基于小波神经网络的矿井局部通风机故障检测与诊断研究

论文摘要

矿井局部通风机是煤矿掘进工作面至关重要的供风设备,其故障是导致瓦斯爆炸的主要原因之一。因此,对矿井局部通风机实施故障检测与诊断具有重大意义。为确保风机正常稳定工作,论文采用虚拟仪器技术、小波包分析、BP神经网络等多元技术相融合的方法,研究开发了以振动检测为基础的矿井局部通风机故障检测与诊断系统,以实现对矿井局部通风机常见机械故障的有效诊断。主要完成研究内容如下:(1)通过对矿井局部通风机常见机械故障及机理、振动频域特性和诊断方法的深入分析,确定了使用虚拟仪器技术对风机振动信号采集管理、小波包能量法提取特征向量、BP神经网络进行模式识别的总体研究方案,该研究方案可以提高系统检测诊断的自动化程度和诊断准确率、降低了硬件费用、缩短了软件开发周期。(2)采用小波分析和神经网络相结合的方法对矿井局部通风机故障诊断模型进行建立。振动信号小波包分解选择了db9基小波,并定义了五层小波包分解树。以小波包分解结果作为BP神经网络输入向量、常见风机故障类型为输出向量,并通过试验数据和样本训练确定神经网络模型,结果表明该模型具有适度的网络规模和较短的计算时间,识别结果具有较高的可信度。(3)对硬件系统进行了设计,根据振动信号的采集需要,选择了LC0151T压电加速度传感器、USB6221数据采集卡等硬件设备,确定了基于振动检测的4个测点分布和传感器布置。(4)对软件系统的功能模型、开发模型、结构模型及流程等进行了分析和设计,确定螺旋模型为软件开发模型,选择LabVIEW和MATLAB为软件开发平台,设计了三层递进式软件结构。实现了风机离线诊断、在线诊断、数据采集管理、故障库维护、网页报表生成和数据备份等功能。软件开发过程中应用优化算法,使子程序重用性好、执行效率高。人机交互界面大量采用事件触发机制,使系统能及时响应用户指令而且节省计算机资源。(5)对矿井局部通风机故障检测与诊断系统进行了功能验证和性能评价。以矿井局部通风机的喘振和基础松动两种故障为例进行实例分析,试验表明经验分析与系统诊断结果完全一致;从系统参数和试验统计的角度对系统响应时间和可靠性进行了评估,结果表明系统具有合理的响应时间和良好的可靠性。本论文将虚拟仪器、小波包分析和神经网络等技术综合应用到矿井局部通风机的故障检测和诊断上,研发了集信号存储管理、故障分析诊断、故障库维护、报表生成等功能于一体的矿井局部通风机故障检测与诊断原型系统,可以提高矿井局部风机故障检测和诊断集成化、自动化和智能化程度及效率,对减少掘进工作面瓦斯爆炸事故发生具有积极意义。

论文目录

• 摘要
• Abstract
• 1 绪论
• 1.1 引言
• 1.2 国内外故障诊断研究动态
• 1.2.1 信号采集与处理技术的新发展
• 1.2.2 诊断技术的新动态
• 1.3 矿井通风系统故障诊断研究现状
• 1.4 课题的研究内容
• 1.5 课题研究目的与意义
• 2 矿井局部通风机故障诊断分析
• 2.1 矿井局部通风机常见故障及机理分析
• 2.1.1 故障特征频率分析
• 2.1.2 常见故障产生原因及消除方法
• 2.2 故障诊断方法分析
• 2.3 信号处理方法分析
• 2.4 小结
• 3 矿井局部通风机故障诊断小波神经网络模型
• 3.1 小波分析和神经网络的结合途径
• 3.2 故障诊断小波包基函数与分解尺度
• 3.2.1 小波分析理论
• 3.2.2 小波包分析
• 3.2.3 选取小波包基
• 3.2.4 确定分解树
• 3.3 故障诊断神经网络模型和结构
• 3.3.1 神经网络的构成
• 3.3.2 神经网络结构与模型
• 3.3.3 神经网络输入层
• 3.3.4 神经网络输出层
• 3.3.5 神经网络隐含层
• 3.4 小结
• 4 系统需求分析与设计
• 4.1 硬件系统需求分析与总体结构
• 4.2 软件系统需求分析与设计
• 4.2.1 功能模块划分
• 4.2.2 软件开发模型
• 4.2.3 开发平台
• 4.2.4 软件结构设计
• 4.2.5 主流程
• 4.3 小结
• 5 系统硬件分析与设计
• 5.1 振动传感器
• 5.1.1 LC0151T 特点及工作原理
• 5.1.2 LC0151T 性能指标
• 5.2 测点分布与传感器布置
• 5.3 数据采集设备
• 5.3.1 数据采集设备组成部分
• 5.3.2 USB6221 性能指标
• 5.4 计算机
• 5.5 小结
• 6 系统软件开发
• 6.1 主界面和菜单
• 6.2 离线诊断子系统
• 6.2.1 操作面板与主线流程
• 6.2.2 变换识别模块
• 6.2.3 小波包滤波模块
• 6.3 在线诊断子系统
• 6.3.1 操作面板与主线流程
• 6.3.2 事件记录机制
• 6.4 数据采集与管理
• 6.4.1 TDMS 存储格式简介
• 6.4.2 样本矩阵结构
• 6.4.3 数据管理
• 6.5 故障库建立与维护
• 6.5.1 数据库模型
• 6.5.2 连接数据库
• 6.5.3 增加故障类型到数据库
• 6.5.4 更新神经网络权值
• 6.6 数据安全
• 6.7 小结
• 7 系统功能验证与性能评价
• 7.1 试验设备与试验方法
• 7.1.1 试验设备
• 7.1.2 试验方法
• 7.2 离线诊断验证
• 7.2.1 单路数据采集与存储
• 7.2.2 诊断分析实例
• 7.3 在线诊断验证
• 7.3.1 多路并行数据采集
• 7.3.2 诊断分析实例
• 7.4 性能评价
• 7.4.1 响应时间
• 7.4.2 可靠性
• 7.5 小结
• 8 结论
• 8.1 结论
• 8.2 存在的问题
• 8.3 展望
• 致谢
• 附录Ⅰ软件更新列表
• 附录Ⅱ攻读硕士研究生期间发表的学术论文
• 参考文献