煤矿机电设备故障诊断技术及专家系统构建

应用现代信息技术和人工智能建立设备故障诊断系统,逐步实现状态维修和预知维修,是煤矿企业保证安全生产、降低生产成本的重要途径之一。分析了煤矿机电设备故障诊断技术,对设备故障诊断专家系统的构建进行了探讨。     

煤矿通风机性能测试与故障诊断研究

介绍了煤矿通风机性能测试及其故障诊断技术,通过性能测试和故障诊断可以检测通风机运行的经济性能和运行状态。通过实例证明,为保证煤矿风机安全高效运行,必须对其进行性能测试和故障诊断分析。     

矿用风机故障诊断方法研究

为了保障煤矿通风安全,提高矿用风机故障诊断的准确性,采用时域统计分析方法对风机轴承振动数据进行分析,综合利用峰值因子、均方根值、峭度指标和裕度系数对煤矿风机轴承进行在线监测;利用小波包络的方法对风机轴承信号进行处理分析,设计并训练了收敛速度快、精度高的BP神经网络。结果表明,峭度指标和裕度系数对轴承的缺陷比较敏感,不受轴承型号、载荷、转速等条件的影响;小波包络的方法对于处理强噪声环境下的非平稳振动信号有良好的效果,能够准确地提取信号中的故障特征。运用小波包和神经网络相结合的方法能够高效诊断出风机故障类型,指导设备维护。     

煤矿风机小波神经网络故障诊断系统研究

针对煤矿风机振动信号非线性、非平稳特性,结合小波分析和神经网络技术,研究煤矿风机故障诊断方法。该方法运用小波包分解技术,提取风机信号各个频带的能量特征,构造特征向量作为BP神经网络的输入,并借助于LabVIEW平台实现风机故障诊断。通过对实验数据的分析表明,小波分析和神经网络相结合可以有效地识别风机故障。     

煤矿液压设备故障诊断的现状与发展趋势

随着我国煤矿液压设备技术水平的不断提高,以往利用工作人员的丰富经验和诊断仪器检查和分析故障的方式,已经转变成为利用信号处理和人工智能技术,以及控制技术进行故障诊断的方式。文章通过简单介绍和分析煤矿液压设备故障的特征及原理,根据目前使用的故障诊断技术及方式,对煤矿液压设备故障诊断的现状与发展趋势进行阐述。     

基于蓝光GIS的机电设备可视化监测与故障诊断系统应用

大型机电设备的正常运行,是煤矿安全生产的重要保障。本文主要研究煤矿大型机电设备可视化监测与故障诊断系统在煤矿机电设备管理中的应用。该系统基于蓝光GIS平台,结合设备监测技术和设备故障诊断技术等,实现通风机、提升机、压风机、胶带运输机、水泵等煤矿重大设备的GIS可视化管理、可视化监测与故障诊断等功能,从而实现及时、快速、准确的识别设备故障,并对故障进行监测分析,为潜在故障预演和制定维修策略等提供技术支持,为提高煤矿关键装备整体运行的安全性和可靠性奠定基础。     

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。     

基于频谱分析的风机早期故障诊断

大中型风机是许多企业的关键设备。对其早期故障进行监测和诊断能有效减少因突发故障而导致的停产。频谱分析能够有效识别信号中的主要频率成分，有助于准确判断风机中存在的故障类型。文中结合某钢铁厂风机的故障诊断过程。介绍了基于频谱分析的风机早期故障诊断方法。停机检查和维修结果验证了诊断方法的有效性。     

煤矿变压器故障诊断的研究

变压器正常运行是煤矿安全生产的重要保证,煤矿变压器一旦发生故障而没有及时处理,不仅影响煤矿井下正常作业,甚至造成人身伤亡事故,因此必须尽可能防止和减少变压器发生故障。本文详细分析了变压器常见的故障,介绍了目前常见的故障诊断方法,引入了人工智能故障诊断方法。     

基于粗糙集的矿井风机故障规则提取

为了提高矿井风机故障诊断的准确率,使用UCI数据库的机械故障分析数据集进行分析。根据矿井风机的特点确定通频垂直振幅、基频垂直振动速率、振动频率是检测矿井风机故障的关键检测参数。因此,提出了采用粗糙集进行矿井风机故障数据挖掘的方法,通过对数据集中数据选择、离散、决策表的构建及约简方法的介绍,以期提取出矿井风机故障诊断的规则,实现矿井风机故障诊断专家系统规则库的建立。