小波支持向量机在矿井通风机故障预测中的应用

摘要

矿井通风机在煤矿生产过程中具有非常重要的作用，既能保障煤矿生产的安全运行，又可以有效减少煤矿瓦斯事故的发生，一旦通风机出现故障，就可能会造成严重的经济损失甚至危害人员生命安全。因此矿井通风机的故障预测对于提高安全生产和确保人员安全具有重要意义。
　　故障预测的难点在于特征量的提取。故障的信息往往包含于突变信号的某高频带内，传统的傅里叶变换对于突变信号和非平稳信号的处理存在缺陷，而小波分析在时域和频域都有良好的效果。所以本文首先采用小波分析代替傅里叶信号分析，通过小波的伸缩平移，可以将信号进行多尺度的分解，得到信号在不同频带的小波分解系数，运用阈值法去除噪声干扰部分，将小波进行重构得到各频带信号，再根据小波系数平方法计算出高频小波分解系数得到信号能量，把信号能量作为故障的特征向量。然后，将特征向量通过规范化处理后输入支持向量机中，通过FPE准则来评价支持向量机模型的合理嵌入维数，同时引入拉格朗日因子，把核函数导入非线性问题中取代复杂的内积运算，从而推导出合理的回归函数，利用回归函数对输入的样本进行训练，逐步递推得到支持向量回归机的预测模型，根据设定的学习参数，当训练误差满足要求时，完成整个学习过程，可以进行故障预测。最后，使用LabVIEW上位机软件对支持向量机预测模型进行实现，通过搭建数据存储、小波去噪和支持向量机学习预测模块，完成基本程序模块的构建，并通过LabVIEW软件与MATLAB的无缝连接，在LabVIEW中插入MATLAB节点实现软件功能的切换。充分发挥LabVIEW软件的可视化和强大的交互性能力，同时本文借助Holospectra分析方法，对通风机故障进行分析描述，结合采集振动数据、进行相关实验仿真。
　　本文对通风机故障预测提出了相应的理论分析和论述，对提高矿井通风机的安全运行和设备维护有着一定的理论意义，同时适用于其它大型旋转类机械设备，对其故障预测有着一定的应用价值。

目录

声明

摘要

1 绪论

1．1 引言

1．2 选题背景

1．3 故障预测的研究意义

1．4 故障预测的研究现状

1．5 矿井通风机故障预测的发展

1．6 本文主要内容与结构

2 通风机故障机理分析

2．1 通风机典型故障模式

2．1．1 风机失衡故障模式

2．1．2 风机不对中故障模式

2．1．3 风机动静部件磨损故障模式

2．1．4 风机油膜振动故障模式

2．1．5 风机喘振故障模式

2．2 通风机故障预测系统

2．3 振动测量传感器

2．4 常用通风机故障预测理论

2．5 本章小结

3 小波分析理论及其在故障预测中的应用

3．1 小波分析基本概论

3．1．1 小波理论基础

3．1．2 小波定义

3．1．3 连续小波变换

3．1．4 离散小波变换

3．2 小波多分辨率分析及小波包分析

3．2．1 多分辨率分析

3．2．2 小波包分析

3．3 小波分析的故障特征提取

3．3．1 小波分析处理过程

3．3．2 小波分析的故障特征提取

3．4 本章小结

4 SVM理论在故障预测中的应用

4．1 支持向量机理论

4．1．1 支持向量机最优分类面

4．1．2 支持向量机核函数

4．1．3 支持向量机及其分类流程

4．2 支持向量回归机理论

4．3 基于支持向量机的故障预测

4．3．1 样本小波分析

4．3．2 支持向量机回归预测

4．3．3 支持向量机预测结果分析

4．4 本章小结

5 基于LabVIEW软件平台操作

5．1 虚拟仪器

5．1．1 虚拟仪器简介

5．1．2 LabVIEW软件操作

5．2 基于LabVIEW的风机故障预测

5．2．1 数据采集存储模块

5．2．2 小波降噪模块

5．2．3 支持向量机故障预测模块

5．3 本章小结

6 全文总结与展望

6．1 总结

6．2 展望

参考文献

致谢

作者简介及读研期间主要科研成果