基于一维卷积神经网络的提升机轴承故障诊断方法研究

针对当前矿井提升机普遍采用的定期预防检测维护中存在的问题,提出了基于一维卷积神经网络技术对提升机轴承故障进行诊断,对提升机发生的故障进行分类.首先采用滑动窗口重叠采样技术来完成数据的扩增,然后将数据作为一维卷积神经网络模型的输入,并利用卷积神经网络算法对振动信号进行提取与处理,最后试验验证表明该系统对轴承故障诊断具有较...     

基于小波分析的提升机轴承故障诊断

以某矿主井提升机上天轮滚动轴承为研究对象,以小波分析为理论基础,在MATLAB软件中对试验采集的振动信号进行小波分解重构,利用Hilbert变换进行包络解调分析并进行细化频谱分析,可以准确有效地检测出轴承中的故障信息成分,进而判断轴承故障。通过现场检修,验证了试验结论的正确性,说明小波分析在轴承的故障诊断中是可行有效的。     

小波神经网络在提升设备故障诊断中的应用

介绍小波神经网络的构成和学习算法,并针对提升机减速箱故障的复杂性构造了用于减速箱故障诊断的小波神经网络,对减速箱的状态进行判别,实现了故障诊断。实验结果表明,小波神经网络在减速箱故障诊断领域具有良好的实用性。     

基于自适应神经网络的矿井提升机故障诊断

矿井提升机是井下作业的重要运输设备,其运行状态对煤矿企业的安全生产具有关键作用。为了对矿井提升机故障进行实时监控,从而及时发现故障原因并采取措施,提出了一种基于自适应神经网络的矿井提升机故障诊断方法。首先对矿井提升机主轴系统结构及故障振动频率特征进行了分析,然后采用自适应神经网络算法对矿井提升机主轴故障诊断建立模型,实现对故障类型和故障程度的精确诊断,最后对所提出的模型进行了仿真测试。实验结果显示,该方法可以提供较高识别精度的故障诊断结果,为提升机的故障判断提供了参考依据。     

基于灰色神经网络矿井提升机的故障诊断研究

矿井提升机是煤矿的重要设备,对其进行故障诊断是提高煤矿安全的主要手段,因此,将灰色神经网络应用于矿井提升机的故障诊断。分析了矿井提升机的常见故障;研究了灰色神经网络的理论模型,设计了基于灰色神经网络故障诊断的算法流程;进行了故障诊断仿真研究,仿真结果表明:灰色神经网络具有较高的故障诊断效率和精度。     

基于故障树和神经网络模型白勺提升机故障诊断专家系统

矿井提升机是集机、电、液于一体的大型复杂机械，它担负着沿井筒提升煤炭和矸石、下放材料、升降人员和设备的任务，是立井开拓中连接井上、井下的唯一通道，一旦某一部位发生故障，对生产和人员安全都极为不利。每年由于提升机发生故障而引起停工停产，甚至人员伤亡的事故令人触目惊心。     

基于小波包理论的提升机主轴故障诊断研究

基于小波包理论,针对提升机主轴的振动信号进行了时频域分析。利用特定频段的信息进行故障诊断,并通过对实验数据的分析论证了该方法的正确性和有效性。该研究为对提升机主轴的振动信号进行处理,进而实施故障诊断提供了有效的方法。     

基于DSP的小波神经网络齿轮箱故障诊断

齿轮箱作为一种传动机构,在机械传动、增速和减速等各方面获得广泛应用,它的工作状况直接影响到整机或机组的正常运行。设计并实现了基于DSP系统的小波神经网络故障诊断方法,可广泛应用于TI公司的C2000、C5000和C6000系列DSP平台上,具有很好的实用价值,在使用该系统对JZQ250型齿轮箱的故障进行诊断时取得了理想的结果。     

小波神经网络在煤矿自卸车监控与故障诊断的应用

建立了小波神经网络的理论模型。针对传统小波神经网络的缺陷,提出了带动量项和变学习率的小波神经网络。确定了自卸车的输入向量和输出向量,并且对小波神经网络进行了训练。分别利用传统的小波神经网络和改进的小波神经网络对自卸车进行故障诊断,诊断结果表明,改进小波神经网络能够准确地对自卸车进行故障诊断。最后,分别从软件系统和硬件系统设计了自卸车故障监控系统。     

