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