基于小波神经网络的煤矿提升机轴承故障诊断

轴承故障严重地影响设备的使用寿命、效率及安全性。以某型煤矿提升机轴承为研究对象,采集煤矿提升机轴承实时数据,基于小波神经网络建立煤矿提升机轴承故障诊断模型,运用MATLAB对煤矿提升机小波神经网络模型进行数值计算,对煤矿提升机轴承故障进行诊断。诊断结果表明,不同运行时间下,煤矿提升机轴承振动信号不同;基于小波神经网络可以精确、高效对煤矿提升机轴承故障进行诊断。该研究为煤矿提升机轴承故障诊断、维修等方面提供理论依据。     

粗碎用破碎机

日本神户炼钢公司生产的压缩式破碎设备和冲击式破碎设备包括旋回破碎机、布雷克型颚式破碎机、单肘板颚式破碎机、冲击式破碎机。目前该公司生产的旋回破碎机在设计时利用了计算机辅助设计程序(Computer Aided Design),选用了各部件的最好原料及适宜的性状,因而设计了最适宜的破碎腔,产生良好的破碎效率。因为在设计上使     

大型细碎车间的设计方案比较

本文的目的是探讨大型细碎车间的各种设计方案,并在研究了设计任务和条件的基础上进行了可供参考的各项方案设计。在工业实践中通常是将坑内或露天矿送来的矿石先采用三段破碎后再行进一步加工处理。第一段破碎即粗碎一般是在颚式破碎机或旋回破碎机中进行,其产品粒度一般为6″～10″即作为细碎的给料。     

某选厂旋回破碎机故障分析及防范措施

某选厂粗破碎系统采用旋回破碎机作为一段破碎设备。工艺调整、生产组织、设备运行等因素使破碎机出现大块矿石进入、过铁、噪音异常等问题,影响其正常运行。通过对该旋回破碎机常见故障进行分析,查找产生故障的原因,并制定出相应的防范措施,从而有效降低了破碎机故障发生的频率,为下游工序设备类似问题的解决提供了借鉴,有利于选厂降本增效的实现。     

基于BP神经网络的滚动轴承故障诊断

滚动轴承在煤机设备中广泛应用,在恶劣工况下容易发生故障。为了能够及时准确地获取滚动轴承的运转状态,采用BP神经网络算法与小波函数对轴承振动信号进行分解,从而对滚动轴承进行状态监测以及故障诊断。实验结果表明,BP神经网络能够准确获得滚动轴承的运动状态及故障类型。     

背式双腔双动颚破碎机实验研究

颚式破碎机作为一种粗碎设备,经近百年的发展结构日趋合理,其结构简单、工作可靠、制造容易和维修方便的特点,使它在生产中得到了广泛的应用。然而,与其它类型的破碎设备相比,仍然存在着能耗高、耗材大、生产能力和生产效率低等缺陷。目前的复杂摆动式破碎机的生产能力较简摆式破碎机有了一定的提高,但在结构上也存在着诸多缺点：（1）活动额受到的巨大挤压力．部分作用到偏心轴和轴承上,特别是大型复摆额式破碎机的作用力很大,这对破碎机结构和操作带来不良的影响;（2）在一个工作循环中（偏心轴旋转一周）．偏心轴有1／2的空行程…     

BP神经网络在轴承故障诊断中的应用

传统故障诊断方法很难对无法建立数学模型的系统进行有效的故障诊断。为了有效诊断轴承的故障,提出了基于BP神经网络的轴承故障诊断方法。简单介绍了常用的故障诊断方法、BP神经网络的结构和学习算法,详细介绍了BP神经网络在轴承故障诊断中的应用方法。仿真结果表明,通过合理选择网络节点数和训练样本,可以有效检测出轴承的故障信息。     

基于小波能谱熵-BP_Adaboost的采煤机摇臂轴承故障诊断

针对煤矿井下工作环境恶劣,摇臂轴承经常发生故障,提出一种基于小波能谱熵-BP_Adaboost的采煤机摇臂轴承故障诊断方法。对振动信号进行小波分解,提取各小波系数的能谱熵,以此作为故障特征信息。利用Adaboost算法联合多个BP神经网络,构建BP_Adaboost强分类器。通过实验验证,该方法相比单BP神经网络识别率有很大提高,总体识别精度达到92%,其中外圈轴承故障识别率达96%,具有较好的采煤机摇臂轴承故障诊断能力。     