基于振动测试技术的矿井提升机主轴轴承故障诊断研究

以设备状态监测与振动故障诊断技术为理论基础,介绍了基于振动测试技术的矿井提升机主轴轴承的故障诊断方法,由加速度传感器、数据采集卡、工控机以及组态王软件组成的数据采集与监测系统实现振动信号的实时获取,采用MATLAB对振动信号进行幅值域分析、时域分析以及频谱分析,提取故障特征频率,分析结果与实际状况相符,应用效果良好。     

小波包-BP神经网络在采煤机滚动轴承故障诊断中的应用

针对采煤机在正常工作中经常发生轴承故障的问题,提出了小波包和BP神经网络相结合的故障诊断系统。即运用小波包的分解方法提取检测信号的故障信息作为BP神经网络的输入样本,经过训练的神经网络可对采煤机上轴承的工作状态进行诊断和分类。试验结果表明,此方法对轴承的常见故障可进行有效的识别和诊断,方法简单可靠。     

矿井提升机轴承实时状态监测及故障诊断系统设计与应用

针对矿井提升机轴承计划预防维修存在的过剩维修与欠维修问题,使用中值滤波与小波包分析相结合的振动信号分析方法,设计了一种矿井提升机轴承实时状态监测及故障诊断系统。该系统以下位机PLC数据采集和上位机MCGS组态软件数据分析处理为核心,实现了对轴承状态的实时监测和故障诊断。在岱庄煤矿对轴承SKF6205进行的系统应用表明,该系统能够对轴承的实时运行状态进行监测并对故障进行诊断与报警。     

基于小波神经网络火电厂锅炉故障诊断的仿真研究

为了能够准确、快速地对火电厂锅炉进行故障诊断,系统地研究了小波神经网络在锅炉故障诊断的应用。提出了小波神经网络的数学模型;制定了小波神经网络的训练算法;以火电厂锅炉常见故障烟道再燃烧为例,对其进行了故障诊断的仿真分析,经过训练后的小波神经网络对锅炉进行故障测试,测试结果全部正确。     

基于小波和神经网络的齿轮箱故障诊断

对齿轮箱故障诊断特点和方法进行分析,举例介绍了小波变换在齿轮箱故障诊断中的应用。利用小波变换对齿轮箱工况信号进行分解,重构以及提取细节信号包络谱,快速准确判断出齿轮箱设备运行状态是否异常,并利用BP神经网络进行故障诊断定位,比传统方法更有效。     

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。     

基于小波包与隐马尔可夫的矿井提升机主轴故障诊断

为解决当前矿井提升机主轴故障数据提取困难且诊断方法存在易受干扰、误差大、准确度低等缺点,设计了基于小波包与隐马尔可夫(HMM)的矿井提升机主轴故障诊断模型。该模型预先把主轴振动信号用小波包分解来获取小波包能量,再把高能量频带CEEMD分解,选取相关系数满足条件的IMF分量完成信号重构,通过重构信号来获得特征参数并构建特征向量,然后对每种故障完成HMM训练,构建HMM故障识别库,并把测试样本送入库中完成测试,从而测试模型的准确度。测试数据表明了基于小波包与HMM的故障诊断模型,准确度高、误差小、抗干扰能力强,比较适用于故障诊断。     

基于小波变换的煤矿机械滚动轴承故障诊断

由于煤矿机械的特殊工作环境,采集到的故障振动信号通常掺杂着非常明显的噪声干扰信号,如何从复杂的信号中提取出有用的信号非常重要。以煤矿机械滚动轴承为研究对象,通过模拟实验并利用小波变换的阈值去噪及分解与重构对煤矿机械滚动轴承振动信号进行分析处理,提取故障特征信息。实验结果表明,与传统机械故障诊断方法相比,该方法在振动信号的有效提取及检测时效性与准确性方面具有明显的优势,既减少了检测人员的工作量,又提高了检测效率。     

基于小波神经网络的牵引电机齿轮故障诊断研究

以小波变换、小波神经网络为工具,采用定子电流对HXD1B型机车的YQ1633异步牵引电动机开展牵引电机齿轮故障诊断研究。定子电流法相对于振动法更容易实施,有效克服了振动信号中包含的复杂干扰。由小波分析完成齿轮故障的特征量提取,通过神经网络对故障类型进行判断,实际测试表明,该方法具有较好的故障诊断性能。