基于数据融合的采煤机液压系统故障诊断研究

发布时间：2017-07-29 23:07

  本文关键词：基于数据融合的采煤机液压系统故障诊断研究

  更多相关文章： 采煤机 液压系统 GA-BP神经网络 D-S证据理论

【摘要】：液压系统是采煤机重要的组成部分,担负着调高和制动的作用。近几年,随着工况自动化水平的不断提高,煤矿生产的机电一体化装备也越来越高,与此同时,采煤机液压系统的故障发生频率也与日俱增。所以,快速有效的对采煤机液压系统进行故障诊断,不但会增进经济效益而且可以预防安全事故。本文以采煤机为研究对象,对采煤机液压系统故障诊断的研究意义进行了分析,在广泛了解采煤机液压系统国内外研究现状、发展趋势和常用故障诊断方法的基础上,提出了基于数据融合的故障诊断方法。首先,针对采煤机的基本机械原理分析了采煤机液压系统的液压泵、泵站电机和制动器的故障机理,进而阐述了引起故障的原因和故障引起的结果。然后,介绍了数据融合的概念,分别提出了基于神经网络和D-S证据理论的故障诊断方法。通过实例发现,前一种方法容易陷入局部最小且初始的权值和阈值选取存在较大的随机性,降低了故障诊断的精确性,所以通过遗传算法对它做进一步优化。最后,构建了二级采煤机液压系统故障综合诊断模型,利用GA-BP神经网络进行特征级的局部故障诊断,通过对输出结果的相关计算得出测试样本的基本可信度分配函数,应用D-S证据理论对得到的基本可信度分配函数进行融合,得到了比较直观的诊断结果,证实了基于GA-BP和D-S证据理论结合的数据融合故障诊断方法的有效性。
【关键词】：采煤机 液压系统 GA-BP神经网络 D-S证据理论
【学位授予单位】：西安科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TD421.6;TP202
【目录】：

• 摘要3-4
• ABSTRACT4-8
• 1 绪论8-16
• 1.1 采煤机液压系统故障诊断的研究背景及意义8-10
• 1.2 采煤机液压系统故障诊断的国内外研究现状10-12
• 1.2.1 采煤机液压系统故障诊断国外研究现状10-11
• 1.2.2 采煤机液压系统故障诊断国内研究现状11-12
• 1.3 采煤机液压系统常用的故障诊断方法12-13
• 1.4 数据融合技术的发展与应用13
• 1.5 采煤机液压系统故障诊断中应用数据融合的意义13-14
• 1.6 本课题的来源及结构安排14-16
• 2 采煤机液压系统常见故障分析与数据融合理论16-25
• 2.1 采煤机简介16-17
• 2.2 采煤机液压系统故障分类17-20
• 2.2.1 液压泵故障18
• 2.2.2 液压系统泵站电动机故障18-19
• 2.2.3 液压制动器故障19-20
• 2.3 数据融合基本理论20-24
• 2.3.1 数据融合的层次20-22
• 2.3.2 数据融合的结构模型22-24
• 2.4 本章小结24-25
• 3 基于GA-BP神经网络的数据融合故障诊断方法25-35
• 3.1 基于BP神经网络的故障诊断25-30
• 3.1.1 BP神经网络的结构25-28
• 3.1.2 实例分析28-30
• 3.2 基于遗传算法优化的BP神经网络故障诊断30-34
• 3.2.1 遗传算法的介绍30-33
• 3.2.2 实例分析33-34
• 3.3 本章小结34-35
• 4 基于D-S证据理论的数据融合故障诊断方法35-42
• 4.1 D-S证据理论基本概念35-36
• 4.2 证据理论合成规则36-38
• 4.2.1 D-S组合规则37
• 4.2.2 Yager组合规则37
• 4.2.3 加权平均法37-38
• 4.3 决策规则38
• 4.4 D-S证据理论算法步骤38-39
• 4.5 实例分析39-41
• 4.6 本章小结41-42
• 5 基于GA-BP和D-S证据理论相结合的采煤机液压系统故障诊断42-56
• 5.1 常见的采煤机液压系统故障诊断参数42-45
• 5.2 基于数据融合的故障诊断模型45-47
• 5.3 数据融合故障诊断方法47-55
• 5.3.1 基于GA-BP的液压系统故障诊断特征级数据融合49-53
• 5.3.2 基于D-S证据理论的液压系统故障诊断决策级数据融合53-55
• 5.4 本章小结55-56
• 6 结论与展望56-58
• 6.1 论文总结56-57
• 6.2 展望57-58
• 致谢58-59
• 参考文献59-62
• 附录62

【参考文献】

中国期刊全文数据库 前10条

1 马明国;孙强;杨玉坡;王坤东;;无线传感多元信息融合在采煤机状态监测上的应用分析[J];煤矿机械;2014年05期

2 韩芬;;多传感器信息融合目标识别系统设计[J];电子制作;2013年16期

3 刘春艳;凌建春;寇林元;仇丽霞;武俊青;;GA-BP神经网络与BP神经网络性能比较[J];中国卫生统计;2013年02期

4 王海洋;田力威;;基于BP神经网络的数据融合技术在分布式养老系统中的应用[J];沈阳大学学报(自然科学版);2013年01期

5 丁志勇;;新型高效电牵引采煤机嵌入式健康状态监测与故障诊断系统研发[J];煤矿机械;2012年10期

6 闫省伟;;采煤机故障诊断的研究[J];煤矿现代化;2012年05期

7 王增强;车万里;权振林;张旭辉;马宏伟;;电牵引采煤机在线监测与故障诊断系统研究[J];重型机械;2012年05期

8 高运广;王仕成;刘志国;罗大成;;一种基于遗传RBF神经网络的智能容错滤波算法[J];宇航学报;2011年08期

9 高金辉;陈玉珠;汪晓晨;;传感器融合技术在火灾预警探测中的应用研究[J];河南师范大学学报(自然科学版);2010年02期

10 王世明;;工程机械液压系统故障监测诊断技术的现状和发展趋势[J];机床与液压;2009年02期

，

本文编号：591474