基于VC++的矿用监控软件

该软件采用VC＋＋进行二次开发，主要对矿井有关的流量、液位、皮带速度、齿轮速度等参量进行监控显示和过程控制，完成数据通信、数据存储和管理，以及重要资料的加密保存。从而提供方便、直观的矿用数据采集和信息管理窗口。     

基于RS的提升机故障诊断系统研究

针对传统故障诊断专家系统中获取知识困难的问题,提出了基于粗糙集理论的故障诊断方法,并将其应用于提升机故障诊断系统中。该方法可以从包含冗余信息的现场采集数据中,获取简洁、有效的诊断决策规则,并输入到知识库中,作为诊断专家系统知识获取模块的输入,从而有效地解决了故障诊断专家系统知识获取难题。试验结果显示利用粗糙集理论获取简洁规则是有效与可靠的。     

基于模糊神经网络的提升机故障诊断系统

将模糊理论和神经网络结合起来,建立了提升机模糊神经网络故障诊断模型,并利用模糊神经网络建立了提升机运行常见故障的专家诊断知识库,对系统常见运行中超速过卷和加减速度大两种故障的智能诊断进行了仿真.仿真及试验结果表明,该系统能满足实际要求.     

基于集成神经网络的提升机故障诊断系统

研究了集成神经网络故障诊断方法,并利用Matlab7.0编写了该计算方法;设计搭建了提升机故障诊断系统硬件系统,以虚拟仪器Lab VIEW8.6平台对系统的软件进行设计与开发。测试证明系统性能良好,满足使用要求。     

基于网络的矿井提升机故障诊断系统

主要回顾了国内外的故障诊断的发展现状，提出了基于网络的故障诊断系统及模型，并对系统的现场工作站做了软硬件方面的一些论述，开发基于网络的诊断系统，实现了提升机远程诊断。     

多Agent在提升机远程故障诊断系统中的应用

通过对Agent的介绍,建立了多Agent故障诊断系统模型,并对多Agent通信机制及协作诊断过程作了深入分析,对多Agent之间的协作与协调关键问题进行了探讨。     

基于HTML5移动平台的矿井提升机故障诊断系统研究

为了方便煤矿人员利用智能手机等移动设备可以随时随地了解矿井提升机运行情况,开发出基于HTML5移动平台的矿井提升机故障诊断系统。在系统总体方案设计中,描述了体系机构设计、功能结构设计、HTML5技术在Web页面的实现及Web服务流程。在此基础上,详细论述了系统功能结构中的设备监测模块和故障诊断模块,重点研究了适合系统的故障诊断技术:绝对值判定法和相对值判定法。试验以系统故障诊断模块中的"电动机诊断"为例,对连续运行2 d的电动机振动烈度值进行分析,实现为煤矿人员提供有效的检修建议。     

矿井提升机传动部件故障监测诊断系统

提出一种提升机传动部件监测诊断系统实现方案。阐述了系统的组成、硬件设计、软件功能及组态王开发实现等。采用该系统对提升机天轮轴承进行实时监测,监测数据表明测点运行状态良好。系统实现了提升机传动部件的实时监测和故障预测与诊断,采用组态化设计为监测诊断系统的研发提供了一种新方法。     

基于GPRS的矿井提升机故障监测系统设计

分析了矿井提升机系统常见的故障类型和故障机理,提出了基于GPRS无线网络的矿井提升机故障监测系统的设计方案。基于GPRS无线网络的数据传输为IP数据报通信的过程,通过GR47无线模块完成现场数据传输,采用"心跳包"数据间隔的发送形式,强化了提升机监测系统的自动化功能。系统硬件设计采用PIC18F458型号的16位单片机,串口通信包括RS-232、RS-485及GSM接口,并通过软件方式进行抗干扰控制。     

基于深度迁移学习的提升机主轴故障在线诊断系统研究

实际工业场景下的提升机状态监测与在线故障诊断,存在缺少足量有标签故障样本以及变工况导致的测试样本与训练样本间分布差异的问题,限制了智能故障诊断算法应用于实际工程。文章提出一种面向实际提升机的融合边缘节点的迁移故障诊断架构,包括多源信息采集层,边缘节点层,网络层和中央云服务器层。以提升机轴承为对象,提出基于ResNet与多核联合分布差异的深度迁移故障诊断算法,实现变工况下的提升机轴承故障状态识别,采用两种轴承故障数据进行算法有效性与适应性验证,结果表明所提出算法能够达到理想的迁移故障诊断准确率。最后,设计构建了提升机检测诊断平台,部署于煤矿地面中央云服务器中心,实现了对矿井提升机运行状态的监测与在线诊断。     

信息融合技术在矿井提升机制动器故障诊断中的应用研究

提出了一种2层信息融合方法,特征层采用RBF神经网络进行空间上的融合,决策层采用DS证据理论进行时间上的融合,充分利用了各传感器在时间和空间上的互补和冗余信息,提高了提升机制动系统诊断的可靠性和正确性。     

基于模糊逻辑的煤矿机械系统故障诊断

在煤矿生产领域中,煤矿机械系统出现故障将会导致严重后果,建立在模糊逻辑基础上的机械故障系统故障诊断技术逐渐成为关注的热点问题。首先介绍了煤矿机械系统故障中模糊逻辑的相关理论;在此基础上较为深入地阐述了煤矿机械故障诊断实践中模糊逻辑的实际应用情况。     

基于模糊推理的矿井提升机故障诊断方法的研究

运用模糊理论和模糊推理方法,论述了基于矿井提升机的故障诊断方法。有效的解决了由于设备系统知识的模糊性所引起的不确定性问题,实现了设备的状态检测和故障诊断。     

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。     

基于ES和ANN相结合的通风机故障诊断专家系统研究

鉴于传统专家系统和神经网络的优缺点,将专家系统和神经网络相结合应用于通风机故障诊断,建立通风机故障诊断专家系统。详细介绍了神经网络学习系统、知识库和推理机制等。     

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。     

矿井通风机故障诊断专家系统的研究

本文以G4-73-11通风机为研究对象,用CLIPS语言建立了故障诊断专家系统。以转子不平衡故障模块为例,引入故障判定树和开放式知识库。     

矿井提升机故障诊断专家系统的研究

根据矿井提升机制动系统的工况特点,设计了基于故障树的故障诊断专家系统,重点论述了专家系统的知识库构成及推理机制。故障树方法是分析复杂系统故障的有效方法之一,利用故障树建立专家系统的知识库,很好地解决了故障诊断专家系统知识获取的“瓶颈”问题。