基于EMD和SVM煤矿通风机轴承故障诊断的研究

摘要

国家“十三五”规划中强调煤矿应保证安全高效的生产，国家安全监管总局要求煤矿瓦斯治理和通风管理要严格执行并落到实处。煤矿通风机是矿井通风系统中的关键设备，承担着井下安全生产保证井下人员安全的重任。因此，关于煤矿通风机状态检测与故障诊断的研究具有重大意义。 论文以煤矿通风机轴承为研究对象，概述了目前振动信号的分析方法和故障诊断的手段及其应用的发展现状。针对煤矿通风机轴承的结构特点，分析了轴承的失效形式、故障机理和类型等内容。 论文介绍和分析了经验模态分解方法（EMD），通过分析，EMD 在处理非平稳信号优于传统时频分析方法（比如：傅里叶变换、Wigner-Ville 分布和小波变换）。但EMD方法也存在端点效应、模态混叠等不足，本文针对EMD存在的端点效应和模态混叠分别进行改善，并引入基于终止频率改进的EEMD 方法，该方法在模态混叠的处理、虚假分量的控制、运行速度方面都优于传统 EEMD方法。本文使用改进的EEMD 方法分析处理滚动轴承不同状态下的信号，提取能量熵作为故障特征；为使故障特征数据更加精简有效，本文使用主成分分析法（PCA）对特征进行二次处理。 最后，采用支持向量机（SVM）对轴承状态进行故障诊断。针对SVM参数难以确定的问题，采用粒子群算法（PSO）对SVM的参数进行优化。此外，针对PSO所存在的问题，采用多方法融合的手段改进PSO。通过对轴承数据的实例分析，结果表明，本文所设计使用的故障诊断模型具有良好的性能。

目录

第一个书签之前