基于BP神经网络煤矿通风机监测信息融合方法研究

摘要

煤矿通风机是煤矿主要安全设备之一,通风机安全有效的运行是煤矿效益以及井下作业工人安全的保障。本论文结合煤矿通风机的特点,对通风机多种参数进行实时监测,对常见的转子不平衡、轴系不对中、旋转失速以及油膜振荡等多种机械故障进行自诊断,设计通风机的实时监测与故障诊断系统。
　　本文对通风机的常见故障机理做了简要的分析,选取通风机的振动信号、轴承油温、风机转速、风机出口压力以及风机流量等作为本系统的监测参数。通过对多传感器信息融合技术的研究,采用基于多传感器信息融合的煤矿通风机监测与诊断系统,并采用特征层和决策层分层融合的方案进行数据融合。采用改进后的BP神经网络作为特征层的融合算法,采用D-S融合规则作为决策层的融合算法。
　　本文设计两个4-9-5结构的BP网络作为特征层的融合算法,选取通风机的前后轴瓦作为振动信号的采集点,提取两个振动信号的均方根值RMS1和RMS2以及功率谱密度函数的积分值GLP1和GLP2作为第一个BP网络的输入,得到一个对风机运行状态的评估;再将风机的轴承油温、风机转速、风机出口压力以及风机流量作为第二个BP网络的输入,得到另一个对风机运行状态的评估。由仿真结果可以看出,改进后的BP网络性能大大提升了。从这两个BP网络的输出都能够大致判断出风机的运行状态,但是误差较大,效果不如预期。将这两个BP网络的输出作为D-S证据理论的两个证据体进行融合,通过D-S融合规则将这两个证据体融合为一个证据体,实验结果表明,两个证据体融合后对风机运行状态的评估要比单独证据体对风机运行状态的评估更接近实际情况。

目录

封面

中文摘要

英文摘要

目录

第一章 绪论

1.1 研究的目的和意义

1.2 应用与研究现状

1.3 煤矿通风机存在的问题与需求

1.4 论文的主要研究内容与结构安排

第二章 通风机运行状态监测与故障诊断

2.1煤矿通风机监测的意义与作用

2.2 通风机监测

2.3通风机故障诊断

2.4 本章小结

第三章 多传感器信息融合模型的建立

3.1 多传感器信息融合的哲学意义

3.2 多传感器信息融合的基本内容

3.3多传感器信息融合模型的建立

3.4 本章小结

第四章 基于BP神经网络的特征层融合

4.1 引言

4.2 神经网络基本理论

4.3特征层融合方法-BP神经网络的研究

4.4通风机监测系统特征层神经网络融合

4.5 本章小结

第五章 决策层融合方法—D-S证据理论的研究

5.1 引言

5.2 D-S证据理论的基本概念

5.3 基于D-S合成规则的决策层融合

5.4 数值实验

5.5 本章小结

第六章 总结与展望

6.1 总结

6.2 展望

参考文献

致谢

个人简历

攻读硕士学位期间发表论文

声明