基于轴心轨迹椭圆面积的风机故障诊断方法及应用

简要介绍了几种当前主流的振动诊断方法,并针对其缺点提出了利用轴心轨迹椭圆面积描述转子振动状态的新方法。这种方法可以在1倍频振动强度较大的情况下,有效地识别风机的振动是由基础共振还是由不平衡所致,从而提高故障诊断准确率。将此方法在具体故障诊断中进行实践,结果表明,这种新方法可以成功地弥补当前诊断方法的不足,是一种实用的旋转机械故障诊断分析新方法。     

基于轴心轨迹的滑动轴承运行稳定性综合评价方法

分析了电机滑动轴承在不同状态下运行的轴心轨迹分布规律，以判断各周期轴心轨迹的重合度为出发点，提出了无量纲象限面积向量法，定量地描述了各周期内轴心轨迹在各象限内的分布；利用象限面积向量信息熵进行综合的、定量地评价滑动轴承各个周期内轴心轨迹的总体分布均匀性，并分别利用海明贴近度和测度贴近度计算方法求解多个周期象限面积向量的贴近度，即轴心轨迹在多个运行周期内的重合度.结合绝对指标，综合、定量地评价转子运行的稳定性.最后，结合实验检验了该方法的有效性和两种贴近度求解方法的效果.     

基于综合关联度分析的感应电机转子故障诊断

基于灰色关联理论,在灰色关联分析中引进相似系数,将两者相结合形成综合关联度,提出了基于综合关联度分析的感应电机转子故障诊断方法。首先选择感应电机典型转子故障模式构造标准故障模式。根据综合关联度的计算方法,计算出感应电机待检转子故障模式的综合关联度,根据关联序识别感应电机待检转子模式的故障类型。通过故障诊断实例表明,将综合关联度分析引入感应电机转子的故障诊断中是可行的,具有较高的识别率,分类诊断能力优于BP神经网络故障诊断方法。     

基于改进BP网络的煤岩界面自动识别

本文介绍了煤岩界面识别的BP神经网络方法,探讨了影响网络训练的若干因素,对BP算法加以了改进,使得其性能有所提高,收敛速度加快,对推广煤岩界面识别有重要的意义。     

基于井下轨迹数据的煤矿人员违规行为识别

当前有关井下人员轨迹数据的研究,缺乏针对煤矿领导带班下井的违规识别以及作业人员超时作业的违规识别.基于井下人员定位系数据,提出了判断煤矿领导是否带班下井及作业人员是否超时作业的识别方法,着重于识别煤矿领导是否带班下井、是否与上一班带班领导在井下交接班、是否存在安排他人代替下井(代打卡情况)、作业人员是否超时作业等4种场景.该方法的识别结果以图表方式直观地反应了煤矿领导带班下井情况,帮助煤矿发现隐患,促进煤矿提升管理水平,辅助煤矿安全生产.     

基于稠密轨迹聚类的人体交互行为识别

由于稠密轨迹对快速不规则运动的鲁棒性较强,对视频运动信息的覆盖度较好,近年来基于稠密轨迹的人体运动表征方法已经越来越多地运用于行为识别等领域。但轨迹提取受视频噪声影响较大,采用词袋(BOW)模型分类的参数难以确定,分类算法复杂,前述方法仍有些许不足。为此,提出了一种空间金字塔稠密轨迹聚类(PDDC)的人体交互行为识别方法。在金字塔不同空间层提取人体交互运动轨迹,并对所提取轨迹进行聚类,利用时空情境特征构建行为描述符,最后通过多示例学习(MIL)对交互行为进行分类识别。在UT-Interaction与WEB-Interaction数据集上进行了测试,证明了该方法的有效性。     

基于改进灰色关联度分析的机械故障诊断

在研究灰色关联分析基本理论与方法基础上,根据灰色关联分析的基本思想,提出了一种改进的灰色关联度量化模型,并将其应用于机械故障诊断中。该模型采用空间向量夹角的余弦衡量比较序列之间的局部相似性,而以局部相似性的均值作为比较序列的整体相似性的度量。通过实例验证,该模型对已有的关联度模型有较大改进,能有效地进行故障识别,且计算简单、计算量小。     

基于频谱分析的主扇风机转子不平衡的故障诊断

转子不平衡是风机的常见故障,其振动信号与故障密切相关。针对其不平衡故障机理,分析了振动信号与故障机理的关系。采用Labview软件对风机运行期间的振动信号进行监测,得到不平衡振动信号的幅值与相位,进行特征参量提取,准确识别判断转子不平衡故障,从而为矿山风机的维修提供科学依据,以达到保障设备安全运行的目的。     

