金属露天矿旋回式破碎机在线故障诊断模型构建与实时分析

矿石破碎是露天矿采矿生产工艺的重要环节,旋回式破碎机作为露天矿进行破碎的大型设备,其故障的诊断通常较为复杂,难以利用主观经验进行精确及快速诊断。针对旋回式破碎设备的故障诊断问题,利用传感器实时采集数据,基于改进后BP神经网络构建故障诊断模型,以偏心套故障、轴承磨损、平行轴缺油、平行轴油温异常作为故障类型,以回流油温、润滑油油压、轴承振动频率、轴承转速作为故障特征参数,利用已知故障类型和故障样本数据对BP神经网络故障诊断模型进行了训练和优化,最后通过测试数据对优化后的旋回式破碎机故障诊断模型进行了验证。结果表明:基于BP神经网络的故障诊断模型能够对旋回式破碎机故障状态实时地做出有效判断,实现以预防为主的故障诊断方式,满足了露天矿大型旋回式破碎机的故障诊断的需求。     

基于FTA法的旋回式破碎机可靠性分析

在详细分析旋回式破碎机故障状况的基础上,利用故障树分析(FTA)法,建立旋回式破碎机故障树,进行初步定性分析。结合矿山实际生产数据,从概率重要度和临界重要度两方面入手进行定量分析,对各个因素分析比较,指出主要的影响因素,揭露半连续运煤系统易发生故障的薄弱环节,有针对性地提出有利于系统稳定的措施。     

基于BP神经网络的滚动轴承故障诊断

滚动轴承在煤机设备中广泛应用,在恶劣工况下容易发生故障。为了能够及时准确地获取滚动轴承的运转状态,采用BP神经网络算法与小波函数对轴承振动信号进行分解,从而对滚动轴承进行状态监测以及故障诊断。实验结果表明,BP神经网络能够准确获得滚动轴承的运动状态及故障类型。     

基于BP神经网络的离心泵故障诊断方法研究

介绍了离心泵的主要故障类型和产生原因,应用BP神经网络的主要知识对离心泵的故障进行诊断,将BP神经网络的输入通过Matlab进行训练,最后得到了与理想输出基本相符的实际输出,证明了该方法的有效性和可行性。     

旋回破碎机轴承发热处理方法

旋回破碎机传动部分,由圆锥齿轮、传动轴、壳体、油盘、轴承和皮带轮等组成,结构简图如图1。破碎机传动部分工作是否正常,关键是轴承的工作状态如何,现对轴承几种发热原因     

基于BP神经网络的减速箱故障诊断

减速箱故障极大影响煤矿机械装备的安全、效率及稳定性。以某型矿用减速箱为研究对象,对减速箱实时振动数据进行采集;基于BP神经网络建立减速箱故障诊断模型,运用数值软件MATLAB对减速箱BP神经网络模型进行仿真计算,根据BP神经网络计算结果对减速箱故障进行诊断。仿真结果表明:在不同减速箱样本数据中,减速箱振动特性不一致,但整体呈现为周期性波动的趋势;在多处超出平均位置的峰峰值波峰及波谷的减速箱存在故障,需要检查和维修处理;BP神经网络中的预测输出与期望输出基本一致,验证了其准确性及可靠性。该研究为矿用减速箱故障诊断、维修等方面提供理论依据。     

基于GA优化BP神经网络变压器故障诊断的研究

BP算法基于梯度下降原理是一种局部寻优算法,在变压器故障诊断应用中网络学习过程收敛速度慢,且易陷入局部极小值。而遗传算法(GA)具有并行计算的特点,可以有效防止搜索过程收敛于局部最优解。将二者结合起来,由GA寻找最优的BP神经网络权值与相应节点的阈值。仿真结果表明:此方法既能快速收敛,又能大大提高避免陷入局部极小的能力,改善了故障诊断的精度和速度。     

神经网络技术在破碎机故障诊断中的应用

设备维修费用在冶金矿山生产成本中占有相当的比例。因此迫切需要利用信息技术提高生产和管理的自动化、智能化、数字化、网络化水平,降低单位生产总值的能耗和物耗。本文以破碎机的故障诊断为研究内容,在对国内外研究现状进行深入分析的基础上,给出一种基于神经网络的信息融合的故障诊断方法并进行实际检验。实践证明,这种诊断方法可以显著提高故障诊断的精确程度,减少设备故障的发生。     

加固贴补修复旋回破碎机座

我矿一台PX1200／180旋回破碎机，1976年投产至今已2多年。其机座内胜磨损严巨，最薄处仅剩3～15mm，并磨出φ100mm的孔洞；最厚处也只有45～65mm（原机座壁厚100mm）；机座由胜油色处已磨损至5～15mm不等，固定油包及防尘罩的螺栓已磨去半个，出现油包渗、漏油现象。1995年曾提出更换机座的大修方案，终因资金难以落实而终。为保证生产需要，我们拟定了一个挖补、谁焊修复的方案。1修补方案在机座外壁（左前）贴补厚50mm的16Mn钢板；内壁全都贴补厚100mmZGMn13（40块）；两大漏孔挖补厚100mm、直径相当的钢板（要开出大波口、连续焊缝，…     

