基于LabVIEW的小波支持向量机在煤矿通风机故障预测中的应用

摘要

煤矿安全是煤矿开采时要面对的一个重要问题，其中瓦斯突出又是煤矿安全所面临的头号问题。矿用通风系统能有效地预防瓦斯突出的险情，因此，对于矿用通风机故障的预测，对排除瓦斯突出险情和煤矿安全来说有着十分重要的意义。同时，对于维持正常的煤矿开采秩序，减少过剩维修，大幅降低维修费用来说都有着重要的实用价值。本文主要以对矿用通风机的故障预测为目的，开发一个基于LabVIEW软件平台显示，实现对矿用通风机故障的在线预测。
　　鉴于煤矿风机的重要作用，已有的在线监测和故障诊断技术已经不能满足实际需要，本文采用了小波和支持向量机相结合的方法来实现风机的早期故障预测。因为通风机在发生故障时会伴随着大量的时变和突发信号，而小波变换具有处理非平稳信号的能力。本文通过小波分解处理振动信号，将风机的振动时间序列信号按照尺度分解，并采用支持向量机的方法进行预测。同时结合虚拟器技术将预测的结果显示在LabVIEW软件平台，通过与AR模型的对比来证明小波支持向量机预测方法的优越性。对于以后风机故障预测应用于实践有一定的理论意义。
　　本课题的研究不仅为分析和预报风机的故障提供了切实可靠的预测方法，同时对提高风机设备的监测功能和故障诊断理论的丰富和发展有着重要的理论意义和作用。再加上大型旋转类机械设备的相通性，本文采用的预测方法同样适用于其它设备的故障预测中，对于提高其它设备故障预测的准确率有很大的应用价值。

目录

声明

摘要

1 绪论

1．1 引言

1．2 选题背景

1．3 煤矿通风机故障预测研究现状

1．4 煤矿通风机故障预测系统的研究意义

1．5 煤矿通风机故障预测系统的发展

1．5．1 煤矿通风机故障预测系统的发展趋势

1．5．2 煤矿通风机故障预测系统的方法

1．6 本文的主要内容和结构

2 煤矿通风机故障预测整体规划及故障机理分析

2．1 通风机故障预测系统结构

2．2 煤矿通风机常见故障类型及机理分析

2．2．1 通风机故障类型及特征频率分析

2．2．2 风机的噪声分析

2．2．3 故障分析理论与方法

2．3 虚拟器技术

2．3．1 虚拟器的概念

2．3．2 虚拟器技术的简介

2．3．3 虚拟仪器在数据采集中的应用

2．3．4 虚拟仪器的发展方向

2．3．5 LabVIEW软件介绍及功能

2．4 本章小结

3 样本数据的采集

3．1 振动传感器的选择

3．2 数据采集设备

3．2．1 数据采集系统的基本功能

3．2．2 数据采集系统的结构

3．3 计算机

3．4 本章小结

4 小波分析理论及其在风机故障预测中的应用

4．1 小波分析概论

4．2 傅里叶变换

4．3 窗口傅里叶变换

4．4 小波变换

4．4．1 小波变换的定义

4．4．2 离散小波变换

4．5 多分辨分析

4．6 小波包的分解与重构

4．6．1 Mallat合成与分解算法

4．6．2 小波包分析

4．7 小波分析在风机故障预测中的应用

4．7．1 特征值的提取

4．7．2 小波分析用于信号消噪

4．8 本章小结

5 统计学习理论与基于支持向量机的风机故障预测

5．1 统计学习理论

5．2 分类问题

5．2．1 支持向量和最优分类面

5．2．2 非线性支持向量机

5．2．3 支持向量回归机

5．3 支持向量机的研究现状以及应用

5．4 自回归模型

5．4．1 时间序列

5．4．2 模型概述

5．4．3 AR(p)模型预测

5．5 基于支持向量机的煤矿通风机故障预测

5．6 风机振动时间序列预测实验

5．7 本章小结

6 基于LabVIEW软件平台的实现

6．1 进入程序

6．2 主程序设计

6．2．1 数据采集卡驱动模块

6．2．2 数据的存储模块

6．2．3 小波消噪功能模块

6．2．4 特征向量值的提取模块

6．2．5 SVM故障预测结果显示模块

6．3 本章小结

7 全文总结与展望

7．1 全文总结

7．2 展望

参考文献

致谢

作者简介及读研期间主要科研成果