基于热路模型的矿用高压电缆内因火灾预警研究

线芯的异常温升是矿用电缆内因火灾的极早期特征,及时准确地获取电缆线芯温度是电缆内因火灾预警技术的关键。本文提出了一种通过电缆外护套表面温度推算线芯温度的热路模型算法。该算法依据电缆外护套表面温度、电流、结构参数对电缆线芯导体的温度进行推算。其中,稳态热路模型算法用于电缆正常工作且电流稳定时的温度计算,暂态热路模型算法用于电缆故障时的温度计算。通过矿用电缆内因火灾实验,分析了模型的计算误差,验证了模型算法可行性。结果表明,热路模型算法的计算值与实验值吻合度较高,相对误差小于10 %,可作为矿用电缆内因火灾预警的判据。     

基于数据挖掘的矿用提升机故障预警方法

针对采用传统的方法进行矿用提升机故障预警不仅计算量大而且准确性较低的缺陷,构建了基于数据挖掘的故障预警系统设计方法。首先利用训练集对支持向量机进行训练,寻找出支持向量机的最优参数,然后建立提升机状态与故障之间的联系,最后进行故障预警,仿真结果表明,该系统能够很好地进行矿用提升机的故障预警,具有较好的工程应用价值。     

矿用隔爆型干式变压器故障预警系统设计

为保证矿用隔爆型干式变压器安全连续地运行,以矿用隔爆型干式变压器故障诊断预警系统硬件装置为基础,在LabVIEW平台下开发基于多源信息融合的矿用隔爆型干式变压器故障预警系统软件。实时采集电流、电压、温度及局部放电等矿用隔爆型干式变压器参量作为故障征兆信息,并提取各监测参量的特征量作为故障诊断系统的输入信息;设计基于RBF神经网络的故障诊断模块,综合诊断确定变压器的故障情况;设计故障预警界面,实时显示变压器的故障情况,并对潜在故障进行预警。矿用隔爆型干式变压器故障预警系统在山西晋城无烟煤矿业集团寺河二号井井下安装试运行结果表明,该系统可以实现对矿用隔爆型干式变压器多种潜在故障的在线预警。     

基于DSP和DS18B20的矿用电缆温度监控系统设计

我国对矿用电缆的检测多数还处于定期停电巡检阶段,检查时间长且经常出现故障漏检等情况。电缆的运行温度是判断其工作状态的一项重要参数,对此设计了一种以DSP控制器为主控芯片,通过温度传感器DS18B20进行温度监测的矿用电缆温度监控系统。该系统分别对电缆连接处、电缆表面的温度连续测量及判断,能预测电缆设备本身的故障趋势,及时对可能发生故障部位进行检修,避免煤矿重大电气事故的发生。该系统通过试验表明,系统测温精度较高,可满足矿用电缆温度实时监控的要求。     

矿用电缆温度在线监测方法的研究

矿用电缆温度安全监测是限制电缆火灾的重要保证。研究了一种采用先进的微处理技术和总线式数字温度传感技术相结合的在线监测方法,克服了过去煤矿使用的人工监测方法的缺点。实验结果表明：该监测系统设计先进、合理,布线简单,功能齐全,这种方法的误判率低,可靠性高,抗干扰能力强,能够对早期电缆火灾进行预测预报,防止电缆火灾扩大。     

基于振动分析的矿用通风机故障预警技术研究

分析了矿用通风机的典型故障及特征,讨论了振动分析的常用方法和基本规范,提出了一种基于振动分析的矿用通风机故障预警方法。以MCM-100高精度振动信号采集分析平台配合宽范围、高灵敏加速度传感器,在线动态采集通风机振动信号,采用频谱分析+强度判定的故障识别策略解决通风机故障诊断的问题。实验结果表明,该方法具有信号采集精度高、故障识别算法简单、可靠等特点,为矿用通风机故障监测与预警提供了有效的技术解决方案。     

高压开关柜无线温度监测与热故障预警技术

针对高压开关柜内部母线和动静触头之间因老化或接触不良等原因引起温度过高等问题,设计一种基于ZigBee和BP神经网络技术的无线温湿度监测与热故障诊断系统,由ZigBee温度采集终端、路由器、协调器和上位机监测诊断系统4个部分组成。建立了基于BP神经网络的温度预测模型,综合考虑了环境温度以及负荷电流变换的影响,实现热故障准确预警。现场试验结果表明,该系统能够实时监测高压开关柜的温度信息,准确预测热故障发展的趋势,具有一定的参考价值。     

基于光纤传感器的煤堆温度监测及预警

煤堆自燃会造成巨大的经济损失和严重的环境污染,利用光的拉曼散射原理,设计了针对煤堆的分布式光纤温度监测系统,由测温主机、传感光纤和温度监测软件3部分组成。具有灵敏度高、可靠性好、不受电磁干扰影响等特点,可用于煤堆各处温度的监测,并能在温度达到自燃条件前提早发出预警,为避免自燃现象的发生提供条件。     

基于小波包和神经网络的矿用通风机故障预警研究

矿用通风机在长时间的运行过程中,可能存在着多种故障隐患,及时准确地发现其隐患,对于煤矿的安全生产具有极其重要意义。本文提出了基于小波包分解技术和BP神经网络的＂能量-故障＂方法。用小波包分解技术将含有通风机不同故障状态信息的特征向量,从不同的频带提取出来,并作为故障样本输入神经网络,建立BP神经网络模型。利用该模型可对矿用通风机的不同故障状态进行识别。研究结果表明,基于小波包和BP神经网络的故障诊断技术有效地利用了两者的优点,是提取设备故障状态特征,进行故障诊断的有效方法,并利用该方法实现矿用通风机的故障预警。     

矿用旋转类机械故障自动监测及预警系统设计

为实现煤矿旋转机械故障自动监测、诊断和预警,减少无计划停机,提高机械维修效率,针对现有同类技术无法进行故障在线提取和自动识别等问题,设计一种矿用旋转类设备运行自动监测及预警系统。系统采用模块化功能设计,利用SO 2372-1974《设备振动标准》预设故障数据库,通过加速度传感器收集机械振动曲线,通过分析振动信号得到旋转机械运转情况下的振动参数,并与预设的故障数据库参数特征相对比,完成机械故障的自动监测。系统具有精细监测和粗略监测2种监测模式,利用互锁形式进行关联。转子-轴承旋转模拟实验结果表明:该系统可以对旋转机械故障进行早期的判断、实时监测和预警,系统可靠性高,操作简便。