矿井提升机健康状态评估与预测系统研究

摘要

针对目前对矿并提升机整个系统进行健康状态评估与预测的相关研究相对较少的问题,建立了矿并提升机健康状态评估指标体系和评语集,设计了矿并提升机健康状态评估与预测系统。针对矿井提升机各组成系统的监测数据无法充分利用、健康状态评估结果不能满足实际生产需求的问题,提出了一种提升机健康状态模糊综合评估方法:引入相对劣化度表征提升机不同类型指标的健康度,并利用健康度对矿井提升机的健康状态进行量化;采用模糊综合评估法计算矿井提升机的健康状态,使用指数标度代替1—9标度对层次分析法(AHP)进行改进,以降低计算复杂度;采用CRITIC客观赋权法,结合主客观权重计算各子系统和指标的综合权重;根据模糊综合评估计算过程和最大隶属原则,得到矿井提升机的健康状态评估结果和故障原因。在提升机健康状态评估结果基础上,利用哈里斯鹰优化(HHO)算法优化支持向量回归(SVR)模型的重要参数,构建HHO-SVR模型对矿井提升机的健康状态进行预测,提高健康预测结果的准确性。实验结果表明:模糊综合评估方法能够准确实现提升机健康状态评估;与粒子群优化支持向量回归(PSO-SVR)、遗传算法优化支持向量回归(GA-SVR)、灰狼算法优化支持向量回归(GWO-SVR)模型相比,HHO-SVR模型的预测结果更接近实际值,具有更好的预测效果。