收藏本站
收藏 | 手机打开
二维码
手机客户端打开本文

基于复合网络拓扑结构的悬臂式掘进机故障诊断方法

尹同舟  
【摘要】:我国是目前世界上煤炭开采大国,长期以来,煤矿设备及人员的可持续性工作一直制约着煤炭开采业安全生产的发展,给国家和人民的生命财产带来了极为重要的影响。另外,智能化煤矿开采逐渐成为技术创新所主导新型煤矿开采方式,但是如果作为煤巷掘进过程中主要设备的掘进机在智能化发展中滞后,势必会引起掘进效率的低下,造成经济损失,影响煤矿正常的掘采效率及经济社会效益。因此,在煤巷掘进过程中保证掘进机快速、稳定、有效的开展掘进工作是保证煤矿安全生产的一项重要任务。目前,煤巷掘进机状态监测及故障诊断的方法主要是在线阈值判断,缺乏智能化整机故障诊断理论及方法。在线阈值是一种传统方法,用电机的电流超限报警及漏电保护等方式判断故障情况。液压部件故障诊断也是通过局部数据分析事后判断。此方法的不足之处在于:局部部件的故障发现往往是影响整机工作造成停机停产的条件下进行,属于事后维修,阈值判断的条件过于单一,故障链传播长,难以确定和定位具体故障点。整机系统故障诊断技术在复杂系统故障诊断中应用广泛,通过系统各个观测点的数据分析,来判断掘进机故障传播路径,智能推理预测故障可能发生发展趋势。与在线阈值判断相比,整机系统故障诊断适用于复杂系统的运行评价,有别于类似元器件诊断评价方法,具有经济、高效、预测范围大、分析推理灵活等优点。目前,掘进机状态监测与故障诊断技术的研究现状主要有:(1)开发以嵌入式硬件为平台的掘进机状态监测及故障诊断系统平台,多为数据显示及信息阈值判断平台;(2)利用模糊神经网络搭建掘进机故障诊断信息专家平台,理论分析缺乏更有效手段;(3)具体针对掘进机的液压、电气、机械等部件开展机构的故障诊断,注重细节,但缺乏整机系统的故障诊断推理。分析总结众多掘进机故障诊断现状之后,本文提出了基于PSO-BP、故障树、故障Petri网等复合网络拓扑结构的掘进机故障诊断技术。围绕掘进机整机系统状态监测和故障诊断展开研究,完成了基于多种网络结构的掘进机故障诊断模型,建立了基于PSO优化算法模型,分析掘进机故障传播机理及路径,并通过现场测试数据对理论模型的性能和分析结果进行了验证。本文主要研究成果和结论如下:(1)建立BP神经网络的掘进机故障诊断模型。本章通过对振动信号的分析,确定了表征掘进机截割部故障的特征值,并将已确定的特征值作为神经网络的输入向量。通过实验确定了神经网络的结构并经过测试确定了网络初始参数,建立了BP神经网络,测试了网络的性能,针对掘进机截割部不同工作状态,通过BP网络的数据分析,准确识别截割作业的不同正常或故障状态,并根据该网络存在的不足引入了PSO算法对BP神经网络进行了优化,建立了PSO-BP神经网络并测试了网络性能,最后通过BP网络与PSO-BP网络的比较展示出优化效果。(2)建立动态故障树的掘进机故障诊断模型在对掘进机整机的结构分析的基础之上,构建了掘进机常见的典型故障的故障树模型,通过对故障树的定性分析确定了故障树的最小割集,确定的导致掘进机发生故障的可能故障源的组合。并通过层次分析法获取了掘进机故障树底事件的相对概率值,完成的掘进机故障树的定量分析,定性求解出了各故障源在掘进机系统中的重要度。并依据该结果给出了掘进机故障的最优排查路线,为实现掘进机故障源的快速查找及系统设计的薄弱环节提供了依据(3)建立故障Petri网的掘进机故障诊断模型分析传统Petri网在故障诊断领域应用基础上,给出了故障诊断问题的不同建模分类及一种理论表达,并抽象出故障诊断领域的三大科学技术问题;在此基础上从故障Petri网定义、关联矩阵改进、状态方程、变迁状态标识表达等几个方面论述了基于故障Petri网的掘进机诊断推理方法理论定义及技术实现;最后验证并指出了智能诊断函数的表达形式及故障传播路径智能推理一致性表达。(4)多网络拓扑结构的掘进机故障诊断优化研究开展基于掘进机实测信号的PSO-BP网络优化研究,当目标精度为10~(-3)时,得到的BP神经网络的平均训练步数为100.2步,PSO-BP神经网络的平均训练步数为4步;当目标精度为10~(-5)时,得到的BP神经网络的平均训练步数为198.5步,PSO-BP网络的平均训练步数为7步。可知PSO-BP网络训练时可以更快地达到目标精度,训练速度远快于BP神经网络,并且精度提升时PSO-BP网络的训练步数增加量也远小于BP神经网络。故障树-Petri多种复合网络拓扑故障诊断模型的研究,完善掘进机故障诊断数学理论方法。