PXZ1417旋回破碎机油温升高故障解析

西德兴铜矿采矿场西部破碎站(以下简称西破)目前使用的PXZ1417液压旋回破碎机(以下简称破碎机)是西破的关键设备。它用于破碎中等和中等硬度以上的各种矿石或岩石．西破日处理3．5万t，该设备是否运行正常关系到德兴铜矿的生产任务能否顺利完成。其中，破碎机润滑系统润滑油油温升高故障，直接影响到破碎机的正常工作。这种故障经常发生且原因很多，为了方便维修人员及时排除故障，并做好预防工作，以下对该故障进行详细分析，并提供处理方案。     

基于BP神经网络的磨机调心滚子轴承故障诊断研究

对BP神经网络在磨机滚动轴承故障诊断的模式表达及相关参数等问题进行了初步研究 ,并利用BP网络对轴承的 4种故障模式进行训练学习和诊断 ,取得了满意的效果。结果表明 :BP神经网络是解决轴承故障诊断中复杂的状态识别问题的一种有效工具。     

基于EDEM的旋回破碎机能耗模型研究

为解决国内相关企业在设计制造过程中缺乏指导降低能耗的破碎能耗理论模型的问题,依托芬兰美卓60-110E型旋回破碎机的基本参数,应用Solidworks搭建三维模型,基于EDEM离散元仿真软件,分析进动角、动锥底角、动锥转速、排矿口大小等关键参数对破碎机能耗的影响,建立破碎机能耗理论预测模型,并得到旋回破碎机性能最优时的关键参数值。根据响应面分析与模型方差分析结果表明：进动角与动锥转速对能耗模型的影响最为显著|当获得同等大小破碎力的情况下,进动角为0.48°、动锥底角为79.99°、动锥转速为130.00r/min、排矿口大小为166.24mm时,旋回破碎机的性能最优,与原工作参数下的旋回破碎机单位能耗相比,能耗降低约1.9%|最后通过与现场数据对比分析,模型基本可靠。该模型的建立可以为高性能旋回破碎机的设计及能耗预测方面的研究提供参考。     

惯性圆锥破碎机轴套的磨耗机理解析及对策探讨

惯性圆锥破碎机是高效重负荷粉碎设备。与偏心圆锥破碎机相比，具有破碎比大、产品粒度细而均匀、能破碎坚硬物料、在运转中可实现自我保护等特点。除衬板磨损外，其运转的稳定性主要取决于轴套和球面瓦的润滑及磨损状态。本文简单介绍了惯性圆锥破碎机的结构及机理，重点对轴套的润滑及磨耗机理进行力学解析，从轴承的承受能力分析动锥摆动幅度的局限性，并针对轴套磨损状态提出相应的改进措施     

大型矿山粗碎站设备改造探讨

通过对比机械式和液压式旋回破碎机、国内和国外旋回破碎机优缺点,确定选用MK-Ⅱ42-65旋回破碎机作为粗碎设备。比较新旧破碎机差异,采取"上补下垫"等有效措施解决了设备的安装检修问题。采取改造皮带给矿机、增加重型液压平板闸阀方案,节约粗碎改造时间,保障新、老两系统稳定生产。通过对某大型矿山粗碎站设备改造若干问题的探讨,为类似矿山粗碎站改造工程提供经验,具有一定借鉴意义。     

深凹露天矿山岩质高陡边坡稳定性预测

结合大冶铁矿东露天高陡边坡,运用线性和非线性方法研究了岩质高陡边坡的稳定性预测模型。首先采用岩质边坡稳定性分析复合指标对边坡岩体质量进行分级;在此基础上,分别运用多元线性回归和BP神经网络方法研究边坡稳定性预测模型,并将其结果与极限平衡分析方法进行对比。结果表明,边坡稳定性与其影响因素之间存在着复杂的非线性关系,应用BP神经网络方法预测露天矿山高陡岩质边坡稳定性是有效的、可行的。     

