基于声发射原理的矿井掘进机故障诊断技术研究

针对在我国各大矿区广泛应用的EBZ160悬臂式掘进机,基于声发射原理及技术,设计一套掘进机故障诊断声发射检测系统,获得各种故障的声发射数据样本,同时借助小波神经网络的迭代收敛性质,对故障数据样本的精确度进行验证,正确率较高,能够较好地应用于井下掘进机的故障诊断.     

基于深度信念网络的列车故障音频诊断方法

铁路在交通运输行业有着举足轻重的地位，一旦列车发生故障将会导致严重的生命财产损失。由于列车发生故障的概率相对较低，因此难以捕获列车的故障样本。针对上述问题，提出了一种无监督学习的列车故障识别方法，通过检测列车音频信号来识别列车故障。该方法基于深度信念网络(DBN)，利用小波包分解提取检测信号的特征向量并将其作为DBN的输入，待网络充分训练后，由训练好的DBN识别当前列车的运行状况。现场监测实验结果表明，该方法能够在无监督的条件下有效识别列车故障，保障了列车的运行安全。     

基于小波降噪和循环神经网络的煤矿瓦斯浓度预测

在瓦斯浓度监测数据分析中发现,瓦斯浓度序列往往呈现出较强的随机性和复杂性,时序数据中含有的噪声会对数据的预测结果产生干扰。为了减少数据中的噪声所带来的负面效果,提出了一种将小波阈值降噪与LSTM(长短期记忆网络)相结合的瓦斯浓度预测模型。通过将原始数据进行分解、阈值处理和重构,对时序数据中的噪声进行剥离,再通过LSTM模型进行预测分析,与普通LSTM和RNN网络进行比较,结果表明,所提出的基于小波降噪的LSTM的瓦斯浓度预测模型在精确度和泛化能力上都具有更好的表现。     

半封闭变频螺杆制冷压缩机降噪方法及试验

变频螺杆制冷压缩机因其部分负荷节能特性已成为一种螺杆制冷压缩机的发展趋势,宽频的脉动噪声是限制其市场应用与竞争力的关键因素。基于变频螺杆制冷压缩机结构特点与噪声原理,提出排气端面脉动衰减装置和排气管路消声器两种降噪设计方法,并通过试验研究分别验证了各降噪方法的有效性。研究结果表明,排气端面衰减装置对压缩机不同位置的噪声都有衰减作用;排气管路消声器只对排气侧噪声有显著削弱;同时采用两种降噪方法后,压缩机不同转速下平均降噪效果能达到5.0～10.0dBA,压缩机运行噪声不高于85.5dBA,且压缩机平均降噪效果随转速增加而增强。基于上述研究结果,排气端面脉动衰减装置和排气管路消声器两种降噪方法都能降低排气侧基频和倍频噪声,进而促进变频螺杆制冷压缩机的技术发展。