矿用带式输送机驱动滚筒轴承振动信号降噪方法

针对现有振动信号降噪方法中经验模态分解存在模态混叠、独立分量分析要求采集的振动信号数不少于源信号数等问题,提出了一种基于集合经验模态分解(EEMD)和快速独立分量分析(FastICA)的矿用带式输送机驱动滚筒轴承振动信号降噪方法。首先,通过EEMD算法对采集的振动信号进行分解,得到若干不同尺度的包含故障特征频率的本征模态函数(IMF)分量;然后,基于相关系数对IMF分量进行重构,得到特征信号和虚拟噪声信号,将重构的特征信号和虚拟噪声信号组成输入矩阵,并作为FastICA算法的输入;最后,利用FastICA算法实现信号与噪声分离,达到信号降噪的目的。实验结果验证了该方法的可行性和有效性。     

煤矿带式输送机轴承监测诊断系统及其应用

针对煤矿现有带式输送机轴承故障诊断存在的问题,提出了一种新型的煤矿带式输送机轴承监测诊断系统的设计方案。该系统以矿用本安型振动监测分析仪与矿用本安型振动加速度传感器为核心,结合数据库服务器与组态王上位机软件,实现了煤矿带式输送机轴承的振动、温度信号采集与处理、故障实时分析与智能诊断、趋势分析、报告生成等功能。实际应用表明,该系统可实时监测煤矿带式输送机轴承的运行状态并进行故障诊断,满足了煤矿带式输送机运行状态监测与在线诊断的实时性和准确性要求。     

煤矿带式输送机传动滚筒的受力分析

为进一步分析煤矿带式输送机传动滚筒的受力情况及可能的优化路径,基于有限元分析的理念和方法,首先应用SolidWorks软件,对带式输送机的传动滚筒进行建模。其次应用ANSYS有限元分析软件,分析该煤矿带式输送机传动滚筒的受力情况,得到包括应力、位移、固有频率和振型等仿真分析结果。最后,结合仿真分析结果,对煤矿带式输送机的传动滚筒进行尺寸优化。结果显示,其能够在满足强度和刚度要求的前提下实现一定的减重,对该传动滚筒后期综合性能的提升具有一定作用。     

轴承故障的智能诊断方法

总结了轴承故障诊断的模糊规则,并把这些规则晨射到模糊神经网络,提高了诊断的智能性。提出了部分层学习算法,并推导出隶属度函数的参数学习算法,改善了诊断规则和学习性能,所研制的诊断系统在对轴承邦联伯诊断中取得了满意的结果。     

带式输送机系统故障诊断方法综述

输送带和驱动装置是带式输送机的主要组成部分且为故障高发部位,以输送带故障和驱动装置故障为切入点,分析了输送带跑偏、打滑、损伤、堆料撒料等故障及驱动装置滚筒、托辊、减速器等故障的机理,重点阐述了知识驱动和数据驱动的带式输送机故障诊断方法研究进展。知识驱动法以知识处理技术为基础,实现符号处理和数值处理的统一、推理过程和算法过程的统一,主要包括专家系统、故障树分析法。数据驱动法采用机器学习和数据挖掘等技术对历史数据进行分析处理,建立诊断模型,达到故障诊断目的,主要包括支持向量机（SVM）、比差法、基于声音和视觉的诊断方法。分析了带式输送机故障诊断方法目前存在的挑战和未来发展趋势：(1)结合历史故障数据和实时数据推断设备健康状况,预测早期微小故障,提醒工作人员进行预测性维护。(2)揭示带式输送机耦合故障的关联关系,利用人工智能等新兴技术研究耦合故障联合诊断方法。(3)利用多模态机器学习技术研究带式输送机多模态信息融合利用机制,开发带式输送机多模态信息融合故障诊断方法。(4)将故障知识图谱和带式输送机领域知识相结合,实现带式输送机设备故障追踪、故障超前预警,通过知识查询、知识推理和辅助决策功能,...     

矿用带式输送机托辊音频故障诊断方法

现有矿用带式输送机托辊故障诊断方法一般是对托辊信号进行分解并转换至频域,从频域提取特征进行故障诊断,而常用的信号小波分解和经验模态分解方法存在小波基选择困难、易出现频谱混叠和端点效应的问题,导致故障诊断准确率较低。针对上述问题,提出了一种基于变分模态分解（VMD）-BP神经网络的矿用带式输送机托辊音频故障诊断方法。首先通过音频传感器采集矿用带式输送机沿线托辊的音频信号,并对音频信号进行预处理,以抑制音频信息中的噪声信号;然后采用VMD将音频信号按照中心频率分解成不同的IMF（本征模态函数）分量,提取各个IMF分量的峭度、重心频率、频率标准差等特征值;最后将特征值输入到已经训练好的BP神经网络,根据IMF分量特征值的差异,可以实现通过音频对矿用带式输送机托辊故障进行诊断,并可根据音频信号对应的传感器编号确定出故障托辊位置。以某煤矿实际采集的带式输送机托辊音频信息对基于VMD-BP神经网络的矿用带式输送机托辊音频故障诊断方法进行分析验证,结果表明：该方法在分解、提取音频信号特征时,可以避免分解过程中的频谱混叠与端点效应,总体故障诊断准确率达到96.15%,与采用BP神经网络的故障诊断方法和...     

