模糊灰关联模式识别方法在岩爆预测中的应用

将模式识别方法用于岩爆预测研究,选取岩石弹性能量指数、脆性系数和围岩最大切向应力与岩石单轴抗压强度的比值作为岩爆灾害预测的主要影响因子,运用灰色系统理论和模糊数学原理提出了基于模糊灰关联模式识别的岩爆预测方法。利用所提出的方法对冬瓜山铜矿床岩爆倾向与烈度进行了预测研究,研究结果表明,该方法具有较高的预测精度,具有良好的应用前景。     

PNN在旋转机械故障诊断中的应用

研究了利用PNN进行旋转机械故障诊断和预报的方法。PNN是基于Parzen窗函数和Bayes分类规则的前向型自监督神经网络模型,具有强大的非线性处理能力,快速的收敛速度和准确的分类效果。以某旋转机械典型故障样本为例,给出了利用该模型进行诊断和预报的详细过程。理论分析和仿真实验结果表明,利用PNN进行旋转机械故障诊断和预报的方法可行、有效。     

FAM神经网络在机械故障诊断中的应用

介绍了fuzzy ARTMAP(FAM)神经网络的一般原理。通过快慢结合学习方法和投票的操作策略,对FAM神经网络作了改进,提高了学习的稳定性和诊断的可靠性,与BP、径向基神经网络做了比较,证实了FAM神经网络在机械故障诊断中的优势。     

LabVIEW在煤矿机械故障诊断中的应用

针对煤矿机械工作环境与实际工程相结合,介绍了将LabVIEW技术应用于煤矿机械设备故障诊断系统原理以及系统结构,详细阐述了如何结合LabVIEW虚拟仪器技术、现代测试手段、机械设备监测、控制与诊断等知识与技术以便提高煤矿机械设备安全工作性能。     

模糊理论在机械故障诊断中的应用

机械设备在经过长时间运行或环境条件的改变之后,机器本身的性能参数会发生变化,这些变化导致故障征兆与故障原因间的隶属关系是模糊的,为此,将模糊理论方法引入到机械设备故障诊断中,提出了由加权统计法确定模糊隶属度的方法,建立了模糊诊断模型,并在计算机上实现了机械设备故障的模糊诊断。     

专家系统在煤矿机械故障诊断中的应用

叙述了专家系统的构成和工作原理及在煤矿机械设备故障诊断中的应用。     

矿山机械电气控制与故障诊断 ——评《矿山电气设备的故障诊断》

随着信息控制科学的不断发展,煤矿、金属矿的正常运行过程中使用的电气设备越来越智能化,电气设备的故障诊断变得越来越重要.李春华等著的《矿山电气设备的故障诊断》一书(哈尔滨工程大学出版社, 2015年)对矿山电气设备故障诊断的背景、意义进行了简单介绍,并列举了常用的故障诊断方法,接着基于BP神经网络建立模型实现矿山用钢丝绳...     

双谱分析在旋转机械故障诊断中的应用

依据双谱分析的基本原理、算法及其在工程中的理解,通过实验室实验中所得到的碰摩信号数据进行了双谱分析,实验表明,双谱分析能有效地识别故障特征、抑制噪声。     

局域波法在机械故障诊断中的应用

针对故障振动信号的非平稳特征,提出了一种基于局域波分解的机械故障诊断方法。探讨了局域波法的原理和物理意义,表明局域波分解具有自适应的特性,特别适宜于非平稳信号的分解。将该方法应用于滚动轴承的故障振动信号分析中,结果表明局域波分解能够提取轴承微弱振动信号,突出滚动轴承的故障特性,提高滚动轴承故障诊断的准确性。     

数据挖掘技术在煤矿机械故障诊断中的应用

数据挖掘是数据库中知识发现过程的一个重要步骤,广泛应用于机械等多个领域。介绍了一种基于数据挖掘技术的煤矿机械故障诊断方法,数据仓库的设计思想和框架、事实表和维表的设计、数据仓库的实现过程、数据挖掘的实现步骤,详细介绍了煤矿机械故障诊断的实现。     

神经网络在旋转机械故障诊断中的应用研究

旋转机械在化工、机械、冶金、矿山、炼油、受电等工业领域应用广泛,常见的有压缩机、风机、汽轮机、发电机等,它们都是由转动部件和非转动部件构成的。转动部件有转子、齿轮、联轴器、滚动轴承等,非转动部件包括滑动轴承、轴承座、机壳以及地基等。对大型旋转机械进行状态监测和故障诊断具有重要的实用价值。但是,由于旋转机械本身构造的复杂性,其故障形式繁多。产生故障的原因复杂。故障和症状之间缺乏明显的对应关系,因此用人工方法难以从症状中查出故障,神经网络技术的出现则为故障的模式识别提供了有力的手段。     

模糊神经网络在旋转机械故障诊断中的应用

将神经网络和模糊算法结合，建立了串联式模糊神经网络模型，并利用该模型对D350风机进行了故障诊断。     

概率神经网络在旋转机械故障诊断中的应用

概率神经网络是一种学习规则简单、训练速度快、应用广泛的人工神经网络。对该方法进行了理论分析,并将其应用于旋转机械—风机的故障诊断中。仿真结果表明用概率神经网络对风机振动故障进行诊断是可行而有效的。     

改进BP算法在旋转机械故障诊断中的应用

针对BP算法在实际诊断中表现出来的“学习收敛速度慢”、“易于陷入局部最小点”等局限性 ,改进BP算法的神经网络方法已经被提出 ,并且应用于对设备的故障诊断和分析研究。用转子试验台模拟了几种常见的故障 ,对其进行诊断研究 ,从中得出结论 :将代表故障的信息输入训练好的神经网络后 ,由输出的结果 ,便可以判断发生故障的类型 ,此外 ,改进后的BP算法大大地提高了网络收敛速度和稳定性 ,更能满足实时在线诊断的要求     

SKF故障诊断系统在旋转机械故障诊断中的应用

针对选煤厂旋转机械故障问题,设计了SKF故障诊断系统。利用多个加速度传感器在旋转机械的主要振动部位采集信号,通过时域、频域、加速度包络谱等方式对信号处理,提取特征,再根据SKF故障诊断系统故障标准库与处理后的信号特征进行比对,获取当前的故障信息,并通过列举实例证实了SKF故障诊断系统的可靠性。     

Hilbert-Huang变换及其在旋转机械故障诊断中的应用

旋转机械故障诊断的核心是信号处理技术，特别是现代数字信号处理技术的出现和发展，使旋转机械故障诊断技术步入了新的阶段。在实际应用中，大部分信号都是非平稳的，如剥落、摩擦、松动、裂纹、断裂、油膜振荡、喘振、旋转失速、冲击等故障导致的信号。对这类信号进行准确地分析和处理，无疑是旋转机械故障诊断成功与否的关键所在。     

铁谱图像分析在煤矿机械故障诊断中的应用

在介绍铁谱分析技术的基础上,结合图像处理技术实现了铁谱分析中的定量与定性处理,对后续研究工作具有指导意义.     

人工神经网络方法在采煤机故障诊断中的应用

介绍了BP网络的原理、算法,并用BP网络对采煤机截割部机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证,证明用人工神经网络可较好地预报机器故障,变被动维修为视情维修,为合理安排生产计划及设备检修提供了可靠的依据。