基于改进KICA的故障检测方法在连续采煤机上的应用研究

论文摘要

连续采煤机是煤矿中的重要设备,如果连续采煤机因为发生故障而停机,会导致整个煤矿系统瘫痪。因此,对连续采煤机进行故障检测具有重要的现实意义。本文提出了一种基于改进的核独立元分析(Kernel Independent Component Analysis,简称KICA)的故障检测方法,并针对连续采煤机截割部减速器进行故障检测。KICA结合了核主元分析(Kernel Principle Component Analysis,简称KPCA)和独立元分析(Independent Component Analysis,简称ICA)的优点,是在线故障检测的一种非线性方法。在KICA方法中,数据映射到特征空间后变得线性冗余；当引入核技巧时,输入空间线性相关的数据映射到特征空间会产生误差；另外,在KPCA训练过程中核矩阵大小是样本个数的平方,计算量较大。针对上述问题,本文提出了相似性分析的解决方法,对KICA进行了改进,即在使用KICA算法之前先在输入空间和特征空间对数据进行相似性分析,去除掉相似性较强的数据。此方法既降低了计算量,又减少了引入核技巧时带来的误差。利用改进的KICA我们能够从连续采煤机的数据中提取具有代表性的特征数据,根据其提取的特征数据计算故障检测统计量,能够更好的反映当时连续采煤机采煤过程的运行状况。本文采用Hotelling T2和平方预测误差(SPE)统计量进行故障检测,由于数据从输入空间映射到特征空间时,原始的SPE统计量计算公式不再适用,因而针对改进的KICA建立了一种新的SPE统计量计算公式。最后本文将此方法应用到了连续采煤机的截割部减速器故障检测当中,并通过Matlab进行了仿真研究,实验结果表明改进的KICA有效地捕获了变量中的非线性动态特征,并成功检测到故障的发生。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 课题的研究意义
• 1.2 连续采煤机在国内外的发展状况
• 1.3 故障诊断技术研究概述
• 1.4 连续采煤机故障诊断技术的发展现状
• 1.5 本文的主要工作
• 第二章 连续采煤机的故障分析
• 2.1 连续采煤机常见故障类型
• 2.2 截割机构减速器齿轮的故障分析
• 2.2.1 截割机构减速器齿轮的故障模式
• 2.2.2 齿轮的振动分析
• 2.2.3 齿轮振动信号的调制
• 2.2.4 齿轮故障振动模型
• 2.3 连续采煤机常用的故障诊断方法
• 2.3.1 温度监测诊断方法
• 2.3.2 铁谱分析监测诊断法
• 2.3.3 基于专家系统的连续采煤机故障诊断方法
• 2.3.4 基于人工神经网络的连续采煤机故障诊断方法
• 2.4 连续采煤机现有故障诊断方法的不足
• 2.5 小结
• 第三章 基于数据分析的故障检测方法
• 3.1 主元分析
• 3.1.1 主元分析算法
• 3.1.2 基于PCA的故障检测方法
• 3.2 独立元分析
• 3.2.1 ICA的基本原理
• 3.2.2 数据预处理
• 3.2.3 ICA的基本算法
• 3.2.4 基于ICA的故障检测方法
• 3.3 核主元分析
• 3.3.1 核主元分析算法
• 3.3.2 基于KPCA的故障检测方法
• 3.4 小结
• 第四章 基于改进的KICA的故障检测方法
• 4.1 KICA的基本原理
• 4.1.1 特征空间的ICA
• 4.1.2 特征空间中数据的白化
• 4.1.3 利用修正ICA提取非线性独立元
• 4.2 对KICA的改进
• 4.2.1 进行相似性分析的原因
• 4.2.2 输入空间的相似性分析
• 4.2.3 特征空间中的相似性分析
• 4.3 改进的KICA在线故障检测策略
• 4.3.1 故障检测方法
• 4.3.2 故障检测步骤
• 4.4 小结
• 第五章 改进的KICA在连续采煤机中的应用
• 5.1 改进的KICA故障检测方法的训练过程
• 5.1.1 数据的预处理
• 5.1.2 相似性分析
• 5.1.3 模型参数的确定
• 5.2 在线故障检测
• 5.3 小结
• 第六章 连续采煤机故障监控软件设计
• 6.1 监控软件的硬件支持
• 6.2 上位机软件的整体设计
• 6.3 程序中的几个关键技术
• 6.3.1 通讯模块设计
• 6.3.2 数据库设计
• 6.3.3 故障检测的实现
• 6.4 系统的运行实例
• 6.5 小结
• 第七章 总结与展望
• 7.1 总结
• 7.2 展望
• 参考文献
• 致谢
• 攻读硕士期间发表的论文