国内外大型液压旋回破碎机的发展现状

以Metso公司的SUPERIOR60-110E型、FLSmidth公司的TS型和UD型、Sandvik公司的CG系列、ThyssenKrupp公司的KB系列和BK系列旋回破碎机为各公司的代表机型,分别介绍了4家国外著名破碎机制造公司当今各自最先进的大型液压旋回破碎机的技术特点;同时对我国北方重工和中信重工的大型液压旋回破碎机的技术特点也进行了介绍;针对国内设备厂家在该领域的不足,对我国大型液压旋回破碎机的重点发展方向提出了建议。     

基于SSA-BP的露天矿山边坡位移变形预测

针对传统的BP神经网络在预测露天矿山边坡位移变形时存在的局限性,构造了一种基于麻雀搜索算法（SSA）和BP神经网络相结合的边坡位移变形预测模型,先利用麻雀搜索算法对传统的BP神经网络进行权值与阈值的优化,再将麻雀搜索算法优化后的BP神经网络算法（SSA-BP）运用于露天矿山边坡位移的预测。为了验证算法的可行性,将SSA-BP预测模型与WOA-BP、BP以及Elman预测模型针对露天矿山边坡位移变形量的预测结果进行比较。实验结果表明：SSA-BP预测模型针对露天矿山边坡位移变形量的预测相比其他三种模型,其迭代速度块,寻优能力强;通过预测精度评价指标来看,SSA-BP算法的R^2、RMSE、MAPE、MAE、MSE明显优于另外三组算法。为露天矿山边坡位移变形预测提供了一种新的思路和方法。     

固定式液压破碎机的开发研制及其应用

在露天采矿中,大多采用爆破法将矿石从岩体上爆落后,由运输车辆运至破碎厂,经过固定格筛后进行初碎。由于爆破等原因,产生的大块矿石有时卡在格筛处不能落下使破碎流程中断。在地下开采中,矿石爆破后同样会产生大块,大块有时卡在溜井口不能落下,有时卡在溜筛处及各种格筛处,严重影响正常生产。固定式液压破碎机,就是为了解决大块卡格筛、卡溜井口而研制的用在露天矿,也可用在地下矿的新型高效二次破碎设备。     

小波包-BP神经网络在采煤机滚动轴承故障诊断中的应用

针对采煤机在正常工作中经常发生轴承故障的问题,提出了小波包和BP神经网络相结合的故障诊断系统。即运用小波包的分解方法提取检测信号的故障信息作为BP神经网络的输入样本,经过训练的神经网络可对采煤机上轴承的工作状态进行诊断和分类。试验结果表明,此方法对轴承的常见故障可进行有效的识别和诊断,方法简单可靠。     

露天矿边坡监测中的小波滤噪与BPANN预测

针对边坡变形量预测难的问题, 将小波分析与BP神经网络预测相结合, 采用小波变换对边坡变形监测数据进行信噪分离, 进而消除观测误差, 通过BP神经网络预测模型BPANN对处理后数据进行再处理, 对边坡变形量以及变形趋势进行预测。进而提出了一种基于小波变换和BPANN模型对露天矿边坡变形监测数据进行处理分析的方法, 并在鞍山某露天矿进行了实际应用。实例结果表明: 利用小波去噪与BPANN模型预测的监测点精度达到3 mm, 满足二等变形监测的要求, 数据处理简便, 在露天矿边坡变形监测数据的消噪与预测中具有实际应用价值。     

基于低频涡流检测的露天矿破碎机运动铁磁物体监测研究

在露天煤矿生产作业过程中,采掘及运输时脱落的电铲配件、铁板等较大铁磁物体随煤块进入破碎机,将导致破碎机卡死、破碎齿损坏、电机烧毁等严重生产事故.本文基于低频涡流检测原理可检测出铁磁性物体的特点,开展了露天矿二级破碎站运动铁磁物体监测研究;以SANDVIK的CR610/14—35双齿辊式筛分式破碎机为实验对象,依据电磁互...