采煤机截割部轴承故障诊断方法研究

发布时间：2020-07-07 11:47

【摘要】：采煤机在煤矿的生产工作中发挥着重要的作用,长期作业于恶劣的环境之下,导致采煤机故障时有发生。为了保证采煤机的正常工作进度,提高采煤机故障诊断的准确度以及稳定性,降低因采煤机故障诊断耗时而造成的损失,论文以采煤机截割部轴承为例,提出了关于截割部轴承故障诊断方法的研究。关于截割部轴承故障诊断方法的研究,主要从以下两个方面进行:(1)针对已有基于BP神经网络的采煤机故障诊断方法存在噪声敏感以及泛化性能较弱的问题,论文提出一种基于BP Adaboost集成学习算法的采煤机截割部轴承故障诊断方法。首先,利用皮尔逊相关系数法对数据集的相关性进行分析;其次,通过主成分分析法提取数据集的主成分;然后,构造BP神经网络弱分类器;最后,通过结合策略,将多个BP弱分类器组合成BP Adaboost强分类器进行轴承故障诊断。实验结果表明:BP_Adaboost集成学习算法解决了已有基于BP神经网络的采煤机故障诊断算法存在噪声敏感以及泛化性能弱的问题,提高了设备故障诊断的准确度。(2)针对传统的逻辑回归模型不能解决非线性关系问题,论文提出了非线性逻辑回归用于截割部轴承故障的诊断。首先,论文中通过牛顿迭代法实现了对非线性逻辑回归模型参数的求值、优化;然后,将优化之后的参数构造出故障诊断模型,用于截割部轴承故障的诊断;最后,利用测试数据对设备故障诊断模型进行测试。实验结果表明:非线性逻辑回归解决了传统逻辑回归不能解决非线性关系的问题,相较于传统的逻辑回归模型,非线性逻辑回归提高了轴承故障诊断的准确度,符合设备故障诊断的实际需求。
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TD421.6
【图文】：

采煤机,故障特征,生产安全性,个人安全

图 1.1 采煤机研究趋势图煤机故障进行诊断研究，不仅可以提高生产安全性，而且可以保护发展。因此，关于采煤机故障诊断的研究无论是从个人安全、集体看，都是有研究价值的。，国内外对于采煤机故障诊断的方法有很多，2016 年，Li L I 等人信号经验模态的故障特征不明显的问题，提出了利用频谱分析法提采煤机齿轮箱行星故障诊断，使故障特征更加明显，分解效率得到

轴承故障诊断,截割部,采煤机

图 1.2 采煤机截割部轴承故障诊断组织框架图文章节安排文通过六个章节对滚动轴承故障诊断方法的研究背景以及主要研究内容进一章节的具体安排如下：一章绪论。首先，对采煤机的研究背景及意义进行了整体介绍；然后，介外对采煤机故障诊断常用的方法，分析已有方法的优势与不足，为本论文障诊断打下基础；最后，展示了论文的工作安排，详细介绍了论文的研究二章相关技术和理论。主要介绍了采煤机的结构、轴承故障种类以及对接到的相关算法的原理进行了说明。三章 Adaboost 集成学习算法的截割部轴承故障诊断。本章利用 Adaboo法进行滚动轴承故障的诊断。首先，主成分分析法对数据进行预处理；其网络训练得到的多个弱分类器构成强分类器，利用强分类器对设备故障进然后，通过测试数据来测试分类器的正确率以及运行速度；最后，利用多评价指标对实验的效果进行评价分析。

采煤机

西安科技大学全日制工程硕士学位论文2 相关技术和理论原理的了解是对算法使用和改进的基础，因此，在算法的使用之前，要对算行了解。为了方便数据的可视化处理、提高模型训练速度，在模型训练之前行降维处理。此外，论文中使用了两种算法对设备故障进行诊断，分别是 Ad学习算法以及非线性逻辑回归算法，通过了解算法的原理，实现对算法模型进。采煤机结构及其轴承故障采煤机的产生实现了采煤流程的机械化、现代化。利用采煤机采煤可以减轻作人员的工作压力，实现高效率、高质量的采煤作业。目前，电牵引式双筒用最广泛的机型，其基本结构如图 2.1 所示[6]。

【参考文献】