知网文化
【相似文献】
中国期刊全文数据库 前20条
1 贾嘉;故障诊断技术在生产中的应用[J];新疆石油学院学报;2000年03期
2 潘松海;介绍一种故障诊断方法[J];组合机床与自动化加工技术;2001年06期
3 朱大奇,于盛林;基于知识的故障诊断方法综述[J];安徽工业大学学报(自然科学版);2002年03期
4 苟永明;测试与故障诊断技术研讨会举行[J];冶金自动化;2004年04期
5 王春利;张卫华;吴重光;;故障诊断技术理论与发展趋势及其在石化领域的应用[J];石油化工自动化;2008年06期
6 臧大进;曹云峰;;故障诊断技术的研究现状及展望[J];矿山机械;2010年18期
7 赵国瑞;武丽;薛光辉;刘宓;杜毅博;吴淼;;综采工作面远程状态监测与故障诊断研究现状与发展趋势[J];煤炭工程;2011年02期
8 卢敏;;故障诊断技术及其在冶金设备中的应用[J];重型机械;1987年02期
9 王恩鸿;开展故障诊断工作的现状与建议[J];纺织机械;1994年04期
10 周东华,王桂增;第五讲 故障诊断技术综述[J];化工自动化及仪表;1998年01期
11 边宏杰,徐昕,李东晖,田光,陈兆强;生产过程检测点的故障诊断[J];氯碱工业;1999年03期
12 范国伟;故障诊断技术在化工生产中的应用[J];化工矿物与加工;2000年02期
13 王军,王学锋,张希梅;石化设备状态监测及故障诊断技术浅论[J];山东化工;2002年03期
14 邓晓刚;田学民;;生产过程故障诊断方法研究现状及展望[J];石油大学学报(自然科学版);2005年06期
15 李传坤;田文德;王树杰;;用于化工仿真与故障诊断的集成化平台[J];计算机与应用化学;2008年05期
16 魏晓宾;马小平;李亚朋;;故障诊断技术综述[J];煤矿机电;2009年01期
17 苏保河;故障诊断的平均标准值[J];煤矿机械;1996年04期
18 李剑锋;东滩矿提升机状态监测与故障诊断国内领先[J];有色设备;2000年05期
19 单锦辉;徐克俊;;软件故障诊断探讨[J];北京化工大学学报(自然科学版);2007年S1期
20 田得旺;王春燕;宋亚彬;代再春;;大型旋转机组的状态监测与故障诊断[J];石油化工自动化;2007年04期
中国重要会议论文全文数据库 前10条
1 杨其校;刘昭度;齐志权;马岳峰;;汽车ABS电机故障诊断[A];第三届全国信息获取与处理学术会议论文集[C];2005年
2 黎清海;高庆;;基于系统分层的故障诊断方法[A];第三届全国信息获取与处理学术会议论文集[C];2005年
3 闻竞竞;黄道;;故障诊断方法综述[A];计算机技术与应用进展·2007——全国第18届计算机技术与应用(CACIS)学术会议论文集[C];2007年
4 李璘;那文波;;模糊聚类分析方法在汽车ABS故障诊断中的应用研究[A];中国仪器仪表学会第九届青年学术会议论文集[C];2007年
5 张利;徐娟;张建军;程龙;赵佛晓;;基于网格的远程协同故障诊断资源管理模型研究[A];全国第20届计算机技术与应用学术会议(CACIS·2009)暨全国第1届安全关键技术与应用学术会议论文集(上册)[C];2009年
6 段志善;东亚斌;;灰色故障诊断方法及其发展的思考[A];振动利用技术的若干研究与进展——第二届全国“振动利用工程”学术会议论文集[C];2003年
