基于网络分析的矿井通风系统故障源诊断技术研究

摘要

利用当前的矿井通风安全监测监控系统,只能反映安设风速传感器的井巷风量发生了变化,至于变化是由该条巷道故障引起的,还是由于拓扑关系原因引起的,故障源是一点还是多点,即为通风系统故障源诊断问题。通风系统的故障从整个网络角度考虑,都可以归结为分支的风阻发生了变化。如果分析每一条分支风阻变化对通风系统的影响,即每一条分支都安设风速传感器是不可能的。因此井下风速传感器的布置最小数量及位置问题也是故障源诊断技术研究的重点。国内外关于故障诊断的问题研究较多,但大多数属于检测领域的设备故障诊断,对矿井通风系统的故障诊断研究较少。基于国家自然基金资助项目(60772159)《基于仿真技术的矿井通风系统智能诊断系统研究》,开展了本文的研究工作。在风速传感器的布置问题上,提出了人为指定优先级、灵敏度排序和角联结构的风速传感器布置方法。通过试验数据建立了风速传感器的测量值与平均风速之间的一元线性回归方程。提出了三种方法构建反映分支风量变化与相关分支风阻之间关系的通风网络故障巷道范围库,用以确定可能引起风速超限巷道的故障巷道范围,并对三种方法进行了比较分析。提出了一种宏观上风速传感器的布置方法——最少全覆盖布点法,又给出了分支覆盖度和影响巷道范围库的概念。对矿井通风系统的故障通过建立故障树的方法进行了分析,并归类处理。并对故障巷道范围库缩小的故障巷道范围进行了最终的故障源推理分析。对铁法大明矿进行了工业试验,验证了故障诊断技术及方法的可行性,并做了风速传感器布置方案,对矿井通风系统具有重要的指导意义。

目录

致谢

摘要

Abstract

1 绪论

1.1 论文研究意义

1.2 国内外研究现状

1.3 矿井通风故障源诊断待解决的问题

1.4 论文研究的主要内容及总体研究框架

2 矿井通风系统传感器布置研究

2.1 传感器布置的人为指定优先级

2.2 基于一元线性回归的风速传感器测量值推导巷道平均风速

2.2.1 一元线性回归法分析传感器风速值和平均风速之间的关系

2.2.2 回归结果分析

2.2.3 模拟不同断面下巷道风速流场分布

2.3 本章小结

3 基于网络分支灵敏度和角联结构的风速传感器布置研究

3.1 基于灵敏度的风速传感器布置研究

3.1.1 分支灵敏度数学模型

3.1.2 灵敏度算法

3.1.3 灵敏度计算及结果分析

3.1.4 根据分支灵敏度性质确定风速传感器布置位置

3.2 基于角联结构的风速传感器布置研究

3.2.1 故障源诊断模块中角联结构的确定法

3.2.2 故障源诊断中的角联结构研究

3.3 本章小结

4 矿井通风网络故障巷道范围库的建立

4.1 逐步线性回归分析法

4.1.1 逐步线性回归分析法

4.1.2 回归方程的建立

4.2 神经网络法

4.2.1 RBF 神经网络

4.2.2 神经网络故障巷道范围库的建立

4.3 风阻-风流变化影响关系矩阵法

4.3.1 风阻-风流变化影响关系矩阵法

4.3.2 风阻-风流变化影响关系矩阵的建立

4.4 基于最少全覆盖布点法的传感器布置研究

4.5 本章小结

5 矿井通风系统故障源推理分析

5.1 基于故障树分析法的矿井通风系统故障分析

5.1.1 通风系统的特点

5.1.2 基于故障树分析法的矿井通风系统故障分析

5.2 故障源推理分析

5.2.1 故障源推理分析

5.2.2 故障原因推理分析

5.3 运输和提升风速计算模型

5.3.1 运输系统风速计算模型

5.3.2 提升系统风速计算模型

5.4 本章小结

6 现场工业试验

6.1 通风系统概况

6.2 监控系统现状

6.3 矿井参数采集与计算

6.4 大明矿风速传感器的布置

6.5 试验方案及结果分析

6.6 本章小结

7 结论与展望

7.1 结论

7.2 展望

附录 A 西风井(313 分支)风阻变化网络解算数据表

附录 B -120 材料副井(132 分支)风阻变化网络解算数据表

附录 C -410 上部入风道(166 分支)风阻变化网络解算数据表

附录 D 总回风道(18 分支)风阻变化网络解算数据表

附录 E 刨煤工作面(90 分支)风阻变化网络解算数据表

附录 F 分支属性数据表

附录 G 大明矿故障巷道范围库

参考文献

作者简历

附件