基于LabVIEW的小波神经网络在煤矿通风机故障诊断中的应用

论文摘要

煤矿安全的头号敌人是瓦斯爆炸,煤矿通风系统能有效的预防瓦斯爆炸和排除瓦斯险情,因此对煤矿通风机进行有效的监管,对维护煤矿安全生产有重要的意义。本文以对煤矿通风机进行故障类型诊断为目的,开发一个基于LabVIEW的软件系统,以实现对煤矿通风机有效的在线监管。经过本课题的逐步深入的研究,最终完成了一个以小波神经网络为故障诊断模型的煤矿通风机故障诊断系统。其整个研究过程如下：（1）本文首先构建了一个完整的煤矿通风机故障诊断系统的硬件结构框架；其次设计了一个进行振动信号故障诊断的小波神经网络模型。硬件结构框架和算法模型的建立为完成煤矿通风机故障诊断系统奠定了基础。（2）根据矿井环境及煤矿通风机自身的振动量等多方面因素考虑,选择了敏度高、加速度快的AD500T-J型传感器、NIPCI-6251型采集卡为核心的数据采集设备等硬件设备。（3）对比传统的信号分析方法,验证了小波分析的先进性,表现在小波分析在时频域都具有表征信号局部特征的能力,能够良好的处理突发性质的信号。深入剖析了煤矿通风机的故障机理及故障的特征频率。选择了一种改进的自适应调节学习速率的算法对振动样本进行故障诊断,通过与BP标准算法的对比,自适应调节学习速率的改进算法具有较高的预测误差精度和较快的网络收敛速度,具有很好的诊断效果。（4）以LabVIEW为软件开发平台,MATLAB为辅助开发软件建立了-个软件系统,能够对煤矿通风机振动信号进行采集、放大、转换、存储等基本操作,以及振动信号的小波消噪滤波、时域和频域分析、小波分解与重构等高级操作,最终利用神经网络实现煤矿的风机故障诊断。（5）对煤矿通风机故障诊断系统各个主要功能模块的开发过程及主要功能进行详细的研究和说明。精心设计了各个模块的界面,注重舒适的颜色搭配,合理的控件摆放,使整个操作系统更加简洁、舒适、人性化。本课题研究的煤矿通风机故障诊断系统汇集了多项在故障诊断领域先进的技术——虚拟仪器技术、小波分析技术、神经网络技术。在防治井下瓦斯和粉尘,预防井下瓦斯爆炸,维护煤矿安全生产方面具有积极的意义。同时该系统的研发为虚拟仪器技术在煤矿设备安检领域的应用积累了一定的理论经验和实践依据。

论文目录

• 摘要
• Abstract
• 目录
• Contents
• 1 绪论
• 1.1 立题的背景
• 1.2 国内外研究现状及存在的问题
• 1.3 研究的意义
• 1.4 煤矿通风机故障诊断系统的发展趋势
• 1.5 本文研究的目的、内容和技术路线
• 2 煤矿通风机故障诊断系统整体规划
• 2.1 通风机故障诊断系统的结构
• 2.1.1 系统硬件结构
• 2.1.2 故障诊断系统模型简介
• 2.2 虚拟仪器技术简介
• 2.2.1 虚拟仪器的产生
• 2.2.2 虚拟仪器简介
• 2.2.3 LabVIEW软件简介
• 2.2.4 LabVIEW功能扩展
• 2.3 本章小结
• 3 振动数据采集及系统硬件设计
• 3.1 振动传感器
• 3.1.1 传感器的组成
• 3.1.2 感器的特性
• 3.1.3 检测振动信号传感器选型
• 3.2 数据采集设备
• 3.2.1 数据采集设备组成部分
• 3.2.2 NIPCI-6251性能寸旨标
• 3.3 工控计算机
• 3.4 本章小结
• 4 基于小波技术的特征值提取
• 4.1 信号分析的方法
• 4.1.1 频域分析
• 4.1.2 时域分析
• 4.2 小波分析
• 4.2.1 连续的小波变换
• 4.2.2 多尺度小波
• 4.3 常见通风机故障类型及特征值分析
• 4.4 特征值的提取
• 4.4.1 小波基的选取
• 4.4.2 特征值提取步骤
• 4.4.3 不对中故障信号分析与特征提取
• 4.5 本章小结
• 5 小波神经网络在煤矿通风机故障诊断中的应用
• 5.1 神经网络的三要素及基本特征
• 5.2 小波神经网络模型的构建
• 5.3 神经网络的算法
• 5.4 优化的BP神经网络算法
• 5.5 基于小波神经网络的通风机故障诊断实例
• 5.5.1 故障征兆表的建立
• 5.5.2 故障诊断的实现
• 5.6 本章小结
• 6 基于LabVIEW平台的软件系统实现
• 6.1 密码验证模块
• 6.2 数据采集卡驱动模块
• 6.3 数据的存储模块
• 6.4 小波消噪滤波功能模块
• 6.5 信号的特征值提取模块
• 6.5.1 信号特征值提取模块设计
• 6.5.2 振动信号特征值提取模块演示
• 6.6 通风机故障诊断及报警模块
• 6.7 本章小结
• 7 总结
• 7.1 结论
• 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