基于模糊神经网络的刮板输送机故障诊断

对刮板输送机常见故障类型进行总结与分类,介绍基于模糊神经网络的故障诊断流程,分析刮板输送机故障的影响因素,建立基于模糊神经网络的刮板输送机故障诊断模型,研究模糊聚类的依据以及RBF神经网络的学习流程。为了验证基于模糊神经网络故障模型的有效性,以刮板输送机减速器的诊断过程为例,采用MATLAB进行仿真,仿真结果表明,基于模糊神经网络的故障诊断结果与实际情况一致,相比传统RBF神经网络,迭代次数更少,性能更优。     

刮板输送机主参数模糊优化

以刮板链速、刮板宽度、槽深度为设计变量，以功率消耗最小为目标函数，同时考虑影响目标函数的各种模糊因素，对刮板输送机进行模糊优化，并附有应用实例。     

基于小波分析和神经网络的刮板输送机刮板链故障诊断

刮板链是刮板输送机最易损坏的部件,维修难度大。快速定位故障可有效提高效率,因此采用小波分析和RBF神经网络对刮板链故障进行诊断。对刮板链故障类型进行分析。为减少RBF神经网络的计算量,采用小波分析方法对采集到的数据进行预处理。将刮板链节距、刮板长度、刮板厚度、空载时弯曲度和满载时垂直度作为神经网络的输入,对RBF神经网络进行训练。仿真结果显示,故障诊断结果与实际情况一致,且采用小波分析后迭代次数明显减少。     

SGZ-764/400型刮板输送机的减速机对轮改造

针对SGZ-764/400型刮板输送机的减速机原配套的对轮存在生产成本高、安装工艺复杂、可靠性差、使用寿命较短的问题,通过重新设计改造对轮结构,生产出一种闸盘一体式减速机对轮,较好地解决了原配套的对轮存在的问题,取得了较好的技术经济效果。     

基于DL联合信息融合技术的刮板转载机故障诊断

采用深度学习(DL)算法和信息融合技术对刮板转载机进行故障诊断。对刮板转载机故障类型进行分类,建立刮板转载机故障诊断模型。为提高信息融合技术的准确率与效率,将一种典型的DL算法——深度置信网络(DBN)应用于数据层信息融合,提出基于DL联合信息融合技术的故障诊断流程。对比MATLAB仿真结果与真实情况,基于DL联合信息融合技术故障诊断结果的准确率比信息融合技术的高。     

基于小波分析的刮板输送机齿轮故障诊断

刮板输送机是煤矿开采任务中不可或缺的设备,而刮板输送机中的齿轮部件故障极为常见。因此,对齿轮进行故障诊断成为重中之重。通过小波变换对故障信号进行处理,再采用小波包进行3层分解,得到最佳分解树。仿真结果表明,可以有效且明显地对故障信号进行检测,为以后故障数据的分析与处理奠定了基础。     

基于GWO-CNN的刮板输送机减速器故障诊断

刮板输送机减速器故障诊断对于井下正常有序生产至关重要。首先基于振动分析、温度检测与油液分析建立刮板输送机减速器故障诊断指标体系;然后运用深度学习中的卷积神经网络(CNN)搭建模型框架,结合灰狼优化(GWO)算法优化模型超参数,建立基于GWO-CNN的刮板输送机减速器故障诊断模型;最后建立BP、GWO-BP、支持向量机(SVM)、GWO-SVM、CNN模型进行对比验证,GWO-CNN模型预测结果的准确率最高,能够有效地挖掘数据中的关联特征,并具备强大的泛化能力,能够有效减少刮板输送机事故的发生并保障矿工的安全。     

基于模糊专家系统的采煤机故障诊断研究

根据矿井设备故障频次调查,采煤机故障发生频次最高。为及时发现并排除故障,将protégé本体以及模糊控制理论引入到故障诊断系统中,对采煤机故障进行建模、推理和分析,最后输出故障诊断的最优结果,缩短排除故障时间,对采煤机故障诊断有一定的参考价值。     

采煤机模糊神经网络故障诊断专家系统仿真

为克服传统专家系统的局限性,提高采煤机故障诊断的智能化水平,设计了一种基于模糊神经网络的采煤机故障诊断专家系统,并在MATLAB中进行了仿真,该系统较好地解决了传统专家系统存在的问题,提高系统的诊断容错能力和准确率。     

基于专家系统滚动轴承故障诊断研究

通过应用专家系统对滚动轴承故障进行诊断,在专家系统的知识库中输入了有丰富经验的维修人员通过看、听、触、测得到的故障现象和排除故障的方法,该系统通过人机交互界面实现,使维修人员可以快速找出滚动轴承的故障并进行排除,节约时间,提高效率。     

基于扩展故障树的采煤机故障诊断专家系统研究

针对采煤机故障诊断专家系统知识获取困难的问题, 将扩展故障树分析法和专家系统相结合, 提出了基于扩展故障树的采煤机故障诊断专家系统知识获取方法。在传统故障树节点上增加节点类型、重要度等信息, 建立扩展故障树, 并将扩展故障树中的节点信息转换成规范化表示的专家系统知识。采用广度搜索优先、深度搜索与广度搜索结合的推理机制, 提高故障查找的准确率及效率。利用专家系统开发工具CLIPS, 建立了采煤机故障诊断专家系统。研究表明, 该系统可准确判别采煤机故障类型并提供解决方案, 提高采煤机故障诊断效率。     

基于模糊数学的提升机故障诊断专家系统

矿用提升机的故障诊断往往具有复杂性和不确定性,对确定提升机故障原因具有一定难度,针对以上问题对提升机的故障诊断引入了模糊数学的相关知识和故障诊断专家系统,为问题的解决提供新的方法,实践证明该系统能够快速、较准确地推理出故障原因,同时也证明了该方法的实用性,具有很大应用价值。     

基于模糊专家系统的矿用风机故障诊断

针对矿用通风机故障具有不确定性和复杂性的问题,对矿用通风机的故障诊断提出一种基于模糊数学和专家系统的矿用通风机故障诊断系统。通过模糊关系矩阵及隶属函数的设定,实现了模糊理论在风机故障原因与征兆之间的模糊关系的表达。用风机转子的故障实例进行验证,结果表明该系统诊断效率、准确率高,为矿山风机的故障诊断提供了新的诊断方法。     

基于模糊数学的内燃机故障诊断系统

提出了基于模糊数学的诊断方法,将模糊数学方法引入内燃机故障诊断中,根据模糊数学理论、实践经验和试验来确定隶属度的大小;计算出症状与故障种类的隶属度,然后根据隶属度的大小及影响程度对故障种类进行排除和检修。     

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。