带式输送机滚筒温度检测装置设计

针对传统带式输送机滚筒温度检测方法存在布线困难、测量误差大等问题,设计了一种基于射频通信的带式输送机滚筒温度检测装置。该装置检测终端采用集成温度检测与射频发射功能的轮胎压力传感器芯片SP370,定时采集温度数据并通过射频通信发送给由射频接收芯片、单片机和CAN收发器组成的接收终端,接收终端将接收到的温度数据发送到CAN总线上。测试结果表明,该装置测量误差为±3.73℃,单个纽扣电池可为检测终端连续供电1.5a以上,满足现场应用要求。     

井下带式输送机减速器振动故障诊断研究

利用测振记录仪进行了煤矿井下带式输送机减速器的振动监测试验;通过分析现场振动数据时域特征指标的变化趋势和功率谱,发现该减速器输入轴齿轮存在严重磨损和蹦齿故障。检修结果验证了分析的正确性和记录仪记录数据的真实有效性。     

基于支持向量机的矿用带式输送机轴承故障诊断方法研究

近年来,随着煤矿开采量的增加,带式输送机的实际运量在不断增加,带式输送机载荷较大,轴承部件非常容易引起故障,轴承故障发生率较高。针对传统的矿用带式输送机轴承故障诊断方法存在检测准确度不高、工人劳动强度大、诊断时间长及严重影响输送机的正常工作等问题,为了提高诊断效率和准确度,对带式输送机轴承故障诊断方法进行研究,提出了基于支持向量机的轴承故障诊断系统并对算法进行优化,通过对模型训练表明:优化后的算法可以准确提取轴承故障信号并进行诊断,故障诊断准确率达到了97.5%,大大提高了故障诊断效率,降低了维修成本,可以有效避免煤矿事故发生,对于保证煤矿安全生产具有重要的作用和意义。     

基于差分振子的带式输送机故障诊断方法

针对带式输送机运行状态信号微弱而不易提取故障特征的问题,提出了一种基于差分振子的带式输送机故障诊断方法。该方法采用Hilbert对信号进行解调,揭示隐含在信号中的设备故障特征,然后利用差分振子相图的变化实现对故障特征的提取。若信号中含有故障特征,则差分振子相图收敛于极环状态,反之则收敛于极点状态。应用结果验证了该方法的有效性。     

上运带式输送机双滚筒变频驱动若干问题的探讨

介绍了上运双滚筒变频驱动中的能量回馈和功率平衡问题,分析了几种能量回馈技术的优缺点,提出了一种适合上运胶带的能量回馈方式,并阐述了变频驱动调节功率平衡的原理。     

模糊信息融合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单个传感器获得的信息具有不确定性和局部性的问题,提出了一种基于多传感器模糊信息融合的故障诊断方法。该方法将温度、粉尘和烟雾传感器所获得的带式输送机信息模糊化,经过融合中心的合成运算和决策规则将其融合,从而得到精确的带式输送机状态估计与判断。实验结果表明,该方法提高了带式输送机故障诊断的准确性和可靠性。     

带式输送机智能预调速方法研究

带式输送机作为散装物料运输的主要装备,因其运距远、运量大、环境适应性强及运输成本低等特点,成为煤矿及其附属企业的重要运输工具之一。通过对带式输送机运行工况进行分析,以及输送机带速、运量和功率关系图,并采用落料区流量回归预测算法,得到输送带流量走势图的计算模型以及输送机最佳带速,制订了输送机智能预调速方案;通过Simulink对采用PID控制的输送机带速仿真,得到输送机带速智能控制曲线。该控制方法可以根据输送带负载百分比及时做出调整,且无明显的滞后,煤料流量预测模型可以和带速调节控制模型很好地结合,对带式输送机进行智能预调速控制。     

矿用带式输送机智能监测系统研究

针对矿用带式输送机运行过程中存在的托辊、滚筒等关键部件与输送带摩擦发热,钢丝绳芯输送带内部损伤与撕裂,运行功耗大等问题,设计了一种矿用带式输送机智能监测系统。该系统包括基于弱磁检测法的钢丝绳芯输送带损伤监测系统、基于红外热成像温度检测法的带式输送机关键部件故障诊断与预警系统和基于视觉检测法的煤流监测、异物监测、胶带撕裂监测及人员安全监测系统,详细介绍了各系统的实现原理。对钢丝绳芯输送带内部损伤识别及带式输送机关键部件故障诊断预警进行了实验验证,结果表明该系统对钢丝绳芯输送带损伤识别的准确率约为98%,且可准确识别带式输送机关键部件故障并发出预警。     

