立井刚性罐道健康监测方法研究

发布时间：2020-11-14 19:47

　　 矿井提升系统担负着煤炭开采过程中煤炭、设备和人员等运输任务。刚性罐道作为提升容器运行的导向装置,是立井提升系统安全运行的保障,其能否正常工作将直接影响到煤矿的安全高效生产,因此开展刚性罐道健康监测的研究对于煤矿生产具有十分重大的意义。首先,通过研究立井提升系统工作原理后对其结构进行合理的简化,搭建了立井提升系统实验台,该实验台是由以电机、卷筒、提升容器、滚轮罐耳和罐道等构成的机械部分和以PLC、变频器、触摸屏、编码器和传感器等构成的监控部分组成。设计立井提升系统刚性罐道动态测试系统,分别模拟刚性罐道无故障激励、台阶激励和接头缝隙激励三种状态,并采集提升容器振动加速度信号。其次,采集的提升容器加速度信号是非平稳信号,因此采用小波包和EMD-SVD两种方法提取信号故障特征参数。采用小波包方法对采集到不同状态提升容器加速度信号进行3层小波包分解,并将计算3层小波包分解得到8个频带信号的能量值作为故障特征参数。运用EMD对采集到不同状态提升容器加速度信号进行分解,选取前4个固有模态函数,运用SVD方法计算出每一个固有模态函数的奇异值作为故障特征参数。然后,将采用小波包和EMD-SVD两种方法提取的信号故障特征参数分别作为BP神经网络和SVM的训练样本和测试样本。通过基于小波包和BP神经网络、小波包和SVM、EMD-SVD和BP神经网络以及EMD-SVD和SVM的四种方法实现刚性罐道故障模式识别,分别定义BP神经网络的置信度和SVM的平均分类准确率做为模式识别的效果评估准则。仿真表明BP神经网络可以实现刚性罐道故障诊断,但考虑到SVM在小样本中优势,采用SVM方法进行模式识别更加可靠。分析得出EMD-SVD和SVM的组合方式在故障识别中效果更好。最后,考虑到采用K-CV方法对SVM参数c和g进行寻优存在分类效果不佳和扩大寻优范围增加计算量的问题,因此,采用GA对SVM中参数c和g进行寻优,将优化得到的最优参数c和g带入SVM中重新计算分类准确率,通过分析优化前后结果可知平均分类准确率提高了7%。分析结果表明采用EMD-SVD作为故障特征参数提取的方法和GA优化SVM作为故障模式识别的组合方式可以对刚性罐道故障模式进行有效的分类。图[36]表[18]参[80]
【学位单位】：安徽理工大学
【学位级别】：硕士
【学位年份】：2019
【中图分类】：TD531.1
【部分图文】：

图 2.2 提升体统实验台三维图ting the three-dimensional map of the experim统由主控系统、监控系统和检测系统元。PLC 基本单元配合变频器与相应变频器负责控制拖动电机的转速来控人员及时了解提升系统的工作状况，变频器PLC性钢道罐

Y001Y002Y003Y004Y005COMX010X007X006X005X004X003X002DC24VFWDREVCF1CF2CF3COM电机正转电机反转井底到位紧急停车井口减速井底减速井口到位上行下行高速中速低速图 2.4 立井提升系统电控图Fig 2.4 Shaft hoist system electrical diagram

2.2 构建立井提升系统数据采集系统2.2.1 数据采集系统硬件组成数据采集设备是选取北京东方振动与噪声研究所的三方向加速度传感器（型号为 INV9832）和四通道数据采集仪（型号为 INV3062T0）。三方向加速度传感器可以同时测量 X、Y 和 Z 三个方向的加速度信号，该型号加速传感器内置 IEPE（ICP）。加速传感器内置 IEPE 是指传感器自带电量放大器或者是电压放大器。IEPE 加速度传感器其内部拥有一个放大器和恒流源。恒流源的作用是将电流引入到加速度传感器中，加速度传感器的输出电压大小与加速度信号大小成正比。
【参考文献】

相关期刊论文 前10条

1 秦强;戚晓楠;丁建国;将辉;;立井罐道装备质量分析[J];煤矿机械;2015年06期

2 许允之;方永丽;褚鑫;贾立敬;陈鲁娜;李晓波;陈奎;;小波包频带-能量重构的异步电动机转子断条故障诊断[J];煤矿机电;2015年02期

3 崔永生;;对钢丝绳罐道使用的优缺点分析[J];科技资讯;2015年06期

4 吴洪兵;楼佩煌;唐敦兵;;基于小波抗体记忆克隆算法的电机故障诊断[J];振动.测试与诊断;2013年05期

5 周飞鹏;肖兴明;蒋玉强;;立井刚性罐道故障诊断及系统实现[J];矿业装备;2012年02期

6 弓锐敏;肖兴明;李占芳;;基于虚拟仪器技术的罐道动态测试平台设计[J];煤矿机械;2010年09期

7 关博文;吴君;弓锐敏;王莹;;基于AT89S52刚性罐道检测仪设计[J];煤矿机械;2010年04期

8 蒋玉强;吴君;孙莉蓉;肖兴明;;刚性罐道动态多参数测试系统设计[J];煤矿机械;2009年10期

9 王鹏;肖兴明;;基于LabVIEW的刚性罐道动态测试软件设计[J];矿山机械;2008年23期

10 庞科旺;卜祥泉;周树志;;罐道缝隙自动监测报警系统的设计[J];矿山机械;2007年08期

相关博士学位论文 前3条

1 邱明权;矿用带式输送机托辊健康监测方法研究[D];中国矿业大学;2018年

2 蒋玉强;立井刚性罐道系统的非线性耦合特性及状态评估研究[D];中国矿业大学;2011年

3 李占芳;矿井提升系统振动特性及典型故障诊断研究[D];中国矿业大学;2008年

相关硕士学位论文 前9条

1 田晶晶;基于遗传算法-BP神经网络的旋回式破碎机故障诊断系统研究[D];西安建筑科技大学;2018年

2 戚晓楠;基于动力学的立井刚性罐道导向平顺性若干问题研究[D];合肥工业大学;2016年

3 吴武林;基于机器学习的滚动轴承智能诊断方法研究[D];江西理工大学;2015年

4 张拉专;齿轮箱早期故障信号增强与智能诊断方法研究[D];哈尔滨工业大学;2015年

5 张淼;立井刚性罐道典型故障的模式识别研究[D];中国矿业大学;2015年

6 朱艳君;立井刚性罐道状态监测与健康诊断研究[D];中国矿业大学;2014年

7 白文燕;基于BP优化网络的戈壁土地区高速铁路路基沉降的预测研究[D];兰州交通大学;2013年

8 翟良强;鼠笼式异步电机状态监测及故障诊断方法的研究[D];南华大学;2012年

9 李方明;人工神经网络在砂土液化判别及震陷预估中的应用[D];南京工业大学;2005年

本文编号：2883890