基于SOM网络的矿井提升机制动器可视化故障诊断

介绍了应用自组织特征映射(SOM)网络进行可视化故障诊断的方法,以矿井提升机的制动器为研究对象,建立制动器的可视化故障诊断模型,利用可视化工具对分类结果进行仿真和分析。结果表明,SOM网络可视化方法简单、形象直观,能够对故障模式进行准确识别,为矿井提升机的制动器故障诊断提供了一种新方法。     

基于SOM神经网络的煤矿用防爆柴油机故障诊断

以某矿用防爆柴油机为研究对象,采集其在实际工况下的实时数据。基于SOM神经网络建立矿用防爆柴油机故障诊断模型,运用MATLAB专业模块对该模型进行数值仿真。仿真结果表明:矿用防爆柴油机存在发动机冒烟、发动机异响、发动机冬季启动困难、曲轴不转动等故障,且不同故障在不同因素下呈现一定的规律性及聚集性。该研究为矿用防爆柴油机故障诊断、故障处理时间缩短等方面提供理论依据及技术支持。     

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。     

SOM网络在电机转子故障诊断应用中的可视化分析

SOM网络(自组织特征映射神经网络)模拟大脑神经系统,具有自适应、自学习与联想功能,是一种无导师学习网络,最大优点是能够保持原始数据的拓扑结构,在数据分类、知识获取、过程监控和故障识别等领域中应用广泛。将其用于电机转子的故障诊断,着重利用U矩阵图和D矩阵图等可视化工具对其分类结果进行仿真与分析,并与SOM网络一般聚类结果进行比较。结论表明,SOM网络的可视化方法简单、直观、易懂,对故障的判别率较高。     

SOM神经网络在全液压钻机液压系统故障诊断中的应用

利用神经网络的非线性映射及其高度的自组织和自学习能力,将SOM网络应用于钻机液压系统的故障诊断。根据钻机液压系统故障的特点,选取能够表征全液压钻机故障特点的样本,设计相应的SOM神经网络,并在MATLAB环境下实现了对网络的训练和仿真实验,表明该方法有很强的实用性,为全液压钻机的故障诊断提供了一种途径。     

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。     

矿井提升机减速器的故障诊断

通过矿井提升机减速器的振动测试及频谱分析，准确诊断出减速器的故障，诊断结果与实际情况完全一致。表明对矿井提升机减速器进行振动诊断快速准确，切实可行。     

SOM神经网络在塔式起重机常见故障诊断中的应用

塔式起重机的故障具有多样性,出现故障后,难于在较短时间内准确判别故障类型。通过SOM神经网络对输入样本进行"聚类",实现对故障模式的自动分类。据此对故障进行诊断,并在MATLAB环境下给出了塔式起重机故障诊断的具体实例。结果表明该方法可以对故障进行有效、准确地诊断,从而为塔式起重机的故障诊断提供了一种新的途径。     

基于GPRS和神经网络的矿井提升机远程监测预警技术研究

针对矿井提升机监测预警技术的研究现状,以可编程逻辑控制器和无线通信模块为硬件基础,采用GPRS无线通信技术与SOM神经网络信号处理技术相结合的方法,选择MATLAB和组态软件为上位机开发平台,开发出一套集数据采集、处理显示、状态监测、手机短信报警、故障诊断等功能的远程状态监测预警与故障诊断系统。通过现场安装调试,运行结果表明,该技术通过无线通信能够准确显示传感器采集的数据信号,实时反映提升机的运行状况,有效诊断提升机的故障信息并发出短信报警。     

基于GPRS和神经网络的矿井提升机远程监测预警技术研究

针对矿井提升机监测预警技术的研究现状,以可编程逻辑控制器和无线通信模块为硬件基础,采用GPRS无线通信技术与SOM神经网络信号处理技术相结合的方法,选择MATLAB和组态软件为上位机开发平台,开发出一套集数据采集、处理显示、状态监测、手机短信报警、故障诊断等功能的远程状态监测预警与故障诊断系统。通过现场安装调试,运行结果表明,该技术通过无线通信能够准确显示传感器采集的数据信号,实时反映提升机的运行状况,有效诊断提升机的故障信息并发出短信报警。     

