人工神经网络方法在采煤机故障诊断中的应用

介绍了BP网络的原理、算法,并用BP网络对采煤机截割部机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证,证明用人工神经网络可较好地预报机器故障,变被动维修为视情维修,为合理安排生产计划及设备检修提供了可靠的依据。     

BP神经网络方法在采煤机故障诊断中的应用

本文介绍了BP网络的原理、算法,并用BP网络对采煤机截割部机械传动系统的故障进行了趋势预测。经过地面模拟加载实验及井下验证,证明用人工神经网络可较好地预报机器故障,变被动维修为视情维修,为合理安排生产计划及设备检修提供了可靠的依据。     

采煤机摇臂齿轮箱故障诊断研究现状及展望

摇臂齿轮箱是采煤机核心动力传递机构,其可靠性对煤炭高效生产具有重要意义。文章对采煤机摇臂齿轮箱故障机理及故障诊断方法进行综述。首先,归纳了摇臂齿轮箱轴承和齿轮在不同故障状态下的故障机理。其次,剖析了现有采煤机故障诊断技术存在的主要问题。最后,指出了未来应致力于精确故障机理、复合故障分析、微弱故障识别、基础数据收集、算法融合创新和多源信息利用等方面的研究,为摇臂齿轮箱故障诊断提供参考。     

基于EEMD和相关峭度的齿轮故障诊断

振动信号中冲击特征的出现是齿轮发生故障的一个重要表现,然而由于强噪声的影响,冲击特征很难被有效识别。为准确识别故障,提出了基于聚类经验模态分解(EEMD)和相关峭度的齿轮故障诊断方法。该方法首先利用EEMD方法将振动信号分解为若干本征模态分量(IMF),然后选出最大相关峭度对应的本征模态分量,最后对该IMF进行包络分析,进而识别故障。     

快速峭度图在滚动轴承故障诊断中的应用

针对包络分析中带宽和中心频率依靠经验估计的缺陷,应用一种快速峭度图算法自动为包络谱分析提供最佳带宽和中心频率。快速峭度图算法借鉴了二进小波分解算法,先将原始信号经过FIR滤波器将信号进行分解,然后在各个频段上计算信号的谱峭度值,并根据快速峭度图的结果得到最佳中心频率和带宽,最后进行包络谱分析。实验证明该方法可以更有效地诊断滚动轴承故障。     

小波和神经网络在采煤机故障诊断中的应用

进行采煤机截割部齿轮传动系统的振动测试,采用小波变换对振动信号进行去噪处理,经过小波去噪后的振动信号作为BP网络的输入,采用三层BP神经网络结构对采煤机截割部齿轮传动系统的故障进行了趋势预测,取得了满意的诊断效果。     

铁谱分析法在采煤机故障诊断中的应用

应用铁谱技术监测采煤机运行工况,了解采煤机运行状态。制定了判断标准,可准确预测采煤机故障,实现了及时维修。     

粗糙集理论在采煤机故障诊断中的应用

介绍了粗糙集理论关于知识约简的基本内容,利用粗糙集的约简理论,对诊断规则进 行约简并剔除不必要的属性,获取最简单诊断规则。对设备进行正确的诊断,给出了利用决策表建 立采煤机故障诊断规则的表示方法。     

基于盲源分离的采煤机摇臂轴承故障诊断方法

针对采煤机摇臂轴承故障,介绍了一种基于盲源分离算法的轴承故障识别方法。该方法采用优化滑动平均长度,以最大信噪比为目标函数对振动信号进行盲源分离,分离后的信号进一步加速度包络处理,信号特征可用于识别轴承故障。通过采煤机摇臂加载试验台进行试验验证,采集采煤机摇臂两个不同部位的振动加速度信号,运用该方法对振动信号进行处理后判别故障类型和位置。结果表明：与单纯的加速度包络法相比较,该方法处理后的信号特征更加明显,对轴承部位的识别率较高。研究结果对于采煤机摇臂的故障预测具有较好地效果,能够进一步提高采煤机在故障领域方面的智能化。     

采煤机故障诊断的研究

采煤机是煤矿生产的关键设备,为了提高采煤机故障诊断水平,本文分析了采煤机常用的故障诊断方法,并在专家诊断系统的基础上,引入了模糊神经网络,结果表明该方法能很好的提高采煤机的故障诊断水平。     

