用

文章阐述了煤矿主通风机监控泰境的构成以及MCGS工控组态软件在煤矿BD—Ⅱ型隔爆对旋轴流主通风机监控系统中的应用情况，并对该工控组态软件的系统构成、监控功能及运行效果进行了分析。     

矿用通风机监控系统设计及应用研究

通风机在保障矿井安全方面发挥着不可替代的作用,使用监控系统不仅能提升通风系统的运行可靠性,还可以降低一定的能源消耗。结合实际情况设计了矿用通风机监控系统,系统整体上可分为调度层、传输层和终端设备层三大部分。系统中使用的控制器为S7-1200型PLC控制器,利用各类专业传感器对通风系统的振动、温度、风量、电气、压力参数进行实时监测。基于模糊PID控制技术实现通风量的高效控制。PLC控制器的软件程序基于模块化思想进行设计,通过一个主程序对各子程序进行串联,从而实现系统的各项功能。将监控系统应用到通风机工程实践中,应用效果良好,达到了预期效果,为企业创造了良好的安全效益和经济效益,值得其他煤矿企业借鉴。     

基于模糊神经网络的PID控制器在矿井局部通风机调速系统中的应用

针对矿井掘进工作面通风的特点,提出了一种基于模糊神经网络的PID控制方法,用以控制矿井局部通风机。该方法利用模糊神经网络来调整PID控制器的参数,能根据瓦斯浓度的变化自适应调整通风机的转速。仿真实验表明,该控制器较传统的PID控制器,在超调量和稳定时间上,效果都要好得多,具有适应性强、控制灵活、稳定性好等优点。     

基于Elman神经网络矿用通风机故障诊断的研究

介绍了一种基于Elman神经网络的通风机故障诊断的诊断原理,学习算法以及技术路线。通过对现场信号特征数据的采集以及归一化处理,对Elman神经网络选取最优的结构与参数,实现了煤矿主通风机故障类型的智能分类与诊断。与传统BP神经网络诊断结果相比较,Elman神经网络综合诊断性能更优。最后通过风机的故障诊断实例表明:Elman神经网络在提高学习速度上有了很大的改进,并且有效地抑制了传统神经网络容易陷于局部极小的缺陷,缩短了自主学习的时间,是风机故障诊断的有效方法。     

基于BP神经网络的矿井提升机转矩控制系统

矿井提升机是煤矿开采过程的咽喉,保障电机的可靠运转是保障矿井提升机正常工作的前提,对电机进行合理控制至关重要。对矿井提升机双馈电机的结构组成及工作原理进行分析,对直接转矩控制方式的系统结构进行研究,为了弥补只考虑转矩和磁链误差方向导致的问题,引入BP神经网络对双馈电机定子磁链的磁通量进行预测,以其误差大小作为判断PWM逆流器开关的依据。为了验证此方案的合理性,采用MATLAB对提升机的提升过程进行仿真,结果显示,在提升机的运转过程中,提升机的速度和转矩曲线大致与预期一致,定子磁链曲线接近圆形,说明基于BP神经网络的双馈电机直接转矩控制方案具有较好的鲁棒性。     

基于神经网络的采煤机变频器故障诊断

针对采煤机变频器ACS800的常见故障进行分析,指出导致变频器故障的主要原因,利用RBF神经网络的诊断技术对其内部进行诊断,运用小波技术对输入信号进行处理,从而可进一步提高变频器的安全率,并为其实际维修提供参考。     

基于遗传神经网络的矿井通风机故障诊断研究

为了提高矿井通风机机械故障诊断的准确性,提出了一种基于遗传神经网络的矿井通风机故障诊断模型。利用BP神经网络的自学习、自适应、强容错性,并通过遗传算法优化BP神经网络的连接权重和阈值。弱化了故障诊断中的人为因素,提高了评价结果的准确性和权威性。仿真结果表明,该诊断方法具有准确度高、诊断速度快等优点,是一种实用的故障诊断方法。     

基于模糊神经网络的通风机故障诊断系统

针对矿用通风机故障具有不确定性和复杂性的问题,利用风机的振动参数进行推理,提取常见故障振动信号的特征频谱值来组建及训练神经网络,以此建立诊断系统进行故障类型的识别。诊断结果与实际故障相符,表明基于模糊神经网络故障诊断方法能够快速准确地得到风机故障的特征和状态,增加了风机故障诊断的可靠性和实用性。     

基于小波包-人工神经网络在矿井通风机故障诊断中的应用

通过对已采集的矿井通风机振动信号的处理,提出应用小波包-人工神经网络对其进行故障诊断与监测。以G4-73-11No25D离心式通风机为研究对象,利用小波包提取振动信号的能量特征作为特征向量,并利用L-M算法对BP网络进行改进,建立了神经网络模型。经实际验证,该方法能够准确、快速地对通风机的故障进行诊断和监测。     

人工神经网络在煤矿通风机故障诊断中的应用

分析了煤矿通风机的常见故障,在介绍BP神经网络原理和算法的基础上,建立了基于BP神经网络模型的通风机故障诊断模型,并应用数学软件MATLAB中的神经网络工具箱实现了通风机不同故障状态的识别。研究结果表明,该方法能准确地诊断通风机的故障类型,具有简单、准确的特点,为实现煤矿通风机的故障预警和保障煤矿的安全生产具有指导意义。     

基于BP神经网络的煤矿风机故障诊断

针对目前矿用风机的常见故障可收集故障征兆及类型,将故障样本数据与BP神经网络相结合,由BP神经网络确定输出向量,对风机常见故障进行诊断。通过MATLAB软件进行诊断参数运算后结果表明:神经网络输出与实际数据间误差较小,诊断结果与实际情况吻合。