共查询到20条相似文献,搜索用时 31 毫秒
1.
介绍了电牵引采煤机的研究及发展方向,阐述了采煤机在线实时监控与故障诊断系统的原理与实现方法,以及采煤机故障诊断的编程等关键技术。针对电牵引采煤机的特点,采用数字信号处理器和实时分布式监控系统,对采煤机的电机电流、采煤机位置、摇臂倾角、牵引速度及牵引方向等参数进行监测并对故障进行诊断,显著提高了采煤机的操控性能和安全可靠性。 相似文献
2.
3.
在综采工作面复杂的地质条件下电牵引采煤机若发生故障,很难及时判断,容易造成传动系统的损坏,提出并研制了电牵引采煤机健康状态监测与智能故障诊断系统。该系统采用独立工作模式,构建以DSP芯片为核心的嵌入式系统,实现对采煤机运行状态及关键部件的监测、通讯、报警等功能。通过对电牵引采煤机进行健康状态监测与故障诊断,使采煤机的电气和机械故障率大大降低,提高了采煤机的安全性和可靠性,验证了该系统的实用性。 相似文献
4.
5.
采煤机是一个集机械、电气和液压为一体的大型复杂系统,工作环境恶劣,如果出现故障将会导致整个采煤工作的中断,造成巨大的经济损失。采煤机摇臂传动故障作为整机的主要故障,是故障监测研究的重点。提出一种基于改进深度置信网络的采煤机摇臂传动系统故障诊断方法,对摇臂传动信号进行频段分解,通过不同的频段阈值进行降噪处理,提取故障特征信息,完成采煤机摇臂传动故障分类。将深度置信网络引入故障诊断,通过对采集的故障状态信号进行迭代训练深度学习,得出与故障模型的对应关系,并采用粒子群优化算法对故障模型进行迭代优化,应用于摇臂传动的故障诊断识别。结果表明,故障特征提取准确,故障诊断精度高。 相似文献
6.
7.
8.
9.
10.
11.
针对传统故障诊断方法无法有效识别并自动分类实际工况中采煤机摇臂传动故障多的非线性、非平稳信号,提出一种基于迁移学习的采煤机摇臂传动故障诊断模型。基于迁移学习思想,构建基于深度迁移学习的采煤机摇臂传动故障诊断模型;采用多标签分类及sigmoid函数,对模型进行改进,实现对采煤机摇臂传动复合故障的识别与分类;最后,通过仿真实验验证了改进模型性能,并对比了提出模型与传统智能故障诊断模型DCNN、SVM、LSTM、CNN在迁移任务中的分类准确率。结果表明,相较于传统智能故障诊断模型,基于深度迁移学习的采煤机摇臂传动故障诊断模型具有更高的诊断精度,且收敛速度更快,可提高采煤机摇臂传动系统的工作可靠性。 相似文献
12.
采煤机摇臂齿轮是采煤机故障高发区,对其进行故障诊断研究可提高摇臂可靠性,提高工效。结合摇臂工作特点,提出基于EMD能谱熵和概率神经网络的齿轮故障诊断方法,提取振动信号EMD分解的前9个IMF分量的能谱熵作为故障特征信息,并将其作为概率神经网络的输入向量进行齿轮故障的分类与识别。结果证明该方法可实现齿轮故障准确诊断,是一种有效的摇臂齿轮故障诊断方法。 相似文献
13.
为了对电牵引采煤机故障进行及时诊断,提出利用混沌Duffing振子和小波分析法对采煤机故障振动信号进行提取及分析。通过对比故障振动能量及正常振动能量,验证了故障诊断的可行性,为矿山实现智能化控制提供了一定的借鉴。 相似文献
14.
15.
16.
设计了采煤机状态监测系统,并指出了采煤机状态监测系统所拥有的功能,结合齿轮箱故障诊断,分析了利用状态监测系统实现采煤机故障自动诊断的具体过程;通过采煤机状态监测的应用,能够有效地提升采煤机工作效率,确保采煤机能够稳定、安全与高效运行。 相似文献
17.
18.
基于振动信号分析的采煤机摇臂轴承故障诊断研究 总被引:1,自引:0,他引:1
针对采煤机摇臂轴承故障频发,严重影响采煤工作面安全生产的现状,进行了基于振动信号分析的采煤机摇臂轴承故障诊断研究。为准确识别采煤机摇臂轴承故障,采用集合经验模态分解方法(EEMD)对原始振动信号进行分解,提取前8个本征模态函数的能量占信号总能量的比例作为故障特征信息,并输入到支持向量机(SVM)进行故障模式识别。试验结果表明,结合集合经验模态分解和支持向量机的故障诊断方法,适用于处理采煤机摇臂轴承产生的非平稳、非线性振动信号,总体故障识别率达到88.33%,可实现轴承故障的准确诊断。 相似文献
19.
为了有效地对采煤机摇臂轴承进行状态监控和故障分析,对稀疏分解方法字典的选取进行了深入研究。首先对稀疏表示常用分析字典进行分析,并结合采煤机摇臂滚动轴承故障机理及信号特征,选取符合单边衰减冲击响应的Laplace小波作为基原子,构造一种Laplace小波字典;通过加噪信号仿真分析,验证了基于Laplace小波字典稀疏表示方法的有效性;最后通过实验验证,将该方法应用于采煤机摇臂轴承故障诊断中,能有效提取滚动轴承故障特征。结果表明,该稀疏编码的方法在采煤机摇臂滚动轴承故障诊断方面具有良好的实用性。 相似文献
20.
针对采煤机牵引部结构复杂、紧凑,致使采煤机牵引部轴承故障诊断工作困难的问题,提出了基于ADAMS的采煤机牵引部轴承故障诊断方法。首先,以MG210/485-WD型薄煤层采煤机牵引部惰轮轴承为研究对象,利用虚拟样机技术采集正常、内圈故障、滚动体故障、外圈故障等4种状态下轴承的仿真振动信号;然后,将仿真信号导入MATLAB进行基于经验模态分解(EMD)的时频联合处理;最后,针对时频联合处理结果进行特征提取,并利用多种主流分类算法对提取的特征进行训练与测试。信号处理与算法分类结果均表明,基于ADAMS的采煤机牵引部轴承故障诊断方法可以有效地实现轴承故障类别的分类,为采煤机牵引部轴承故障诊断提供了新方法。 相似文献