液压支架故障诊断与预测研究
发布时间：2021-05-07 13:31
液压支架作为现代化综采工作面的关键设备之一,其主要作用是有效支护采区顶板,提供安全作业空间。由于工作环境恶劣、工作强度高、设备结构复杂等因素导致液压支架故障频繁发生,漫长的维修时间严重影响了煤炭企业的生产效率,增加了煤炭的开采成本,故障维修不及时甚至会引起安全事故。针对目前的状况,本文对液压支架的故障诊断和故障预测进行研究,实现故障发生后快速进行识别和定位,并对设备一小时后的运行状态进行预测。本文主要工作如下:（1）对液压支架的故障现状进行了分析。本文首先对故障诊断和故障预测的研究现状进行文献分析,发现其在液压支架设备的应用中较少,需要更多的理论探索和实践应用;依据实地调研搜集到的信息,结合专家知识,统计分析出液压支架的四类常见故障及其主要表现,并进行相关原因的探究,构建出液压支架常见故障的事故树。（2）对液压支架的故障诊断进行研究。首先,本文确定了液压支架设备的监测指标,采集四类故障发生时的运行数据并进行降维,将其整理成训练集和测试集,在MATLAB中基于libsvm-3.23工具包构建支持向量机的分类模型;然后,针对故障原因之间的复杂性和关联性,将液压支架故障原因历史记录整理成Ex...
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
1.1 研究背景及意义
1.2 研究现状综述
1.3 研究内容和方法
1.4 本章小结
2 液压支架故障现状分析
2.1 液压支架种类
2.2 液压支架工作原理
2.3 液压支架立柱工作过程
2.4 液压支架故障分析
2.5 液压支架相关监测指标
2.6 本章小结
3 液压支架故障诊断研究
3.1 因子分析法介绍
3.2 支持向量机方法
3.3 贝叶斯网络方法
3.4 故障诊断方法的设计
3.5 液压支架相关数据的整理
3.6 故障诊断模型构建
3.7 实例验证
3.8 本章小结
4 液压支架故障预测研究
4.1 故障预测的设计
4.2 样本3的选择和整理
4.3 模型参数的选择
4.4 实例验证与结果对比
4.5 本章小结
5 结论与展望
5.1 结论
5.2 展望
参考文献
作者简历
学位论文数据集
【参考文献】：
期刊论文
[1]因子分析综合评价研究综述[J]. 刘照德,詹秋泉,田国梁. 统计与决策. 2019(19)
[2]基于灰色系统理论的数控车床故障时间预测[J]. 王藏,刘光亚. 湖北工业大学学报. 2019(02)
[3]基于贝叶斯网络的船舶发电机运行过热故障分析[J]. 张仲懿,姚玉南,梁言. 武汉理工大学学报(交通科学与工程版). 2019(02)
[4]改进粒子群算法优化的支持向量机在滚动轴承故障诊断中的应用[J]. 吕明珠,苏晓明,陈长征,刘世勋. 机械与电子. 2019(01)
[5]时间序列预测方法综述[J]. 杨海民,潘志松,白玮. 计算机科学. 2019(01)
[6]基于灰色马尔可夫模型的节能设备故障预测研究[J]. 张文杰,袁红平. 系统科学与数学. 2019(01)
[7]基于改进的C-支持向量机的手写体数字高识别率方法研究[J]. 胡霖. 数字通信世界. 2019(01)
[8]孪生支持向量机综述[J]. 安悦瑄,丁世飞,胡继普. 计算机科学. 2018(11)
[9]基于改进神经网络的机械故障预测模型构建[J]. 辛梅,王英宇. 微型电脑应用. 2018(10)
[10]考虑大型车因素的支持向量机短时交通状态预测模型研究[J]. 孙静怡,牟若瑾,刘拥华. 公路交通科技. 2018(10)
博士论文
[1]基于支持向量机的旋转机械故障诊断与预测方法研究[D]. 朱霄珣.华北电力大学 2013
[2]多目标粒度支持向量机及其应用研究[D]. 刘宏兵.武汉理工大学 2011
[3]液压支架电液控制煤机定位与电磁阀缓变失效预测研究[D]. 马鑫.哈尔滨工业大学 2009
[4]支持向量机分类与回归方法研究[D]. 孙德山.中南大学 2004
硕士论文
[1]基于大数据的公交车辆状态细分与故障预测研究[D]. 尚小税.北京交通大学 2018
[2]基于因子分析法的信托公司风险管理能力评价研究[D]. 程浈.江西财经大学 2018
