电牵引采煤机实时监测与故障诊断系统设计

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。     

电牵引采煤机摇臂高速区齿轮冲击特性研究

为构建电牵引采煤机摇臂故障诊断和状态监测的力学基础,研究摇臂齿轮传动系统在冲击载荷下的动态特性,建立了摇臂定轴减速器齿轮传动系统的动力学模型。基于摇臂高速区齿轮更容易发生故障的特点,以高速齿轮作为算例,分析了高速齿轮的动态特性。为了更准确地反映齿轮的动态特性,模型仿真时考虑到了齿轮啮合刚度的时变特性。研究结果表明,冲击载荷给齿轮系统的转速和动载荷带来突变,导致了齿轮故障的发生,同时冲击载荷影响齿轮的振动信号幅值,其傅里叶频谱复杂,给摇臂的故障诊断和状态监测增加了难度。     

新型高效电牵引采煤机嵌入式健康状态监测与故障诊断系统研发

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。     

电牵引采煤机无线状态监测系统及软件平台设计

针对现有电牵引采煤机监测系统的不足,在其研究的基础上,通过对无线状态监测系统的总体结构设计,无线监测装置的确定及软件平台的搭建,最终形成了电牵引采煤机无线状态监测平台。信号通过无线收发器采集,经无线局域网传至上位机再通过光纤传至监测中心,由Lab VIEW开发的软件平台进一步进行分析处理。实现了电牵引采煤机运行状态的无线监测及故障的诊断分析。     

基于改进深度置信网络的采煤机摇臂传动系统故障诊断研究

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。     

国产电牵引采煤机工况监测和故障诊断技术的发展现状与前景

本文简要回顾了国产电牵引采煤机的发展历史 ,对其工况监测及故障诊断水平和现状进行了分析、比较和总结。重点介绍“九五”国家科技攻关项目“电牵引采煤机工况监测及故障诊断系统”。以及该系统的整体结构、数据监测单元、显示单元、通讯单元以及监测与故障诊断中心等 ;列表汇总了其工况监测参数 ;简要说明了其故障诊断功能及实现方法 ,并预测了国产电牵引采煤机工况监测及故障技术的发展前景     

基于ZigBee技术的采煤机状态监测与故障诊断系统设计

提出了一种基于ZigBee技术的采煤机状态检测与故障诊断系统的设计思路。分析了传统状态监测系统信号有线传输方式的不足和ZigBee技术应用于矿井环境中的优势,在此基础上完成了传感器节点的软硬件设计。此外还重点论述了电牵引采煤机状态检测与故障诊断系统方案的设计思路,并分别详细介绍了该诊断系统中两大功能模块的具体实现方案。     

基于嵌入式Linux的采煤机状态监测与故障诊断系统设计

为了实现采煤机健康状况的实时监测与故障诊断,使采煤机能够长时间处于最佳运行状态,结合电子领域研究热点嵌入式技术,提出了一种基于嵌入式Linux的采煤机状态监测与故障诊断系统设计方案,研究了电牵引采煤机状态监测与故障诊断系统的总体设计、工作原理和软硬件实现,结果表明:该系统设计能够较好实现采煤机的状态监测与故障诊断,具有一定的实用价值。     

采煤机远程监测与故障诊断系统研究

论述了基于矿井安全生产监控网络建立的工作面采煤机远程监控与故障诊断系统。该系统可对采煤机电机电流、扭矩、牵引速度、牵引方向和故障等内部参数以及采机位置和摇臂倾角等外部参数进行监测和传输,并可实现在紧急情况下远程紧急停车。阐述了采煤机在线远程监控与故障诊断系统的原理与实现方法。该系统在实际应用中取得了良好的效果。     

基于小波神经网络的采煤机摇臂故障诊断的研究

针对采煤机机械系统故障信号诊断的问题,在小波分析和神经网络的基础上,采用了一种基于小波神经网络诊断采煤机摇臂故障的方法。根据摇臂振动的信号通过小波分析检测出信号奇异点和突变情况,利用小波基函数作为小波神经网络的激励函数对故障信号做进一步的诊断,判断出故障特点和程度。结果证明此方法在故障诊断中的诊断准确率较高。     

基于迁移学习的采煤机摇臂传动故障研究

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。     

基于EMD能谱熵和概率神经网络的采煤机摇臂齿轮故障诊断

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。     

电牵引采煤机故障诊断分析

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。     

基于嵌入式的采煤机摇臂数采系统

现有的采煤机摇臂数采系统存在没有针对摇臂振动信号进行监测,系统采样频率低,人机交互性较差等问题。从电牵引采煤机摇臂数据采集及分析的研究意义和背景入手,针对现有系统的不足,重点对摇臂振动信号采集、数据分析处理、嵌入式系统以及总线通信等技术进行了研究。采用基于ARM和DSP的双CPU微处理器结构,并开发了数据采集及分析软件,对系统进行了整体测试,测试表明系统能够实现数据采集、小波分析降噪、文件传输等功能,运行稳定。     

多传感器检测技术在摇臂传动系统的应用研究

为了研究采煤机摇臂传动齿轮的故障诊断方法,采用多传感器在线检测技术,对摇臂振动信号在不同载荷状态下进行时域和频谱分析,获取边频带信号频谱特征,依据边频带特征频率下的振幅结果确定故障齿轮的转动频率。最后对频谱和时域的结果进行综合分析,锁定故障齿轮的准确位置。对某采煤机摇臂齿轮传动系统进行了振动测试与信号分析,结果表明,本振动分析方法可以实现对采煤机摇臂故障齿轮的准确定位,为复杂齿轮传动系统的故障快速定位和现场定点维修提供了方法支持。     

采煤机状态监测与故障诊断研究

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。     

基于小波分析的采煤机的故障诊断研究

为了能够准确地诊断煤矿井下电牵引采煤机的故障,采取有效的措施进行补救,从而能够提高煤矿生产的安全,深入地研究了小波分析在其中的应用。分析了煤矿井下电牵引采煤机的主要故障及成因;研究了小波多分析的基本特征;接着,进行了基于小波分析故障诊断算法仿真分析,仿真结果表明该方法可以成功地监测出电牵引采煤机中存在的故障;进行了实际应用,应用结果表明该方法具有较好的故障诊断效果。     

基于振动信号分析的采煤机摇臂轴承故障诊断研究

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。     

基于稀疏表示的采煤机摇臂轴承故障诊断方法研究

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。     

基于ADAMS的采煤机牵引部轴承故障诊断方法

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。