基于人的行为改进事故轨迹交叉模型

在分析事故轨迹交叉模型缺陷的基础上,把人的行为分为安全行为和事故行为,而事故行为又包括人的不安全行为和人的不作为行为,并结合煤矿事故案例,阐述企业中各个层次的人员都存在人的不作为行为,指出正是人的不作为行为导致环境的不安全条件和机器设备的不安全状态,从而对事故轨迹交叉模型进行了改进。改进后的模型能够解释工作环境的不安全条件是如何产生的,认为人的不作为行为才是事故发生的基本原因,人的不安全行为是事故发生的必要条件,它给事故的预防提供了新的思路。     

基于相对频谱能量矩和概率神经网络的柴油机气门间隙故障诊断方法

采集柴油机缸盖振动信号并进行VMD分解得到最优的振动信号IMF分量。计算IMF相对频谱能量矩得到有效的柴油机气门间隙故障特征参数并由此得到概率神经网络的训练样本,采用粒子群寻优算法建立柴油机气门间隙故障诊断的概率神经网络。实验数据表明基于VMD相对频谱能量矩的优化概率神经网络用于柴油机气门间隙故障诊断的正确率较高。     

基于改进三角剖分的复杂形状工作面开采沉陷预计方法

为弥补复杂形状工作面变形预计的不足，提高开采沉陷变形预计的准确性，构建了一种基于改进三角剖分的复杂形状工作面开采沉陷预计方法。该方法引入了改进的三角剖分算法，优化了坐标系统转换、拐点偏移改正等方法，基于概率积分法原理建立了复杂形状工作面的开采沉陷预计模型。该模型首先利用改进的三角剖分算法将工作面剖分为多个三角形；然后用变步长Simpson二重积分方法在三角形单元内进行下沉预计，将各单元的预计结果求和，即可得到整个工作面开采对地表下沉的影响情况；最后根据概率积分法原理可分别得到其他移动变形预计值。采用MATLAB软件开发了所构建模型的沉陷预计程序。模拟试验结果表明：该模型预计值插入点全部分布于常规概率积分法预计下沉曲线上，表明该模型能够对形状较为复杂的不规则工作面进行开采沉陷变形预计。淮南顾桥矿1414（1）工作面实例分析表明：该模型预计的下沉曲线与实测下沉曲线的拟合度较好，预计下沉值的绝对误差为0.2~359.2 mm，相对误差为25.02%，中误差为 101.9 mm，能较好地满足工程应用需求。开采沉陷|三角剖分算法|概率积分法|Simpson二重积分|复杂形状工作面     

基于分形盒维数和小波包能量矩的垮落煤岩性状识别

针对综放工作面垮落煤岩性状识别的技术问题,采集了综放开采现场垮落煤岩冲击液压支架后尾梁的振动信号,提出了一种基于分形盒维数和小波包能量矩的识别方法。该方法结合分形盒维数对非线性信号整体定量描述的特点和小波包能量矩对非线性信号在各频带精细描述的特点,先对振动信号进行分形特征分析,求出其盒维数,然后对振动信号进行小波包变换,并计算各频带的能量矩。以分形盒维数和小波包能量矩构造特征向量,并作为BP神经网络的输入来识别顶煤垮落和顶板岩石垮落两种工况。试验结果表明:分形盒维数和小波包能量矩构造的特征向量可用于识别垮落煤岩,识别率达到95%。     

基于组合权-改进灰色关联度理论的矿井突水水源识别

基于组合权和改进灰色关联理论,针对潘谢矿区4个含水层中提取的35个学习样本,建立了矿井突水水源识别模型,并利用该模型对7个检验样本进行了水源识别。结果表明：相同含水层的学习样本和检验样本中Na⁺+K⁺,Ca²⁺,Mg²⁺,Cl^-,SO₄^2-和HCO^-₃等6项化学指标值的含量变化趋势更为接近,符合灰色关联理论。组合权重综合考虑了主客观权重,避免人为因素的干扰,同时考虑了识别指标的实际情况。组合权方法计算的6项识别因子中,Ca²⁺,Mg²⁺,HCO^-₃的权重分别为0.231,0.383,0.203,且3者的权重值相加占总值的81.7%,说明3项指标在矿井突水水源识别中起主要作用。采用建立的组合权-改进灰色关联度模型对7个检验水样进行识别,除1个水样外,其余均与实际结果一致,识别准确率达到86%,表明该模型在矿...