[3]单机及成组液压支架姿态监测方法和系统研究[D]. 王亚飞.太原理工大学 2018
[4]支持向量机核函数及关键参数选择研究[D]. 尹嘉鹏.哈尔滨工业大学 2016
[5]基于故障树的煤矿设备故障分析方法研究[D]. 孙潘潘.中国矿业大学 2014
[6]用遗传算法选择支持向量机参数的研究[D]. 周丽.云南大学 2010
[7]液压支架报废技术检验规范的研究[D]. 李蓉.太原理工大学 2008
本文编号：3173479
【文章来源】：中国矿业大学江苏省 211工程院校 教育部直属院校
【文章页数】：80 页
【学位级别】：硕士
【文章目录】：
致谢
摘要
abstract
变量注释表
1 绪论
1.1 研究背景及意义
1.2 研究现状综述
1.3 研究内容和方法
1.4 本章小结
2 液压支架故障现状分析
2.1 液压支架种类
2.2 液压支架工作原理
2.3 液压支架立柱工作过程
2.4 液压支架故障分析
2.5 液压支架相关监测指标
2.6 本章小结
3 液压支架故障诊断研究
3.1 因子分析法介绍
3.2 支持向量机方法
3.3 贝叶斯网络方法
3.4 故障诊断方法的设计
3.5 液压支架相关数据的整理
3.6 故障诊断模型构建
3.7 实例验证
3.8 本章小结
4 液压支架故障预测研究
4.1 故障预测的设计
4.2 样本3的选择和整理
4.3 模型参数的选择
4.4 实例验证与结果对比
4.5 本章小结
5 结论与展望
5.1 结论
5.2 展望
参考文献
作者简历
学位论文数据集
【参考文献】：
期刊论文
[1]因子分析综合评价研究综述[J]. 刘照德,詹秋泉,田国梁. 统计与决策. 2019(19)
[2]基于灰色系统理论的数控车床故障时间预测[J]. 王藏,刘光亚. 湖北工业大学学报. 2019(02)
[3]基于贝叶斯网络的船舶发电机运行过热故障分析[J]. 张仲懿,姚玉南,梁言. 武汉理工大学学报(交通科学与工程版). 2019(02)
[4]改进粒子群算法优化的支持向量机在滚动轴承故障诊断中的应用[J]. 吕明珠,苏晓明,陈长征,刘世勋. 机械与电子. 2019(01)
[5]时间序列预测方法综述[J]. 杨海民,潘志松,白玮. 计算机科学. 2019(01)
[6]基于灰色马尔可夫模型的节能设备故障预测研究[J]. 张文杰,袁红平. 系统科学与数学. 2019(01)
[7]基于改进的C-支持向量机的手写体数字高识别率方法研究[J]. 胡霖. 数字通信世界. 2019(01)
[8]孪生支持向量机综述[J]. 安悦瑄,丁世飞,胡继普. 计算机科学. 2018(11)
[9]基于改进神经网络的机械故障预测模型构建[J]. 辛梅,王英宇. 微型电脑应用. 2018(10)
[10]考虑大型车因素的支持向量机短时交通状态预测模型研究[J]. 孙静怡,牟若瑾,刘拥华. 公路交通科技. 2018(10)
博士论文
[1]基于支持向量机的旋转机械故障诊断与预测方法研究[D]. 朱霄珣.华北电力大学 2013
[2]多目标粒度支持向量机及其应用研究[D]. 刘宏兵.武汉理工大学 2011
[3]液压支架电液控制煤机定位与电磁阀缓变失效预测研究[D]. 马鑫.哈尔滨工业大学 2009
[4]支持向量机分类与回归方法研究[D]. 孙德山.中南大学 2004
硕士论文
[1]基于大数据的公交车辆状态细分与故障预测研究[D]. 尚小税.北京交通大学 2018
[2]基于因子分析法的信托公司风险管理能力评价研究[D]. 程浈.江西财经大学 2018
[3]单机及成组液压支架姿态监测方法和系统研究[D]. 王亚飞.太原理工大学 2018
[4]支持向量机核函数及关键参数选择研究[D]. 尹嘉鹏.哈尔滨工业大学 2016
[5]基于故障树的煤矿设备故障分析方法研究[D]. 孙潘潘.中国矿业大学 2014
[6]用遗传算法选择支持向量机参数的研究[D]. 周丽.云南大学 2010
[7]液压支架报废技术检验规范的研究[D]. 李蓉.太原理工大学 2008
本文编号：3173479
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3173479.html
