基于数据的煤矿主通风机故障诊断方法研究

发布时间：2019-09-27 17:18

【摘要】：通风机作为煤矿的主要辅助设备,其正常运行是煤矿安全生产、救灾通风、合理通风的重要保障,一旦出现异常,将会对煤矿造成巨大的经济损失甚至危及井下人员安全。因此,对煤矿主通风机进行及时的故障诊断很重要。本文以煤矿主通风机为研究对象,结合PLC、MATLAB、工控机等设计数据采集系统,然后对数据进行特征提取、故障诊断。改进希尔伯特-黄变换(HHT)算法并将它用于轴承振动信号特征提取方法。由于原始的HHT方法存在模态混叠、均值曲线拟合以及端点效应等缺点,本文对HHT算法的核心部分经验模态分解(EMD)进行改进,提出自适应局部均值的EMD算法。运用全部极值点和零点间的数据作为局部特征尺度,求得的局部均值更接近理想均值;引入正交指数评价极值点阶次特性与频率分量之间的对应关系,实现自适应确定极值点的优化阶次。通过仿真对比说明改进算法能够减少计算时间和迭代筛选次数,并将该改进算法用于风机振动时域信号分解,得到一系列固有模态函数(IMF),最后采用固有模态函数能量熵的方法提取出故障特征值,为故障诊断奠定数据基础。运用极限学习机(ELM)算法进行风机故障诊断。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。为了克服引入PSO造成的网络训练耗时过长、容易陷入局部最优的问题,运用量子行为粒子群(QPSO)对ELM进行优化,实现隐含层参数寻优,同时,为增强对未知样本的学习能力,网络训练的目标函数同时考虑经验风险最小化和结构风险最小化,并将该算法用于煤矿主通风机故障诊断中。仿真对比说明该算法在进行故障诊断时的准确性、时效性均能达到令人满意的效果。
【图文】：

通风机,轴流式通风机,滚动轴承,离心式

煤矿主通风机故障分析与振动数据采集Fault Analysis and Vibration Data Acquisition ine Main Ventilator1 煤矿主通风机与轴承结构简介（Brief Introduction of Miin Ventilator and Bearing Structure）矿井通风机是煤矿生产重要的设备，它是矿井的“肺”。它的运行状态直到煤矿的安全和生产效率。通风机按照气流、压力、转速等不同指标进行，通风机可以分为很多类，可通常是按气流运动来分，离心式、轴流式和通风机是其主要类型[25]。煤矿使用最广泛的是离心式和轴流式。在压力较境下多用离心式通风机，在压力较小的环境下多用轴流通风机。本文测试流式通风机，如图 2-1。

滚动轴承,转子不平衡

图 2-2 滚动轴承结构Figure 2-2 Structure of the rolling bearing由于外在复杂的环境影响，比如载荷、润滑、安装等因素的影响，矿井通风机很容易发生故障。这些症状往往表现在轴承振动异常上。如果不对通风机故障进行及时诊断，出现事故才做出反应，这就会造成了风机轴承损坏，更为严重地可能造成井下安全事故。给矿井和矿下工人带来不可挽回的后果。2.2 煤矿主通风机常见故障（Common Faults of Mine MaVentilator）煤矿主通风机是一种旋转机械，它内部结构较为复杂，因此故障种类较多煤矿主通风机常见的故障有以下几类：(1)转子不平衡转子不平衡是旋转机械常见故障之一。理想状态下，，轴承承压一样，回旋体平衡。但实际厂家出产的轴承产品材质不均等现象频频出现，这就造成了轴承不平衡。转子不平衡的表现为振值随轴承运行时间延长逐渐增大。转子不平衡会产
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2017
【分类号】：TD441

【参考文献】