基于BP神经网络的煤矿机械故障诊断专家系统的开发

构建了基于BP神经网络的煤矿机械故障诊断专家系统的结构,以常见的20种故障诊断为研究对象,知识库、规则库和BP神经网络相结合进行推理,优化专家系统,提高了专家系统的响应速度和准确性。采用DreamWeaver、MatLab和.NET技术实现了专家系统的开发。并以一种煤矿机械为例,验证了整个系统的有效性和实用性。     

PX—1200／180旋回破碎机机膛的改进

PX-1200/180旋回破碎机是矿山机械的定型产品。原设计机膛存在的主要问题是机体无保护衬里,在矿石猛烈连续冲击运动下,机体下部磨损严重,被迫提前大修;机膛衬里使用寿命短,且检修极其困难。原设计机膛衬里采用45~#优质碳素钢做衬里,膛壁采用间断焊接固定,使用寿命仅1.5个月;而膛壁材质16Mn钢板与45~#钢焊接不良,尽管采用优质焊条,但在矿石冲击摩擦作用下,焊缝经常开焊和脱落。由于上述因素影响,每月需停机16～24h进行更换或补修。对此,进行了彻底改造(附图)。     

基于遗传算法优化BP神经网络的提升机制动系统故障诊断

介绍BP神经网络的基本原理,提出合理的提升机制动系统故障诊断训练,分析神经网络存在的局部最优解和收敛速度慢等问题,利用遗传算法对BP神经网络进行改进。分别对原始的BP神经网络和改进后的神经网络进行仿真分析,结果显示基于遗传算法优化后的BP神经网络优势明显。     

基于BP神经网络的磨机调心滚子轴承故障诊断研究

对BP神经网络在磨机滚动轴承故障诊断的模式表达及相关参数等问题进行了初步研究 ,并利用BP网络对轴承的 4种故障模式进行训练学习和诊断 ,取得了满意的效果。结果表明 :BP神经网络是解决轴承故障诊断中复杂的状态识别问题的一种有效工具。     

基于BP神经网络的挖掘机液压系统故障诊断

BP神经网络具有结构简单、工作状态稳定、易于硬件实现等优点,在模式识别及分类、系统仿真、故障智能诊断、图像处理、函数拟合、最优预测等方面具有很广泛的应用。液压系统是挖掘机很重要的组成部分。由于液压系统结构复杂,容易发生故障,一旦故障将会直接影响挖掘机的使用,因此对挖掘机液压系统的可靠性和可维护性具有很高的要求。针对上述问题,提出了基于BP神经网络的液压系统故障诊断方法。     

基于BP神经网络的矿井通风机故障诊断系统

提出基于三层BP神经网络的诊断模型,提取反映矿井通风机故障信息的振动信号频谱特征,用来训练神经网络。实测证明矿井通风机故障诊断系统高效、准确,可以推广应用。     

BP神经网络技术在滚动轴承故障诊断中的应用研究

滚动轴承失效是最常见的传动系统故障,滚动轴承一旦发生故障会造成极大的经济损失和安全风险。因此,在故障发生的早期进行故障诊断可以有效地避免损失,具有很大的实际意义。应用BP神经网络的相关理论,以滚动轴承工作过程中产生的摩擦因数、振动值和噪声值作为输入变量,通过训练获得的BP神经网络求得轴承的不同工作状态,从而实现轴承的故障诊断。     

BP神经网络在振动筛故障诊断中的应用

按BP神经网络的基本原理和算法,确定了振动筛的BP神经网络结构,用振动筛运行状态的特征量作为BP神经网络的输入,运用Matlab神经网络工具箱对该网络进行训练,得到了用于诊断的BP神经网络模型。实验结果表明,运用神经网络方法能较为准确诊断振动筛故障。     

基于BP神经网络技术的采煤机齿轮箱早期故障诊断

齿轮箱既是采煤机的核心部件,也是较容易出现故障的部件,一旦发生故障会导致严重的后果。因此,在齿轮箱出现问题的早期进行故障诊断具有重要意义。采用齿轮箱振动信号的5种特征指标作为BP神经网络的输入值,以齿轮箱的正常、齿轮磨损、齿面点蚀和齿根裂纹4种状态为神经网络的输出值,通过对BP神经网络进行训练和对故障类型进行编码,可以实现利用BP神经网络对齿轮箱早期缺陷的故障诊断。从实验仿真结果可知,诊断方法具有较高的准确率,为采煤机齿轮箱的早期故障诊断提供了新的研究思路。     

基于EMD和BP神经网络的大功率柴油机故障诊断

研究了将经验模式分解(EMD)和BP神经网络2种方法诊断大功率柴油机的振动故障信号。首先运用经验模式的分解方法对柴油机缸盖表面的振动信号进行分解并来提取特征参数;最后通过建立了BP神经网络模型对柴油机典型故障进行诊断。通过对150-12缸柴油机的验证,表明该方法能够准确识别柴油机供油系统的典型故障。