| 摘 要： | 在所有的煤矿机电设备中,尤以"四大件"(矿井通风机、井下排水泵、提升机和压风机)为最。它们安全稳定的运行是保证煤矿安全的根本。而矿井通风机是煤矿开采过程中必需的辅助设备,它能否正常运行直接关系到煤矿的人财安全与经济效益,因此对风机进行故障诊断研究变得尤为重要。本课题选取矿井通风机的振动信号作为监测和故障诊断分析研究的对象,运用AIC9900设备故障分析诊断仪采集风机振动信号。当风机发生转子不平衡、转子不对中、转子系统磨损和轴承磨损等常见故障时,在采集到的振动信号中必然发生畸变信号,此时如何对应判别轴承故障形式与畸变信号形式便成为首要问题。文章采用的小波变换是一种信号的时间一尺度(时间一频率)分析方法,它可以克服短时傅里叶变换在分辨率上存在的缺陷,具有多分辨分析的特点,而且它能够同时在时域和频域表征畸变信号的局部化特征。时间序列预测就是用已有的数据预测下一个时间的数据,结合时间序列预测的特点,将Matlab神经网络工具箱中的时间序列预测方法应用到预测实例中,从而实现畸变信号的预测曲线。文章在时间序列分析方法基础上综合应用小波包特征提取技术对震动畸变信号的时频信号进行特征提取,并用MATLAB模拟出水泵的各故障状态下产生的畸变信号形式,最终提出一套完整的故障信号与故障类型相对应的诊断系统。
|
