基于粗糙集-RBF神经网络的采煤机截割部传动系统故障诊断

采煤机截割部传动系统故障源多,建立快速准确识别故障源的模型具有重要研究意义,因此提出了一种基于粗糙集-径向基函数(RBF)神经网络的故障诊断方法。首先对传动系统常见故障进行汇总分析,归纳为齿轮故障与轴承故障,通过粗糙集理论完成属性约简后得到最小条件属性集,然后根据粗糙集的最小条件属性集搭建RBF神经网络的拓扑结构。仿真结果表明,基于粗糙集-RBF神经网络的故障诊断模型结构更简单,训练效率及诊断准确性更高,在故障诊断中具有更好的应用效果。     

基于小波分析和改进神经网络的采煤机截割部传动系统故障诊断

为了解决当前采煤机截割部传动系统故障诊断方法存在耗时长、误差大等问题,提出了基于小波分析和改进神经网络的采煤机截割部传动系统故障诊断方法。首先采集采煤机截割部传动系统故障数据,并采用小波分析对数据进行预处理,消除噪声的不利影响;然后提取故障特征并输入神经网络进行训练,采用粒子群算法优化神经网络的参数,从而建立采煤机截割部传动系统故障诊断模型。仿真实验结果表明,该方法提升了采煤机截割部传动系统故障诊断精度,大幅度减少了故障诊断时间,而且增强了抗噪声干扰能力。     

基于CEEMD-RSVPSO-SVM的采煤机截割部滚动轴承故障诊断

截割部作为采煤机的关键部件,直接与采煤工作面相接触,具有截煤和落煤的作用。截割部通常采用滚动轴承,滚动轴承的故障将会导致采煤机整个流程的瘫痪,为此提出一种新型滚动轴承故障诊断方法。首先采用互补集成经验模态分解对滚动轴承振动信号消噪与分解,获得轴承振动时域信号;其次采用区域划分实时调整粒子群算法中参数,并应用自适应变异操作抑制粒子群陷入局部寻优;最后采用实验室滚动轴承模拟平台验证诊断模型的有效性。结果表明,提出的滚动轴承故障诊断模型对滚动轴承故障诊断能力强、准确率高且收敛速度快。     

基于IGWO优化LSSVM的采煤机截割部齿轮箱故障诊断

为准确诊断采煤机截割部齿轮箱故障,提出一种新型故障诊断模型。振动信号经变分模态分解得到本征模态函数(IMF),计算IMF分量的样本熵构造特征向量;采用改进灰狼算法(IGWO)优化最小二乘支持向量机(LSSVM)模型的高斯径向基核函数参数和惩罚因子,建立IGWO-LSSVM故障诊断模型进行采煤机截割部齿轮箱故障识别。实验数据对比表明,IGWOLSSVM的采煤机截割部齿轮箱故障诊断模型故障分类性能更好,准确率更高。     

基于BP神经网络的采煤机摇臂异声故障诊断技术研究

通过检测摇臂的振动参数,采集数据信息,通过BP神经网络的处理方法,对采煤机摇臂故障部位进行预测和准确定位,提高摇臂异音问题的处理速度,增强采煤机运转的可靠性。     

采煤机截割部行星齿轮动力学仿真

利用UG软件建立大型采煤机截割部行星齿轮减速器的简化模型,通过UG与ADAMS软件的接口将模型导入ADAMS软件中,建立行星减速器的虚拟样机模型,并对样机模型进行动力学仿真分析,仿真结果表明:轮齿啮合接触力随着负载线性变化,从而为采煤机截割部行星减速器的齿轮载荷分析提供了一种新的手段和方法,也为后续的有限元分析提供理论基础和边界载荷条件,对于其他同类大型机械的行星齿轮减速器的动力学仿真研究也具有一定的借鉴意义.     