基于融合神经网络的风机故障诊断系统的研究

运用信息融合理论和人工神经网络技术构建了风机融合神经网络故障诊断系统,可用于信息的高层融合;同时,将诊断输出值引入网络样本库,组成了自适应智能诊断系统,提高了故障诊断结论的准确性。     

采煤机故障诊断的神经网络方法

采煤机是煤矿生产中非常关键的设备，是一个集机械、电子电气、液压传动系统于一体的复杂系统。然而其工作环境十分恶劣，在运转时受到来自煤、岩石等巨大的冲击载荷，还受到煤尘、水雾等其它方面的污染。尽管采煤机在设计之初已充分考虑了防止水分及其它污染物浸入油液，但在实际工作中，使采煤机的油液经常遭受污染，导致采煤机的液压元件和机械零件过早磨损，达不到使用寿命的情况时有发生。而采煤机如因故障停机，则将造成整个煤矿生产系统的瘫痪。因此需要建立一套完整的故障诊断系统来准确描述采煤机的运行状态，并对故障进行诊断和预报，以增大采煤机的开机率，提高其可靠性，保证工作面的高产高效。     

基于MATLAB遗传神经网络的实现及其在磨机故障诊断中的应用

神经网络理论的研究是从1943年研究二维神经元阈值模型开始的,经历了半个世纪的曲折发展,上个世纪80年代神经网络研究进入了第二个高潮期。正是此时,开始了神经网络在故障诊断领域中的应用研究,人工神经网络诊断技术是属于人工智能范畴的,基于神经网络的诊断系统具有知识表达,推理及很强的学习能力,神经网络在知识的表达方法上有其独特的一面、它把知队变成为网络的权值和阈值,并分布存储在整个神经网络之中。     

模糊神经网络在矿井副井提升系统故障诊断中的应用研究

首先把矿井副井提升机故障分类样本进行模糊化,将不可能出现、多余的故障样本剔除,并输入到训练好的BP神经网络里进行数据训练,然后利用MATLAB软件中的工具箱对矿井副井提升系统液压制动系统故障的具体实例进行仿真分析。仿真结果表明,模糊神经网络可以过滤掉多余信息,节省时间和空间,能够很好地对矿井副井提升系统的故障进行预测,提高了故障诊断的准确性和可靠性。     

带式输送机减速器的轴承故障诊断

通过建立带式输送机减速器轴承故障模拟装置,利用基于共振解调技术的滚动轴承故障诊断系统,解决了由于轴承型号繁杂导致特征频率难以计算的问题,很好诊断出轴承故障,解决了减速器轴承损伤类故障,在故障早期引起的周期性冲击振动信号比较弱,很难直接从频谱图中识别出轴承故障特征的问题。     

基于故障树的故障诊断专家系统的研究

矿井提升机制动系统的运行善是关系到提升机安全运行的关键因素,受其工作性质的影响,一旦发生事故,将造成不可估量的经济损失和人员伤亡。     

基于决策层的提升机减速器故障诊断方法研究

针对提升机减速器提出了一种决策层融合结构模型应用在齿轮故障诊断中。对各个传感器的信息进行神经网络属性判决,再将各神经网络的属性判决进行决策层融合,此种方法具有较强的灵活性,当传感器数目增加时,只需增加神经网络个数就可。对以上信息融合故障诊断方法经过试验研究,证明了方法应用在提升机减速器诊断系统中,减小了错判和漏判,提高了系统的可靠性,保证了提升机安全运行。     

基于神经网络的提升机减速器工况预测研究

针对传统监测方法无法实现提升机减速器工况预测的缺点,利用Matlab神经网络工具箱建立了提升机减速器工况参数的预测模型。对比模型预测值和实际测量值表明:BF和RBF神经网络模型预测结果和实际值的误差均小于10%,证明了神经网络模型用于减速器工况预测的可行性。对比BP和RBF神经网络预测结果,表明RBF神经网络模型训练时间短,预测精度高,更加适用于井下提升机减速器工况参数预测。