基于神经网络的矿井风机故障诊断

发布时间：2017-06-07 03:06

  本文关键词：基于神经网络的矿井风机故障诊断，由笔耕文化传播整理发布。

【摘要】：矿井风机作为煤矿生产中的关键设备，是保障煤矿持续生产、井下工作人员生命安全以及矿井其他设备稳定运行的重要环节。如果矿井风机出现故障甚至严重时出现停风，将对煤矿生产带来不可估量的经济损失。因此，如何保障矿井风机的安全运行成为了工程技术人员所关注的重点问题。 本文正是根据矿井风机的常见故障，设计出一套利用虚拟仪器(VI)技术为开发平台、基于人工神经网络模型为基础的故障诊断系统。首先，，本文从故障诊断的国内外发展现状出发详细阐述了设备故障诊断具有的现实和长远意义。紧接着对矿井风机中包含故障信息最丰富的振动信号，进行了传统的时域、频域分析进而上升到小波及小波包理论分析。由于小波分析在时频两域都具有表征信号局部特征的能力，在分析非平稳振动信号时，低频部分具有较高的频率分辨率，在高频部分具有较高的时间分辨率和较低的频率分辨率。从而得出结论：对于非平稳的振动信号小波分析具有很大的优越性。同时利用小波分析将采集到的故障信号进行特征值提取，将得到的特征值作为训练人工神经网络的样本值。其次，介绍了人工神经网络的基本理论，对几种常见网络模型的学习性能、诊断性能进行比较，最后确定了以BPNN神经网络模型为基础的故障诊断系统。 在软件设计方面，以LabVIEW为平台编写一套程序，能够完成对通风机的振动信号采集、小波包分析和特征提取等操作，进而利用LabVIEW中所搭建的神经网络模型进行故障的识别和诊断。
【关键词】：矿井风机 小波分析 特征值提取 虚拟仪器 故障诊断
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2012
【分类号】：TP183;TD441
【目录】：

• 摘要3-5
• ABSTRACT5-10
• 第一章 绪论10-16
• 1.1 课题的背景10-11
• 1.2 课题的意义11
• 1.3 国内外研究现状与发展趋势11-14
• 1.3.1 课题的国内外研究现状12-13
• 1.3.2 课题的发展趋势13-14
• 1.4 课题的主要内容与解决的关键问题14-16
• 1.4.1 主要内容14-15
• 1.4.2 解决的关键问题15-16
• 第二章 基于振动特征的矿井风机常见故障分析16-29
• 2.1 矿井风机振动原理分析16-19
• 2.2 常见故障模式的原因和故障信号的振动特征19-22
• 2.2.1 转子不平衡19-20
• 2.2.2 转子不对中20-21
• 2.2.3 碰磨故障21
• 2.2.4 基础或连接松动故障21-22
• 2.2.5 油膜振荡22
• 2.2.6 轴承失效故障22
• 2.3 对于故障诊断的几种方法22-23
• 2.4 振动信号处理技术23-28
• 2.4.1 时域分析法24-26
• 2.4.2 频域分析法26-28
• 2.5 本章小结28-29
• 第三章 小波技术对故障信号的特征提取29-41
• 3.1 概述29
• 3.2 信号的时频分析法29-32
• 3.2.1 短时傅里叶变换30-31
• 3.2.2 小波分析的产生31-32
• 3.3 小波技术理论分析32-36
• 3.3.1 连续和离散小波变换32-34
• 3.3.2 多分辨率分析34-35
• 3.3.3 小波包理论分析35-36
• 3.4 利用小波技术提取故障信号特征值36-40
• 3.4.1 小波基的选取37-38
• 3.4.2 故障信号特征值提取38-40
• 3.5 本章小结40-41
• 第四章 神经网络技术在故障诊断系统中的应用41-60
• 4.1 人工神经网络概述41-46
• 4.1.1 单个神经元数学模型41-42
• 4.1.2 神经网络的特点类别42-44
• 4.1.3 神经网络的几种模型结构44-45
• 4.1.4 神经网络的故障诊断原理分析45-46
• 4.2 BP 神经网络46-51
• 4.2.1 BP 神经网络的结构46-47
• 4.2.2 BP 神经网络的学习算法47-50
• 4.2.3 BP 网络的算法改进50-51
• 4.3 利用 BP 网络进行故障诊断的步骤51-59
• 4.3.1 建立故障诊断样本集52-54
• 4.3.2 BP 神经网络层数和节点的确定54-55
• 4.3.3 BP 神经网络的参数选择55-56
• 4.3.4 训练 BP 神经网络56-58
• 4.3.5 故障验证和出现一种以上故障的界定58-59
• 4.4 本章小结59-60
• 第五章 基于虚拟仪器平台的故障诊断系统设计60-80
• 5.1 虚拟仪器（LABVIEW）简介60-62
• 5.1.1 虚拟仪器的概念60
• 5.1.2 LabVIEW 软件介绍60-61
• 5.1.3 LabVIEW 的特点61-62
• 5.2 矿井风机故障诊断系统的硬件设计62-65
• 5.2.1 振动传感器介绍和选型63-64
• 5.2.2 信号调理系统64
• 5.2.3 数据采集卡64
• 5.2.4 工控机64-65
• 5.3 矿井风机故障诊断系统的软件设计65-79
• 5.3.1 系统的软件结构划分65-66
• 5.3.2 数据采集模块66-67
• 5.3.3 小波特征值提取模块67-72
• 5.3.4 神经网络训练模块72-74
• 5.3.5 神经网络诊断模块74-76
• 5.3.6 诊断系统测试76-79
• 5.4 本章小结79-80
• 第六章 全文总结80-82
• 6.1 主要结论80-81
• 6.2 研究展望81-82
• 参考文献82-85
• 致谢85-86
• 攻读硕士学位期间已发表或录用的论文86-88