采煤机牵引部故障诊断智能专家系统

牵引部是采煤机主要部件,如果发生故障将会影响采煤机的工作,严重影响出煤量。通过对采煤机牵引部常见故障及其原因进行分析,BP神经网络为内核,以VC++6.0作为编程平台,建立采煤机牵引部故障诊断的专家系统。利用该系统可确定采煤机牵引部的运行状态、降低故障率、提高生产率和使用寿命。     

基于ANSYS的采煤机截割部传动齿轮疲劳分析

传动齿轮是采煤机截割部传动系统中的重要功能零件,由于受多种因素的影响导致其疲劳破坏形式具有多样性,很难找到与之相适应的寿命估算方法。针对此问题,提出了基于ANSYS的采煤机截割部传动齿轮疲劳分析方法,通过分析齿轮疲劳的影响因素,对传动齿轮进行有限元分析,得到齿轮的应力分布与应变结果,利用齿轮疲劳S-N曲线并结合损伤理论计算,最终完成传动齿轮的寿命预测。结果表明,经ANSYS分析的传动齿轮疲劳位置与实际情况相符合,寿命估算的精确度较高,能够为传动齿轮疲劳分析和优化改进提供参考。     

基于局域网的采煤机截割部详细设计系统开发

采煤机截割部的传统研发过程以人工计算为主,存在设计效率低下、研发周期长等不足之处,针对此问题,以国内某采煤机制造企业设计生产的某型号采煤机为对象,把现代设计理论引入现有的采煤机研发过程,在局域网环境下,利用动态网络编程技术、数据库技术等建立了采煤机截割部传动系统设计系统。     

采煤机截割部齿轮破坏原因及预防措施

对采煤机截割部圆弧伞齿轮传动副经常出现的故障原因进行分析,提出一些注意事 项和预防措施,为进行采煤机大修工作和正常生产检修提供经验和方法。     

基于粗糙集-神经网络系统的采煤机故障诊断研究

针对神经网络在故障诊断中存在着输入属性维数多和数据量庞大的缺点,利用粗糙集理论对原始数据进行约简,并剔除其中不必要的属性,构建了优化的粗糙集-神经网络智能系统。通过对实例分析,使用该系统能够提高采煤机故障诊断的准确性和效率,在故障诊断中有良好的应用前景。     

基于粗糙集-神经网络系统的采煤机故障诊断

利用粗糙集理论对原始数据进行约简,构建优化的粗糙集—神经网络智能系统。该系统能够提高采煤机故障诊断准确性和效率,有良好的应用前景。     

基于扩展故障树的采煤机故障诊断专家系统研究

针对采煤机故障诊断专家系统知识获取困难的问题, 将扩展故障树分析法和专家系统相结合, 提出了基于扩展故障树的采煤机故障诊断专家系统知识获取方法。在传统故障树节点上增加节点类型、重要度等信息, 建立扩展故障树, 并将扩展故障树中的节点信息转换成规范化表示的专家系统知识。采用广度搜索优先、深度搜索与广度搜索结合的推理机制, 提高故障查找的准确率及效率。利用专家系统开发工具CLIPS, 建立了采煤机故障诊断专家系统。研究表明, 该系统可准确判别采煤机故障类型并提供解决方案, 提高采煤机故障诊断效率。     

基于广义回归神经网络的采煤机故障诊断的研究

针对采煤机故障征兆和故障的非线性对应关系,采用广义回归神经网络作为故障诊断的智能分类器。输入层为采煤机的故障特征参数,中间层为径向基神经元,感知待诊断故障向量与训练样本的相似度,输出层为故障模式分类。分析了广义回归神经网络的优越性和结构特征,建立了不同光滑因子和训练样本数目的采煤机故障诊断模型,并在MATLAB进行了仿真。     

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。     

基于模糊综合评判的采煤机故障诊断研究

针对采煤机故障诊断中的不确定性知识的表示和推理问题,将模糊理论引用到该系统中。通过对采煤机故障机理的深入研究和专家经验的总结,建立符合故障和征兆的非一一对应关系和人的思维特点模糊关系矩阵,将经过特征处理的采煤机故障特征参数归化到相应的隶属度,并通过与模糊关系矩阵的模糊运算,得出故障的模糊关系向量,最后,根据相应诊断原则诊断采煤机故障。经实例验证,此方法具有计算简单、结论明确直观的特点。     

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。     

基于小波神经网络的牵引电机齿轮故障诊断研究

以小波变换、小波神经网络为工具,采用定子电流对HXD1B型机车的YQ1633异步牵引电动机开展牵引电机齿轮故障诊断研究。定子电流法相对于振动法更容易实施,有效克服了振动信号中包含的复杂干扰。由小波分析完成齿轮故障的特征量提取,通过神经网络对故障类型进行判断,实际测试表明,该方法具有较好的故障诊断性能。