目前我国在煤矿通风机故障诊断系统方面的发展还相对比较落后,很多矿井通风 机大都带病运作,这严重威胁了矿工的生命财产安全。因此为了确保煤矿行业能够持 续的安全生产,被誉为“矿井肺脏”的煤矿通风机的正常运行就起着至关重要的作用。 煤矿通风机承担着向矿井下输送新鲜空气,排除有害、有毒气体的作用,因此,煤矿 行业能够安全生产的根本保障就是通风机能够可靠的运行。但是,目前我国在煤矿通 风机故障诊断领域的研究还不成熟,如果不能对通风机的故障进行及时有效的故障诊 断,就极易造成事故。所以对矿井通风机故障诊断的研究具有重要的意义,尤其是以 下三个方面:
1)实施故障诊断不仅可以节省维修的费用,还可以减少高事故的发生。
2)实施故障诊断可以延长通风机检修的周期,使其能够朝着智能化、科学化的方 向发展。
3)实施故障诊断能及时、有效的避免重大事故所造成的经济损失和人员伤亡。
1。2 煤矿通风机故障诊断系统的发展趋势
1。3 国内外相关问题现状
1。4 论文主要研究内容
本文对煤矿通风机振动信号进行研究,采用小波分析和神经网络相结合的方法, 推导出小波神经网络的训练算法以及算法的改进方案,构建了小波神经网络通风机振 动信号的故障与诊断模型,并进行训练,实现对煤矿通风机的故障诊断,本文主要内 容围绕以下几个方面展开:文献综述
第一章主要对论文选题的背景和意义进行简单的介绍,然后对通风机故障诊断系 统的发展趋势和国内外研究的现状等问题进行概述。
第二章简要规划煤矿通风机故障诊断系统的硬件结构以及系统模型,并对振动信 号的故障特性进行简要分析,为MATLAB的算法仿真提供硬件基础。
第三章重点研究了神经网络和小波分析理论,在传统神经网络的基础上,引入了 小波函数,为构建通风机振动信号的故障预测与诊断模型奠定理论基础。
第四章通过对小波神经网络算法进行推导,给出了算法的改进方案,构建了通风 机振动信号故障预测与诊断的模型。通过故障诊断,得出达到期望的目标误差所需要 的训练次数以及误差曲线图,通过故障预测,能有效的证明小波神经网络在故障诊断 过程中的可行性和有效性,能有效地验证该模型在故障诊断过程中的可行性和有效 性。
2 煤矿通风机故障诊断系统的总体规划
2。1 通风机故障诊断系统的结构
本文把煤矿通风机作为系统监测的对象,通过传感器将采集到的信号转化为其它 形式的信号,通过信号调理电路来实现对信号的变换和放大作用,并用数据采集卡对 采集到的信号进行A/D和D/A转换,最后利用小波神经网络处理和分析振动信号故障诊 断收集到的数据,系统通过传感器把采集过来的信号送入到通风机的故障诊断系统中 进行深入的分析和处理,达到对通风机实时监测的目的,故障诊断系统框图如图2-1 所示。来*自~优|尔^论:文+网www.youerw.com +QQ752018766*
通风机故障诊断系统框图
研究故障诊断主要是以傅立叶变换的频谱分析为基础,通过研究它的频率分量, 确定通风机的故障类型。这种方法会造成诊断过程中振动信号的受损,而且分辨率是 恒定的,缺乏一定的柔韧性,不适用于非平稳信号的提取。因此对通风机故障类型进 行诊断一般利用小波神经网络的方法,由于小波变换具有自适应,主要在低频部分表 现出高的频率分辨率和低的时间分辨率的特性,高频部分则恰恰相反。同时输入层到 隐层的权值和阈值可以由小波函数中的尺度因子的和平移因子代替,从而使小波分析 可以作为解决信号处理问题的理想工具,所以本文采取一种紧致型的小波神经网络来 诊断通风机的故障类型,利用小波分析的方法对采集的信号进行故障特征值的提取, 将一部分数据作为样本数据进行训练,另一部分作为实际数据与待训练数据进行检 测 煤矿小波神经网络通风机振动信号的故障与诊断模型+matlab程序(2):http://www.youerw.com/zidonghua/lunwen_86377.html