【相似文献】

中国期刊全文数据库 前10条

1 郭庆春;孔令军;史永博;崔文娟;张小永;寇立群;;基于神经网络的入境旅游人数预测[J];价值工程;2011年25期

2 宁彬;吴钊;周健威;;电子政务绩效评价体系研究[J];电脑知识与技术;2011年13期

3 黄莲花;李光明;;神经网络数据融合在车用传感器中的应用[J];装备制造技术;2011年08期

4 张国光;王林山;;一类时滞递归神经网络的鲁棒稳定性[J];滨州学院学报;2011年03期

5 周鸣一;程文清;赵建立;;基于神经网络的程控交换机故障诊断方法研究[J];电脑知识与技术;2011年25期

6 曹婧华;冉彦中;郭金城;;玉米考种系统的设计与实现[J];长春师范学院学报;2011年08期

7 孙海龙;冯超;匙瑞堂;;滚动轴承状态监测[J];工业设计;2011年05期

8 李华;曹晓龙;成江荣;;BP神经网络在软件项目风险评估中的应用[J];计算机仿真;2011年07期

9 杨鹤年;;机电一体化系统中的智能控制技术[J];煤炭技术;2011年07期

10 许杰;程锦房;何光进;;一种基于舰船磁场的神经网络识别模型[J];船电技术;2011年09期

中国重要会议论文全文数据库 前10条

1 侯艳芳;冯红梅;;基于神经网络的调制识别算法的研究[A];武汉(南方九省)电工理论学会第22届学术年会、河南省电工技术学会年会论文集[C];2010年

2 沈建荣;杨林泉;陈琳;;神经网络的稳定性判据与区域经济结构调整[A];系统工程与可持续发展战略——中国系统工程学会第十届年会论文集[C];1998年

3 石山铭;李富兰;丁俊丽;;神经网络的知识获取[A];全国青年管理科学与系统科学论文集（第1卷）[C];1991年

4 吴清烈;徐南荣;;基于神经网络的一种多目标决策方法[A];复杂巨系统理论·方法·应用——中国系统工程学会第八届学术年会论文集[C];1994年

5 李晓钟;汪培庄;罗承忠;;神经网络与模糊逻辑[A];中国系统工程学会模糊数学与模糊系统委员会第五届年会论文选集[C];1990年

6 房育栋;余英林;;高阶自组织映射及其学习算法[A];1995年中国控制会议论文集（上）[C];1995年

7 王晓晔;杜朝辉;吕德忠;刘建峰;;神经网络模糊控制在温度控制系统中的应用[A];1997中国控制与决策学术年会论文集[C];1997年

8 金龙;吴建生;;基于遗传算法的神经网络短期气候预测模型(摘要)[A];新世纪气象科技创新与大气科学发展——中国气象学会2003年年会“气候系统与气候变化”分会论文集[C];2003年