MG150/375—W采煤机牵引部液压系统常见故障诊断

针对MG150/375-W型采煤机牵引部液压系统常见故障,对采煤机在工作中常出现 的不牵引,单向牵引,系统发热等故障进行分析、诊断,并对故障提供了相应的解决处理方案。     

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。     

基于粒子群和BP混合优化的采煤机故障诊断分类方法研究

故障诊断的本质是信号的特征提取与分类,BP神经网络是典型的一种分类方法。针对传统的BP算法易形成局部极小值,缺乏全局搜索性的缺点,利用粒子群算法可以在复杂、多峰、非线性及不可微的空间中实现快速、高效的全局搜索的特点,结合传统BP算法,提出一种基于PSO-BP混合训练神经网络的新方法。该算法首先利用粒子群算法的全局搜索能力对BP网络的权值进行优化,同时引入粒子群熵的概念对粒子群体中个体的多样性进行度量,当粒子群熵的估计值超过某一设定阀值时,用BP算法进行神经网络的训练。采用采煤机的轴承故障数据集对PSO-BP算法进行验证,证明该方法能够对采煤机的故障进行诊断。     

基于WT特征增强的cICA带式输送机齿轮箱故障诊断

约束独立分量分析对于测量信号中的传感器噪声(测量噪声)具有很强的免疫能力,但对源噪声的免疫性却很差。针对这个问题,提出了小波变换特征增强的约束独立分量分析的齿轮箱故障特征提取方法。通过对测量信号小波分解,有针对性地选择某子频段小波系数重构,有利于提高信噪比,增强信号的统计独立性和非高斯性,从而增强约束独立分量分析方法提取齿轮故障特征的效果;而未经小波变换除噪时,约束独立分量分析的效果不佳。通过仿真分析和在矿用带式输送机齿轮箱故障诊断的应用结果综合表明,该方法能有效降低源噪声的影响,准确提取出齿轮故障特征,尤其是微弱低频故障特征。为矿用齿轮箱多通道振动状态监测与故障诊断提供了一种新的有效手段和途径。     

基于动态故障树的采煤机牵引部可靠性分析

介绍了动态故障树(DFT)分析方法,即将模块化处理DFT得到的静态子树和动态子树分别采用二元决策图(BDD)和马尔可夫方法进行分析。以采煤机牵引部不牵引为动态故障树分析实例,利用MATLAB仿真,通过定性与定量分析找出了系统的薄弱环节为行星机构和行走轮。当设备运行1000h时,牵引部不牵引发生的概率为0.095198。结果表明,将模块化的动态故障树分析方法用于采煤机可靠性分析是可行的,所得结论对采煤机的设计、生产、使用和维护都具有重要的参考价值。     

采煤机作业时摇臂齿轮箱故障分析及诊断技术研究

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。     

EMD与能量算子解调在提升机齿轮箱故障诊断中的应用

提升机齿轮减速箱一旦发生故障,其振动信号表现出强烈的非平稳性,表现为复杂的调制现象,因强烈的噪声干扰,给故障特征提取带来了困难。介绍了基于经验模态分解(Empirical Mode Decomposition, EMD)与Teager-Kaiser能量算子（Teager-Kaiser Energy Operator,TKEO）解调相结合的提升机齿轮箱故障诊断方法,该方法结合了EMD自适应滤波和Teager-Kaiser能量算子非线性故障特征提取的优点。EMD方法可将齿轮箱振动信号分解成若干个局部频率从高到低不同频段的IMFs（Intrinsic Mode Functions）,各个IMF突出了原始信号的某些局部特征,再对相对高频段且含有齿轮啮合频率及谐频的IMFs进行能量算子解调,成功提取了提升机齿轮箱中间轴旋转频率fr2的故障特征频率,诊断出了提升机齿轮箱中间轴上齿轮Z2和Z3的点蚀故障。分析结果表明,该方法能有效诊断出提升机齿轮箱的故障。     

PLC在采煤机中的应用

介绍引进美国久益公司 12CM18— 10D连续采煤机主要电气组成、控制、操作方式特点 ,提出操作和使用维护应注意的几个问题