矿用主风机在线监测与故障诊断

发布时间：2020-09-21 19:45

　　矿用主风机主要是给井下工作人员提供新鲜空气,降低井下产生的有害气体浓度,确保煤矿井下有良好的作业环境。如果主风机出现故障甚至造成停机,将会对煤矿安全带来巨大威胁。因此,对矿用主风机进行在线监测与故障诊断的研究具有实际应用价值。本文以煤矿主通风机为研究对象,根据通风机的结构特点,分析了几种常见故障的振动机理。主风机的监测参数包括轴承振动和温度信号,振动信号作为故障诊断的主要依据,温度信号起辅助监测作用。采集的数据通过zigbee和以太网相结合的方式进行传输,完成数据监测功能。采用经验模态分解(EMD)对振动信号进行分解,由于EMD对有脉冲或噪声干扰信号进行分解时存在模态混叠问题,本文用加入高斯白噪声的集合经验模态分解(EEMD)对振动信号进行分析,并根据本征模态能量的分布提取出故障特征值。运用极限学习机算法对风机进行故障分类诊断,针对ELM随机选择隐含层输入权值和阈值的缺陷,引入粒子群算法(PSO)对其隐含层进行参数寻优。为克服引入PSO造成的网络训练耗时过长、容易陷入局部最优的问题,加入变速算子和激发因子对PSO算法进行改进(IPSO),使粒子群在寻优的过程中能够缩短时间。将IPSO-ELM算法运用到矿井主风机的故障诊断中,并与BP、ELM、PSO-BP以及PSO-ELM做比较,验证了该算法在准确率、稳定性、快速性方面都有提高。最后通过上位机与MATLAB的交互功能,对监测的参数进行故障诊断,验证本课题故障诊断算法模型的可行性。本文通过对监测技术与故障诊断理论知识的深入研究,能够实现对矿用主风机进行有效的故障诊断,达到信息传输稳定、响应快速和故障识别率高等要求,促进煤矿安全生产,具有一定的工程应用和理论研究价值。
【学位单位】：西安科技大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：TD724
【部分图文】：

煤炭,煤矿生产,危险气体,年产量

景及研究意义是世界上储蓄量最大的能源，近年来随着全球经济的复苏，煤炭前我国的经济发展正处于快速发展时期，对能源的需求量越来越要来源，每年煤炭资源的消耗量占据总能源消耗量的 70%以上，越来越大。据统计[1]，我国的煤炭年产量不断在增加，2015 年煤吨，2016 年的煤炭产量是 34.1 亿吨，2017 年的煤炭产量为 35.2产量如图 1.1 所示。煤炭给我们带来了很多能量，使我们的生活煤矿生产属于高危行业，由于其工作环境的恶劣，使得煤矿在生近年来对煤矿实施科技兴安战略，煤矿安全生产不断好转，事故降。尽管如此，在 2015 年因煤矿事故的死亡人数仍有 598 余人事故死亡人数分别为 538 和 375 人。这些事故不仅使国家受到了煤矿患难者家属带来了非常严重的伤害[2]，煤矿事故的频发引起据不完全统计，在煤矿事故中，约有 42.96%的死亡人数是由于

主风机,设备故障,煤矿

西安科技大学硕士学位论文国重点煤矿的主风机运转效率都不高，一般处于 60%左右。煤矿的 20%~30%[3]，所以通风机存在运行不合理的问题。由动化，不具备专业知识的现场监护人员很难发现设备故障。如备系统发生故障没有及时发现并处理，可能会导致故障的扩大事故和经济损失。故障诊断技术就是对机械本身进行状态监发现设备故障，提早对设备进行维修。因此，矿用主风机(如诊断研究在当前检测技术领域及相关领域是必不可少的。

结构图,通风机,监测系统,结构图

图 1.3 常见通风机监测系统结构图网络的首次出现是被应用到军事领域中统中被研究出。此后进入 21 世纪，无线了一套新型矿用通风机监测与故障诊断系络，数据处理模块采用了嵌入式平台，实传感器网络的开关柜温度在线监测系统，班牙的 Acero，Alvaro Romero 将无线网络下可燃气体的探测，在处理信息方面具有亚的 Gangrade V 提出以无线传感器网络动化地下矿井监测与通信系统，实现监测断的国内外研究现状断方法主要包括三种：基于解析模型、基

【参考文献】