7 罗霞;;一种快速故障诊断装置的设计[A];第七届全国核仪器及其应用学术会议暨全国第五届核反应堆用核仪器学术会议论文集[C];2009年
8 鲍忠贵;白方周;;故障诊断的模型跟踪法[A];1996中国控制与决策学术年会论文集[C];1996年
9 高锋;高强;马涛;;旋转机械振动状态监测与故障诊断管理[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年
10 徐章遂;房立清;米东;王云峰;;基于奇异谱分析的发动机故障诊断方法[A];2001年中国智能自动化会议论文集(下册)[C];2001年
中国博士学位论文全文数据库 前10条
1 张爱萍;复杂网络社团探测方法及在轮机故障诊断中应用的研究[D];大连海事大学;2015年
2 王霞;非平稳信号特征提取方法研究及其在内燃机故障诊断中的应用[D];天津大学;2015年
3 尹洪;基于数据驱动的卫星故障诊断关键技术研究[D];国防科学技术大学;2015年
4 尹同舟;基于复合网络拓扑结构的悬臂式掘进机故障诊断方法[D];中国矿业大学(北京);2017年
5 肖红军;数据驱动的污水处理过程故障诊断与多步预测[D];华南理工大学;2016年
6 向长城;基于可拓学的智能故障诊断与状态监测的理论及应用研究[D];重庆大学;2008年
7 刘应吉;车辆状态监测与故障诊断新方法研究[D];东北大学;2008年
8 胡友强;数据驱动的多元统计故障诊断及应用[D];重庆大学;2010年
9 高保禄;大型复杂机电设备分布式故障诊断方法研究[D];太原理工大学;2010年
10 曹玉苹;基于状态估计的石化过程故障诊断与预报方法研究[D];中国石油大学;2010年
中国硕士学位论文全文数据库 前10条
1 马昂;基于改进LCD的WVD算法及其在故障诊断中应用的试验研究[D];燕山大学;2015年
2 张帅;车载嵌入式智能故障诊断终端的研究与设计[D];昆明理工大学;2015年
3 余晖;动车组交流传动主电路故障诊断的研究[D];西南交通大学;2015年
4 代崇敬;CRH3动车组变流器故障诊断的研究[D];西南交通大学;2015年
5 陈超;旋转机械状态趋势预测及故障诊断专家系统关键技术研究[D];郑州大学;2015年
6 夏毅;基于小波分析的感应电动机故障诊断[D];华南理工大学;2015年
7 闫利鹏;矿井提升系统监控与故障诊断的研究[D];山西大学;2014年
8 郭艳均;智能倒频谱及其在故障诊断中的应用研究[D];郑州大学;2015年
9 李桥;基于集合算法的故障诊断研究[D];沈阳理工大学;2015年
10 孟佳;基于数据驱动的低温余热发电系统的状态监测和故障诊断[D];华北电力大学;2015年
中国重要报纸全文数据库 前10条
1 本报记者 陈晓煊 通讯员 沈甸;故障诊断有新招 抢修复电更高效[N];中国电力报;2014年
2 李继光;铡草机常见故障诊断及排除[N];云南科技报;2003年
3 武汉科技学院纺织服装学院 林子务;设备故障的诊断[N];中国纺织报;2004年
4 本报记者  矫阳;铁路运行安全保护神[N];科技日报;2006年
5 曹百禹;我大型机组故障诊断技术发展迅速[N];中国石油报;2008年
6 武汉科技学院纺织服装学院 林子务;故障诊断中的数学概念[N];中国纺织报;2004年
7 罗争鸣 徐兰山 罗浩;机车故障隐患实现“立体”诊断[N];科技日报;2006年
8 郭建国;盲目提高产品的技术含量不可取[N];中国工业报;2006年
9 本报记者 孙悦群;与天地对接 为飞船护航[N];黑龙江经济报;2006年
10 朱德恒 谈克雄;电气设备状态监测与故障诊断技术[N];中国电力报;2002年
 快捷付款方式  订购知网充值卡  订购热线  帮助中心
  • 400-819-9993
  • 010-62982499
  • 010-62783978