基于多传感器信息融合的矿井通风机故障诊断

为了提高矿井通风机机械故障诊断的准确性,提出了将多传感器信息融合技术用于故障诊断的检测方法.由多个传感器采集振动信号,经小波变换预处理后获得故障特征值,再经BP神经网络进行故障局部诊断,获得彼此独立的多个证据,然后运用D-S证据理论对各证据进行融合,实现对矿井通风机机械故障的准确诊断.     

基于证据理论混合算法的煤矿通风机故障诊断

为了提高煤矿通风机故障诊断的准确性,提出了基于证据理论的混合诊断算法。即先用灰色建模方法实现故障特征量的累加处理,以增强数据的规律性。然后,采用2个并联的灰色BP网络进行故障局部诊断,获得彼此独立的证据。最后,再用证据理论融合算法对各证据进行融合,最终实现通风机的故障诊断。实例结果表明,该方法可有效提高诊断的可信度。     

人工神经网络在煤矿通风机故障诊断中的应用

分析了煤矿通风机的常见故障,在介绍BP神经网络原理和算法的基础上,建立了基于BP神经网络模型的通风机故障诊断模型,并应用数学软件MATLAB中的神经网络工具箱实现了通风机不同故障状态的识别。研究结果表明,该方法能准确地诊断通风机的故障类型,具有简单、准确的特点,为实现煤矿通风机的故障预警和保障煤矿的安全生产具有指导意义。     

D-S证据理论在变压器故障诊断中的应用

为了充分利用各种状态信息和已有的知识进行故障诊断,提出将故障树、遗传神经网络和D-S证据理论相融合进行故障诊断,从而扩大信息覆盖范围,增加了置信度,实现了决策层的时空信息融合,使得诊断结果更准确可靠。并通过变压器诊断实例证明此方法是有效可行的。     

基于小波-神经网络的矿用通风机故障诊断研究

运用小波包频道能量分解技术提取了不同频带反映矿用通风机不同工作状态的特征向量，以此作为BP神经网络的故障样本，经训练的网络作为故障智能分类器可对通风机的工作状态进行自动识别和诊断．研究结果表明，小波包与神经网络相融合的故障诊断与识别技术发挥了两者的优点，是提取机械故障特征进行设备状态自动识别的有效方法．     

BP神经网络在矿井通风机故障诊断中的应用

通过对矿井通风机常见故障的分析,建立了基于BP神经网络的矿井通风机故障诊断模型,并应用MATLAB7.0实现了对通风机不同故障状态的识别。实例诊断结果表明,该方法能可靠地实现通风机的故障诊断,具有简单、快捷的特点,为非线性系统的控制提供了一种新方法。     

基于全息谱的矿用通风机故障诊断虚拟仪器

对通风机进行故障诊断是及时发现安全隐患,保证通风机安全运行的有效手段。将多传感器信息融合理论的全息谱技术用于矿用通风机的故障识别诊断,并结合虚拟仪器技术,研究开发了矿用通风机故障诊断虚拟仪器。试验表明,此仪器能充分、直观地反映被测对象的振动状态,可更加准确有效地实现通风机的故障诊断。     

基于D-S证据理论和BP神经网络的齿轮箱故障诊断

在故障诊断时,需要从多方面获得关于同一对象的多维信息并进行融合,才能对设备进行更可靠更准确地诊断,以求得最佳诊断结果。以齿轮箱故障作为研究对象,提出了一种基于D-S证据理论和BP神经网络相结合的信息融合诊断方法,并进行了验证。首先利用BP神经网络对测量数据进行分析诊断,最后用D-S理论对诊断结果进行融合,结果满足需求,从而证明了D-S理论和BP神经网络相结合的诊断方法的实效性。     

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。     

基于BP神经网络的容错控制技术在通风机监控系统中的应用

矿井通风机监控系统有效地保障通风机的正常运行,针对监控系统中众多的传感器和执行器故障,BP神经网络对正常状态和故障状态分别进行训练,将得到的网络结构、权值和阈值进行存储,再通过容错控制中的重构,对故障点进行诊断和处理。利用风量传感器进行了仿真实验,证明基于BP神经网络的容错控制可以有效地修正传感器故障,从而推广至监控系统的所有传感器。     

带式输送机故障准确诊断方法

针对带式输送机运行过程中的典型故障,提出了一种基于特征级与决策级的双层融合故障准确诊断方法。建立了带式输送机故障诊断信息融合模型,提取带式输送机故障信息的基本特征和小波包特征,实现特征级融合,并使用量子粒子群优化的核极限学习机与支持向量机2种分类器进行特征级的故障诊断;采用D-S证据理论将2种分类器的特征级故障诊断结果再融合,实现决策级的故障诊断。利用2种分类器的概率输出构造基本概率赋值函数,有效解决了D-S证据理论中基本概率赋值函数的构造。搭建带式输送机实验台,使用MATLAB进行实验验证,结果表明该方法的故障识别准确率可达97%,提高了故障诊断的准确度。     