9 申伟;张元培;;基于MATLAB的自适应神经网络模糊系统(ANFIS)的应用[A];《制造业自动化与网络化制造》学术交流会论文集[C];2004年

10 田艳兵;;BP算法和PSO算法在神经网络中的研究[A];第二十九届中国控制会议论文集[C];2010年

中国重要报纸全文数据库 前10条

1 记者 陈青　通讯员 孙国根;揭示神经网络形成新机制[N];文汇报;2011年

2 于翔;数字神经网络中的协同应用[N];网络世界;2009年

3 健康时报特约记者　 张献怀;干细胞移植：修复受损的神经网络[N];健康时报;2006年

4 邹丽梅 陈耀群;江苏科大神经网络应用研究通过鉴定[N];中国船舶报;2006年

5 记者 孙刚;“神经网络”：打开复杂工艺“黑箱”[N];解放日报;2007年

6 本报首席记者 任荃　实习生 史博臻;轨交“神经网络”触动创新神经[N];文汇报;2011年

7 计算机世界实验室 韩勖;当布线系统遭遇神经网络[N];计算机世界;2009年

8 曹建兵 李祖兵 特约记者 何天进 本报记者 于莘明;给导弹植入“神经网络”[N];科技日报;2005年

9 谭薇;“潮湿计算机”：拥有人类智慧的超级大脑[N];第一财经日报;2010年

10 韩婷婷;ICT强壮奥运“神经网络”[N];通信产业报;2007年

中国博士学位论文全文数据库 前10条

1 刘志祥;深部开采高阶段尾砂充填体力学与非线性优化设计[D];中南大学;2005年

2 戴雪龙;PET探测器神经网络定位方法研究[D];中国科学技术大学;2006年

3 马戎;智能控制技术在炼钢电弧炉中的应用研究[D];西北工业大学;2006年

4 文敦伟;面向多智能体和神经网络的智能控制研究[D];中南大学;2001年

5 吴大宏;基于遗传算法与神经网络的桥梁结构健康监测系统研究[D];西南交通大学;2003年

6 杜文斌;基于神经网络的冠心病证候诊断标准与药效评价模型研究[D];辽宁中医学院;2004年

7 熊雪梅;参数化模糊遗传神经网络及在植物病害预测的应用[D];南京农业大学;2004年

8 李智;电站锅炉燃烧系统优化运行与应用研究[D];东北大学;2005年

9 王承;基于神经网络的模拟电路故障诊断方法研究[D];电子科技大学;2005年

10 谭阳红;基于小波和神经网络的大规模模拟电路故障诊断研究[D];湖南大学;2005年

中国硕士学位论文全文数据库 前10条

1 杨立儒;基于神经网络的电路故障诊断的研究与实现[D];解放军信息工程大学;2010年

2 刘兰兰;基于神经网络和遗传算法的H型钢粗轧工艺参数优化研究[D];山东大学;2011年

3 田鹏明;基于神经网络的振动主动控制研究[D];太原理工大学;2012年

4 姜宇;发动机裂解设备故障诊断技术的研究[D];吉林大学;2012年

5 邢远凯;基于决策树和遗传算法的神经网络研究及应用[D];浙江大学;2010年

6 高宝建;基于神经网络的月降水预报模型在洪泽湖的应用研究[D];南京信息工程大学;2012年

7 陈少华;基于Hopfield神经网络控制系统的研究[D];山东科技大学;2010年

8 来建波;基于神经网络的路段行程时间预测研究[D];云南大学;2011年

9 闫超;基于BP神经网络的煤矿深埋硐室软岩流变参数反演分析[D];安徽理工大学;2011年

10 段成均;时滞神经网络稳定性分析[D];重庆交通大学;2011年

  本文关键词：基于神经网络的矿井风机故障诊断，由笔耕文化传播整理发布。

本文编号：428040