一种煤矿带式输送机故障诊断方法

针对煤矿带式输送机故障种类繁多且各征兆存在交叉,严重影响故障诊断的时效性和可靠性的问题,提出了一种煤矿带式输送机故障诊断方法。该方法采用粗糙集与神经网络相结合的故障诊断技术,通过粗糙集属性约简算法优化输入的故障征兆集,得到最优约简集;将约简后的最小条件属性集输入BP神经网络进行合理训练,经过不断学习优化,最终得到诊断决策规则;将约简的相应测试征兆属性样本输入训练好的网络进行故障诊断,判别出相应故障。仿真结果表明,该方法能够充分删除冗余信息,加快网络训练速度,提高带式输送机故障诊断精度。     

信息融合在带式输送机故障诊断中的应用

针对带式输送机输送距离长、运量大、速度快等特点,为克服带式输送机系统的复杂性和单一传感器很难判断出故障所在,在分析D-S证据理论信息融合算法的基础上,将信息融合技术应用于带式输送机故障诊断中,实现多个传感器采集并充分利用多个传感器资源,提高故障诊断率。仿真结果表明,该方法能准确诊断出系统的故障,有效克服单个信息源的主观性,使故障检测误报率降低,提高检测系统的可靠性。     

带式输送机一体化控制装置研制

针对带式输送机在缩带、张紧、卷带过程中存在作业程序多、劳动强度大的问题,设计了一种带式输送机一体化控制装置。该装置中的液压自动张紧装置完成带式输送机在运行过程中的自动张紧及工作面推移时的输送带储带任务;液压自动卷带装置把储带仓的输送带卷曲并移出带式输送机,再运至井上进行处理。实际应用表明,该装置运行效果较好,顺利完成了输送带的缩带、卷带工作。     

一种带式输送机故障诊断方法

针对传统浅层神经网络用于带式输送机故障诊断时存在故障状态样本数据不足、准确率不高等问题,提出了一种基于合成少数类过采样技术(SMOTE)和深度置信网络(DBN)的带式输送机故障诊断方法.该方法利用SMOTE生成带式输送机故障状态样本数据,克服样本数据分布不平衡现象;将样本数据输入DBN,利用无监督逐层训练方式提取数据中的故障特征,并通过有监督微调来优化故障诊断能力,实现带式输送机故障精确诊断.仿真结果表明,该方法提高了带式输送机故障诊断准确率.     

基于改进YOLOv5s的带式输送机滚筒故障检测研究

针对目前带式输送机滚筒故障检测方法检测效率低、识别准确率不高、特征提取能力较差等问题,提出了一种基于改进YOLOv5s的带式输送机滚筒故障检测方法。在YOLOv5s网络模型中增加了小尺寸检测层,使尺寸较小的滚筒故障更易被检测到;在Backbone和Neck间引入卷积注意力机制（CBAM）,提高目标检测的准确率;在Neck中引入高效通道注意力机制（ECA）,增强对滚筒故障的特征提取能力。实验结果表明：(1)在满足实时检测要求的前提下,改进YOLOv5s网络模型识别平均准确率均值达94.46%,较改进前提升了1.65%。(2)改进YOLOv5s网络模型对滚筒开焊、包胶磨损和包胶脱落检测的平均准确率分别为95.29%,96.43%,91.65%,较改进前分别提高了1.56%,0.89%和2.50%。设计了基于改进YOLOv5s的带式输送机滚筒故障检测系统,并对该系统进行验证：(1)实验平台测试结果表明：基于改进YOLOv5s的带式输送机滚筒故障检测系统对滚筒开焊、包胶磨损和包胶脱落检测的平均准确率分别达95.29%,96.43%,91.65%,3种故障检测的平均准确率均值达94.46%,检测...     

带式输送机故障定位系统网关的设计

以带式输送机故障定位系统为应用背景,提出了一种基于STM32F103VE微处理器的CAN总线与Profibus-DP总线网关的设计方案。该网关在CAN网络中作为一个CAN通信节点,在Profibus-DP网络中作为一个从站;带式输送机沿线分布若干个CAN检测节点,每个节点负责检测其段内的4种传感器设备采集的实时数据,如果检测到故障信息,CAN检测节点就会向网关发送故障信息报文,网关接收CAN检测节点发送的报文并进行存储;当网关与Profibus-DP主站连通后,作为Profibus-DP从站的网关可以通过查询方式把故障信息报文传送到Profibus-DP主站中,从而实现故障定位功能。实际应用表明,该网关运行稳定、可靠,实现了带式输送机故障定位系统中CAN总线及Profibus-DP总线的互联。