共查询到20条相似文献,搜索用时 250 毫秒
1.
2.
为提高采煤机截割部传动系统故障识别的精度,将采煤机截割部传动系统中齿轮振动信号作为研究方向,针对振动信号具有非线性、强耦合、关联性不强等特点,提出了一种多标签分类卷积神经网络故障识别模型。首先对卷积神经网络的全连接层进行改进,然后设计了多标签的分类器以便在识别故障类型的同时判断故障严重程度。仿真实验表明,该模型对传动系统典型故障以及故障严重程度有较好的识别能力,优于传统信号分析技术,可以实现对传动系统的故障智能识别和实时监测。 相似文献
3.
4.
针对采煤机截割部常出现的问题及故障,通过对截割部齿轮传动机构的强度、制造工艺及各传动件的受力进行分析,探讨总结了综采工作面采煤机截割部运行过程中出现的故障原因,提出对采煤机截割部进行改进设计,使采煤机截割部强度及工作可靠性有了很大的提高,也为今后较薄及中厚煤层采煤机截割部的结构设计提供参考依据。 相似文献
5.
6.
7.
8.
为研究采煤机截割部齿轮传动系统在突变工况下的动力学特性,建立了截割电动机、齿轮传动系统和截割滚筒的采煤机截割部传动系统动力学模型。以电动机输出转速为驱动,以截割滚筒所受转矩为负载,研究了系统在稳定工况、截割负载突变和牵引速度变化情况下采煤机截割部齿轮传动系统动力学特性。结果表明:受负载转矩的影响,稳定工况下低速级行星齿轮部分受外部载荷直接作用,振动最大,随着传动链中阻尼的消振作用,高速部分齿轮副的振动逐渐减弱;截割负载突变和牵引速度的增加使传动系统中高速级齿轮的振动和受力明显加剧。 相似文献
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.
13.
14.
煤矿机械齿轮传动系统在低速重载等恶劣工况下极易发生故障,齿轮箱部分尤为突出。因此展开对恶劣工况下的齿轮箱故障诊断研究具有重要的意义。以齿轮箱中齿轮为研究对象,通过提取与齿轮箱振动相关的故障特征,经过神经网络的学习训练实现对齿轮箱故障的分类。经检验,该诊断神经网络对齿轮箱故障有很高的辨识度。 相似文献
15.
以7LS06型采煤机摇臂齿轮箱为对象,在对齿轮箱主要结构进行介绍的基础上,分析了齿轮箱常见的故障问题,其中齿轮和轴承的故障问题最为显著。对齿轮和轴承工作时的振动机理及其常见故障类型进行了详细的介绍。引起齿轮和轴承振动的原因包含2方面:(1)结构件的工作原理决定;(2)结构件表面存在故障缺陷,从而改变结构原有的振动状态。可以对齿轮和轴承的振动信号进行分析,从而判断其是否存在缺陷故障。利用振动测试平台对摇臂齿轮箱的振动状态进行实际测验,并将测验结果与实际结果对比,验证了故障诊断技术的科学性与合理性。 相似文献
16.
17.
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
18.
振动诊断在机械设备齿轮故障诊断中的应用 总被引:4,自引:0,他引:4
介绍了利用振动信息进行故障诊断的优势及齿轮故障振动诊断方法,列举了齿轮故障振动诊断标准,通过诊断实例介绍了振动诊断在齿轮故障诊断中的具体应用。实践证明振动诊断在机械设备齿轮故障诊断中具有重要意义。 相似文献
19.