粗糙集与神经网络在煤矿主通风机故障诊断中的方法研究

发布时间：2017-09-21 05:22

  本文关键词：粗糙集与神经网络在煤矿主通风机故障诊断中的方法研究

  更多相关文章： 粗糙集 LVQ神经网络 组态王 DDE 故障诊断

【摘要】：煤矿主通风机作为其通风系统的关键环节之一,具有“矿井肺腑”之称。如何及时发现故障征兆,准确判断风机运行状态,并对出现的故障进行准确的分析,已成为煤矿主通风机故障诊断方面所急需解决的问题。本课题以矿用对旋轴流式通风机为研究对象,提出了建立基于粗糙集与LVQ神经网络的煤矿主风机故障模型,与粗糙集和BP网络相结合的诊断模型进行仿真对比,表明该模型对于故障的诊断实时性强、识别准确率高,是一种有效的故障诊断模型,并实现了基于DDE的Matlab与组态王通信的实时LVQ网络故障诊断系统。在深入研究煤矿主通风机故障机理的基础上,分析选取了故障的本质特征。本课题探讨了就故障振动特性机理采用粗糙集故障方法的必要性,合理选择了以振动信号为为主要特征信号,温度、噪声、出线柜二次侧电压电流等作为辅助特征信号的并行诊断方法。并详细分析了煤矿主通风机现场的原始数据采集方法。为使属性约简集的存储空间小,降低约简的计算量,得到最优约简集,本文提出一种改进的二进制可分辨矩阵属性约简算法,并进行了算法实例验证。由于粗糙集只能处理离散对象,而采集的原始数据为连续数据,本文分析了几种常见粗糙集离散方法的应用要点,提出采用启发式的SOM离散化模型,在应用自组织特征映射网络离散化的同时结合对条件属性重要性的计算。利用Matlab 2010a对本文所提出粗糙集与LVQ相结合的故障系统模型进行仿真对比。先运用粗糙集理论对采集的原始数据进行预处理,删除冗余特征,挖掘众故障特征中重要的最小属性集,减少LVQ网络的输入维数。针对LVQ神经网络隐含层神经元数并无先验确定公式的问题,本文提出利用交叉验证算法来确定其最优隐含层神经元数。将最小属性集与全体属性集样本集分别输入LVQ神经网络进行训练,对比表明最小属性集样本的LVQ神经网络诊断实时性好,预测精度高。同时最小属性集样本集分别输入LVQ神经网络和BP神经网络训练对比,仿真结果表明合理目标误差内,LVQ神经网络在诊断实时性和准确率上都优于BP网络。最后通过DDE技术,实现了上位机组态王与Matlab的进程间数据共享,建立了基于LVQ神经网络的实时故障诊断系统。
【关键词】：粗糙集 LVQ神经网络 组态王 DDE 故障诊断
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TD724
【目录】：

• 致谢4-5
• 摘要5-6
• Abstract6-15
• 1 绪论15-23
• 1.1 研究背景与意义15-16
• 1.2 煤矿主通风机故障诊断现状16-20
• 1.3 神经网络与粗糙集在通风机故障诊断中结合的必要性20-21
• 1.4 本文的主要工作及研究内容21-23
• 2 煤矿主通风机的故障机理23-31
• 2.1 主通风机故障机理分析23-26
• 2.2 主通风机的故障机理与粗糙集诊断相结合的探讨26-27
• 2.3 原始数据的采集分析27-30
• 2.4 本章小结30-31
• 3 粗糙集理论与属性约简研究31-41
• 3.1 粗糙集的基本概念31-35
• 3.2 基于二进制可分辨矩阵的属性约简35-36
• 3.3 改进的二进制可分辨矩阵属性约简算法36-39
• 3.4 本章小结39-41
• 4 基于启发式SOM离散模型的研究41-51
• 4.1 连续数据离散化41-44
• 4.2 基于SOM网络的粗糙集离散化模型的建立44-46
• 4.3 粗糙集与LVQ神经网络相结合的故障诊断系统的构成46-49
• 4.4 本章小结49-51
• 5 基于粗糙集与LVQ神经网络的煤矿主通风机故障诊断的研究51-71
• 5.1 粗糙集神经网络故障诊断系统总体结构设计51-54
• 5.2 粗糙集数据预处理54-59
• 5.3 煤矿主通风机诊断系统模型的建立59-61
• 5.4 仿真结果的分析61-66
• 5.5 基于DDE的Matlab与组态王的实时故障诊断系统的实现66-69
• 5.6 本章小结69-71
• 6 总结与展望71-73
• 6.1 论文的主要工作与总结71-72
• 6.2 存在不足与研究展望72-73
• 参考文献73-78
• 作者简历78-80
• 学位论文数据集80

【参考文献】

中国期刊全文数据库 前10条

1 陶志,许宝栋,汪定伟,李冉;一种基于粗糙集理论的连续属性离散化方法[J];东北大学学报;2003年08期

2 王泽威,郭军,林岭,邢印;高效节能矿用防爆对旋主通风机叶片模态分析[J];电气防爆;2004年02期

3 赵荣泳,张浩,李翠玲,樊留群,王骏;粗糙集连续属性离散化模型研究与应用要点分析[J];计算机工程与应用;2005年08期

4 叶军;王磊;;一种基于粗糙集和层次分析法的综合评价方法研究[J];计算机应用研究;2010年07期

5 刘玉宾;范文军;;基于BP神经网络的三相异步电动机故障诊断技术研究[J];煤矿机械;2007年02期

6 于治福;彭月猛;袁泮泉;商德勇;李凤玲;;基于模糊数学的提升机故障诊断专家系统[J];煤矿机械;2012年01期

7 荆双喜,冷军发,李臻;基于小波-神经网络的矿用通风机故障诊断研究[J];煤炭学报;2004年06期

8 崔国梁;孟国营;丁铖;;基于频谱分析的主扇风机转子不平衡的故障诊断[J];煤矿机械;2012年10期

9 李建华;;在线设备状态监测与故障诊断技术的应用[J];石油化工设备;2010年03期

10 葛浩;杨传健;李龙澍;;一种改进的基于二进制可分辨矩阵属性约简算法[J];计算机技术与发展;2008年08期

中国博士学位论文全文数据库 前1条

1 许琦;粗糙集理论在旋转机械故障诊断技术上应用的研究[D];南京工业大学;2003年

，

本文编号：892617