基于小波神经网络的矿用主通风机故障诊断研究

通过小波包分析对通风机转子的振动信号降噪分解,提取各频带重构信号的能量作为故障特征向量,并以此当做BP神经网络的训练样本和测试样本,进行网络训练和故障模式识别。以MATLAB为平台,测试了网络对通风机常见故障类型的识别验证率,结果表明方法可行有效,有较高精度,为旋转设备故障诊断提供了新的思路。     

煤矿主通风机故障诊断监控系统的设计

论述了基于小波分析的煤矿主通风机故障诊断系统的软、硬件设计。在硬件设计方面,对系统的硬件选型、振动传感器、气动传感器的安装点和安装方式做了介绍;在软件方面,提出了将故障诊断系统与现有风机监控系统相整合的概念,并给出了整合的方法。该系统实现了在各参数监控的同时,当风机的振动超限,可以对故障信号作分析并给出诊断结果,界面友好,操作方便,对煤矿的安全生产具有重要意义。     

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．     

基于小波包分解的煤矿通风机故障诊断

提出基于小波包分解的煤矿通风机故障诊断方法,经实际验证,能有效诊断出通风机故障,具有实用价值。     

基于谐波小波分析的矿井通风机故障诊断

针对矿井通风机故障信号的动态非平稳、能量微弱等特点,提出基于谐波小波变换的故障诊断方法,克服了传统诊断方法中存在的信号遗漏与频泄现象。以BDK-6-NO18轴流式通风机为研究对象,利用谐波小波变换的优势,成功从振动信号中提取出设备故障特征信号。     

煤矿主通风机振动成因及监测与故障诊断

应用振动分析方法、诊断理论、数据采集及计算机技术,对煤矿主通风机的振动进行了分析,并且初步建立了一套监测与故障诊断方式。     

基于小波包和Bayes判别法的矿用通风机故障诊断

将小波包分析与Bayes判别分析法相结合的方法应用于矿用通风机故障诊断问题中。利用小波包分析技术提取了矿用通风机不同工作状态的特征向量,选用此特征向量作为Bayes判别分析模型的判别因子,以矿用通风机故障实测模拟数据作为学习样本进行训练,通过分析计算,建立了相应线性判别函数,并利用回代估计方法进行检验。研究结果表明:这种新模型判别能力强,交叉确认估计的误判率为0,不需要优化网络结构,是解决矿用通风机故障诊断的一种有效方法。     

基于小波-支持向量机的矿用通风机故障诊断

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,以此作为支持向量机多故障分类器的故障样本,经训练的分类器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.并以不对中故障为例,进行了实用验证.研究结果表明,支持向量机在小样本情况下仍能准确、有效地对通风机的工作状态和故障类型进行分类.     

主通风机在线监测与故障诊断系统的应用

根据现场实际情况和通风机的运行特点开发了一套监测系统,经过近一年的现场应用,该系统运行可靠,满足了煤矿主通风机安全监测、在线控制、故障诊断的要求。     

基于小波包-人工神经网络在矿井通风机故障诊断中的应用

通过对已采集的矿井通风机振动信号的处理,提出应用小波包-人工神经网络对其进行故障诊断与监测。以G4-73-11No25D离心式通风机为研究对象,利用小波包提取振动信号的能量特征作为特征向量,并利用L-M算法对BP网络进行改进,建立了神经网络模型。经实际验证,该方法能够准确、快速地对通风机的故障进行诊断和监测。     

煤矿主要通风机振动故障诊断技术应用

在分析通风机振动故障原因及常见故障振动特征的基础上,针对现场通风机振动较大的问题.对其进行了振动测试与分析,诊断出该通风机存在的故障.实践证明通过振动测试可检测通风机工作状态,应用振动分析方法可准确诊断出通风机的常见故障.     

基于Elman神经网络矿用通风机故障诊断的研究

介绍了一种基于Elman神经网络的通风机故障诊断的诊断原理,学习算法以及技术路线。通过对现场信号特征数据的采集以及归一化处理,对Elman神经网络选取最优的结构与参数,实现了煤矿主通风机故障类型的智能分类与诊断。与传统BP神经网络诊断结果相比较,Elman神经网络综合诊断性能更优。最后通过风机的故障诊断实例表明:Elman神经网络在提高学习速度上有了很大的改进,并且有效地抑制了传统神经网络容易陷于局部极小的缺陷,缩短了自主学习的时间,是风机故障诊断的有效方法。     

基于神经网络的采煤机变频器故障诊断

针对采煤机变频器ACS800的常见故障进行分析,指出导致变频器故障的主要原因,利用RBF神经网络的诊断技术对其内部进行诊断,运用小波技术对输入信号进行处理,从而可进一步提高变频器的安全率,并为其实际维修提供参考。     

基于LabVIEW的矿井主通风机状态监测及故障诊断预警软件系统设计

为进一步实时可靠地监控矿井主通风机的运行状态,软件系统采用LabVIEW作为开发平台,具有多参量采集程序、分析和评估程序、储存和显示程序等功能,能实现矿井主通风机电压、电流、温度、振动、局部放电、绝缘电阻的在线监测,同时可编写相关的信号分析、智能诊断程序,可实现电动机绝缘和机械状态的在线评估。该系统经现场试验运行表明,系统运行稳定,参数采集实时、准确,电动机状态评估可靠,符合设计要求。     

基于细化分析的风机故障诊断研究

介绍了细化分析技术,利用细化分析的高频率分辨率特性对一风机的运行状态进行监测和诊断,分析出风机叶片、不对中及轴承几种的故障以及产生故障的原因。     

煤矿通风机轴承振动故障诊断技术的研究及应用

介绍了基于共振解调技术的滚动轴承故障诊断原理及方法,并研究了煤矿通风机典型故障的轴承特性振动频率。通过采集振动信号和频谱分析,有效、可靠地诊断出某矿通风机轴承的故障、类型和部位,及早发现了故障,避免了事故进一步恶化的危险。案例分析证明了共振解调技术在滚动轴承故障诊断中的可行性。     

基于ES和ANN相结合的通风机故障诊断专家系统研究

鉴于传统专家系统和神经网络的优缺点,将专家系统和神经网络相结合应用于通风机故障诊断,建立通风机故障诊断专家系统。详细介绍了神经网络学习系统、知识库和推理机制等。