矿井局部通风设备系统故障诊断方法研究

文章针对矿井局部通风设备系统故障而造成瓦斯浓度超限的瓶颈问题,提出采用粗糙集理论和遗传算法对矿井局部通风设备系统的故障诊断方法进行研究。建立了故障模型树;对关键故障征兆和故障规则获取算法及软件进行了分析与开发,并对煤矿进行了应用示范研究。为煤矿通风设备系统的故障诊断提供了一种新的方法思路和原型软件。     

多传感器数据融合技术在电厂状态监测和故障诊断中的应用

对多传感器数据融合技术的应用进行了分类,展现了现有的多传感器数据融合技术在电厂状态监测和故障诊断中应用的方法。对基于D-S证据理论,基于模糊理论,基于神经网络,基于专家系统的诊断方法进行了逐一介绍,指出了各种方法的优缺点。最后介绍了基于多传感器数据融合技术的综合诊断方法,指出了多传感器数据融合技术在电厂状态监测和故障诊断中应用的发展趋势。     

信息融合技术在变频器故障诊断中的应用

针对变频器故障诊断方法存在的局限性,提出了一种基于多传感器信息融合的智能故障诊断方法。利用D-S证据理论决策级融合进行故障识别,实例分析表明,信息融合技术用于变频器故障诊断对提高诊断的可靠性和准确性有重要作用。     

基于多学科技术的煤矿局部通风系统故障诊断方法

为了减少煤矿局部通风系统故障发生的概率和防止瓦斯超出标准限制,把可靠性分析、粗糙集理论、遗传算法(GA)和智能决策支持系统(IDSS)相结合来建立和发展煤矿局部通风系统的故障诊断方法。该故障树模型的建立及其可靠性分析把获取故障的主要症状和故障诊断规则进行了分析和发展。最后,通过一个矿井实例对该模型系统进行开发和展示。结果表明,该方法不但能迅速准确地找到煤矿局部通风系统产生故障的原因,而且可以减少局部通风系统故障诊断的困难。     

信息融合技术在矿井提升机制动器故障诊断中的应用研究

提出了一种2层信息融合方法,特征层采用RBF神经网络进行空间上的融合,决策层采用DS证据理论进行时间上的融合,充分利用了各传感器在时间和空间上的互补和冗余信息,提高了提升机制动系统诊断的可靠性和正确性。     

笼型异步电机转子断条故障诊断技术的研究

为了实现对笼型异步电机转子断条故障的有效诊断,设计了一套基于LabVIEW的转子断条故障诊断系统。针对笼型异步电机的定子侧电流信号,采用自适应陷波器对该信号进行陷波处理,以消除工频分量对断条故障特征分量的干扰,然后在快速傅里叶变换频谱上,实现对断条故障的识别。实验证明,该系统能够对断条信号进行有效的识别。     

矿井主通风机轴承故障机理分析及诊断方法研究

矿井主通风机轴承状态监测和故障诊断是确保煤矿安全通风的重要前提,基于煤矿通风系统概况,分析了矿井主通风机轴承故障机理,主要为滚动轴承的结构、振动特性与滚动轴承的失效形式、故障类型,得到了滚动轴承振动特性产生的内部因素及故障类型;研究了通风机轴承故障诊断程序结构,主要包括诊断分类模块、特征提取模块、常规分析模块、采集和储存模块,并设计了轴承在线故障诊断平台。研究保证了矿井通风系统的正常运转。     

基于信息融合技术的提升机控制系统故障诊断方法的研究

针对提升机控制系统故障诊断方法存在的局限性,提出了一种基于多传感器信息融合的智能故障诊断方法。该方法采用D-S证据理论决策级融合进行故障识别,利用统计证据获得Mass函数。通过一实例论证了在提升机控制系统故障诊断中,采用此方法比单传感器信息故障诊断方法更具准确性和可靠性。     

基于支持向量机的异步电机转子故障诊断

根据异步电机发生故障时振动信号的特点,提出了一种基于小波包分解和支持向量机相结合的异步电机转子故障诊断方法。通过采用快速ICA算法对振动信号进行多通道数据融合,然后进行3层小波包分解,得到各分解节点对应频带的重构信号以及对应的能量,并将各频带的能量元素组成的特征向量作为诊断模型的特征向量,输入到LS-SVM分类器中进行故障识别和分类。诊断结果表明:采用ICA-SVM模型具有较高的分类速度和很好的故障识别率。