电牵引采煤机状态检测与故障诊断的研究

摘要

电牵引采煤机是一大型、综合化设备，是煤炭开采的主要设备之一。由于采煤机工作环境比较恶劣，其自身性能下降较快，故障发生概率较高，故此对采煤机的性能要求也越来严格，特别是对采煤机的可靠性要求相对较高。为了减少事故伤亡率，减少经济损失，对采煤机故障状态进行实时检测成为了目前的研究热点。　　本文以电牵引采煤机状态检测与故障诊断研究为目的，在分析以往研究的基础上采用了基于小波分析和神经网络专家系统相融合的处理方法。以采煤机振动故障处理为主要研究对象，针对故障信号处理和判断做出了可靠性研究。　　本论文主要研究成果:　　针对故障信号的去噪处理要求，提出了采用小波分析作为数据处理的理论依据，说明了小波分析在采煤机故障信号处理中的优势。针对数据的处理，给出了小波变换的方法。利用多尺度对信号的分解和重构滤除了白噪声对故障信号的影响。针对采煤机故障诊断的理论研究，总结出了一套适合本研究的理论方案以及算法。　　构建出了合适的神经网络专家系统结构，给出了BP网络中输入输出节点的个数以及隐含层的数目，通过比较分析和试验算出了隐含层节点的个数。介绍了神经网络专家系统离线以及在线模式下的故障信息处理方法。　　通过MATLAB仿真平台验证了此方法的可行性，并根据专家经验数据验证了神经网络专家系统的作为预测故障发生的理论是可靠的。

目录

声明

致谢

摘要

1 绪论

1．1 研究目的及意义

1．2 国内外现状及发展趋势

1．2．1 电牵引采煤机现状

1．2．2 电牵引采煤机故障诊断的研究现状

1．3 本论文的各章节内容

2 电牵引采煤机故障及其诊断理论研究

2．1 电牵引采煤机结构及其工作原理

2．1．1 电牵引采煤机结构

2．1．2 采煤机的工作原理

2．2 电牵引采煤机常见的故障及分析

2．2．1 电牵引采煤机电气系统常见故障

2．2．2 电牵引采煤机其他部分常见故障

2．2．3 采煤机机械故障的诊断方法

2．3 电牵引采煤机常见的故障诊断方法及分析

2．3．1 基于信号处理的方法

2．3．2 基于知识的故障诊断方法

2．4 本章小结

3 基于小波分析的采煤机故障信息提取的研究

3．1 小波变换原理

3．2 多分辨率分析

3．3 基于多分辨率分析的采煤机故障信号的提取

3．3．1 小波函数的选择

3．3．2 采煤机故障信号的分解

3．3．3 采煤机故障信号的重构

3．4 本章小结

4 神经网络专家系统在采煤机故障诊断中的应用

4．1 神经网络模型的选取

4．2 BP网络结构及其学习算法

4．3 采煤机故障诊断系统性能参数的选取

4．3．1 用于故障诊断的BP神经网络的网络层数的选择

4．3．2 输入层和输出层的节点个数的选择

4．3．3 网络中阶跃函数的选择

4．3．4 BP网络的网络输入

4．3．5 初始权值、阈值的选取

4．3．6 误差精度的选取

4．3．7 隐含层节点个数的选择

4．3．8 学习算法的选择

4．4 采煤机神经网络专家系统的建立

4．5 基于神经网络专家系统的故障分类预测

4．5．1 专家系统故障数据库的建立

4．5．2 故障状态分类器的设计

4．6 本章小结

5 系统仿真与结果

5．1 故障信号在利用多分辨率情况下的仿真

5．2 神经网络专家系统的诊断结果描述

5．3 本章小结

6 总结与展望

6．1 本文总结

6．2 本文创新点

6．3 课题展望

参考文献

作者简历

学位论文数据集