基于时间序列和盲源分离的矿井风机故障诊断方法研究

摘要

矿井风机是煤矿生产中的关键设备，必须确保风机的正常运行，当风机故障发生时，将会对煤炭正常生产和工作人员带来损害。为实现煤矿的安全生产就必须要求通风机安全、可靠、高效地运行，然而矿井通风机长期处于不间断的工作中，现场工作状态又极其复杂和不可预测，为了保证风机在安全状态下运行，当故障发生时要做到及时发现和预防，并对故障信号进行分析和判断，本论文提出了一种基于时间序列和盲源分离的矿机风机故障诊断系统。
　　本课题重点研究了矿井防爆对旋轴流风机，介绍了矿井通风系统及通风机的类型、工作原理和特点，研究了风机各部分的结构和风机系统传感器的布局，系统地研究了风机的故障特征及故障诊断方法，为风机的在线监测和故障诊断提供了理论依据。
　　本文通过时间序列方法对风机信号进行提取及分析，获得风机几种时间序列变化趋势，结合MATLAB动态神经网络中的时间序列预测工具箱预测风机的未来运行趋势，提出了一种基于时间序列的矿井风机故障预测的方法。通过时间序列预处理方法及盲源分离算法的研究，提出一种基于时间序列和盲源分离相结合的矿井风机故障诊断的方法。本文通过仿真实验和基于时间序列预测——Fast ICA盲源分离算法提取风机轴承源信号的研究，有效地将基于时间序列预测和Fast ICA盲源分离算法用于风机轴承故障提取与诊断的过程中。
　　根据技术要求，在现有监测系统的基础上做了一些改进，利用组态王软件创建了监测界面，利用SQL Server数据库实现数据的存储，利用MATLAB强大的功能对数据进行处理和分析。通过软件的有效结合，实现数据的传输、存储、分析和反馈，建立了风机的完整的预测系统。
　　最后，在现场实践实习过程中，将AIC9900仪器应用于实际风机故障检测中，实现将理论与实际的有机结合。

目录

声明

摘要

目录

第1章 绪论

1．1 选题背景及研究意义

1．1．1 选题背景

1．1．2 故障诊断的意义

1．2 国内外研究现状及发展趋势

1．2．1 矿井通风系统方面的发展

1．2．2 状态监测与故障诊断的发展

1．2．3 时间序列数据挖掘(TSDM)方法的发展

1．2．4 盲源分离方面的发展

1．3 本课题主要内容及技术路线

1．3．1 主要内容

1．3．2 技术路线图

1．4 本章小结

第2章 矿井通风机系统故障诊断特点分析

2．1 引言

2．1．1 通风系统概述

2．1．2 通风机监测系统

2．1．3 通风机的分类及特点

2．1．4 传感器的选型及布局

2．2 故障诊断特点分析

2．2．1 通风机故障特点

2．2．2 通风机运行中的故障及原因分析

2．3 通风机故障诊断方法

2．3．1 基于信号处理的故障诊断

2．3．2 基于模型的故障诊断

2．3．3 基于人工智能的故障诊断

2．4 本章小结

第3章 基于时间序列的故障预测

3．1 引言

3．2 时间序列模型

3．2．1 常见模型

3．2．2 常见模型状态空间的建立

3．3 时间序列的信号处理

3．3．1 时间序列的变动趋势

3．4 时间序列预测

3．4．1 MATLAB动态神经网络

3．4．2 基于MATLAB动态神经网络的时间序列预测研究

3．5 报警系统

3．6 本章小结

第4章 基于盲源分离的故障诊断方法

4．1 引言

4．2 盲源分离的数学理论

4．2．1 盲源分离的模型

4．2．2 盲源分离的预处理方法

4．3 盲源分离算法

4．3．1 盲源分离的算法评价指标

4．3．2 基于Fast ICA的盲源分离算法

4．3．3 时间序列预测--Fast ICA算法提取风机轴承的故障特征

4．4 仿真研究

4．4．1 实验仿真

4．4．2 基于Fast ICA算法提取风机轴承信号的研究

4．5 本章小结

第5章 风机故障诊断

5．1 常见风机故障诊断

5．1．1 转子不平衡的诊断

5．1．2 转子的不对中的诊断

5．1．3 转子系统松动故障诊断

5．1．4 轴承故障诊断

5．2 轴流风机监测故障诊断报告

5．2．1 设备基本情况

5．2．2 实验设计

5．2．3 实验数据分析

5．2．4 诊断结果

5．3 本章小结

结论与展望

致谢

参考文献

作者简介

攻读硕士学位期间发表的论文和科研成果