矿井提升设备制动系统故障诊断系统关键技术与应用研究

发布时间：2024-07-09 03:13

　　矿井提升设备是煤矿能源开采中连接井上与井下的关键设备,其能否安全可靠地运行直接关系到企业的经济效益和工人的生命安全,制动系统又是提升设备的最重要的组成部分之一,因此,进行矿井提升设备制动系统的故障诊断对于安全高效生产具有重要意义。本文以矿井提升机为工程研究背景,通过采用粗糙集(Rough Set)、MATLAB、贝叶斯网络(Bayesian Net)和改进启发式搜索算法相融合的故障诊断方法,重点是针对提升机制动系统故障诊断中的知识获取和知识推理等关键技术,并对其进行了深入的研究:第一,采用组态王技术实现了提升机制动系统的数据实时监测和储存。通过ODBC数据源和在MATLAB中编写代码,将MATLAB和数据库连接起来,可以实现直接从数据库中调用数据,并在MATLAB中进行数据处理。第二,针对故障诊断知识获取困难、计算量大的问题,提出了改进的粗糙集和MATLAB相融合的方法,建立了故障诊断规则知识获取模型。改进的粗糙集中包含改进的差别矩阵求核和改进的属性重要度求属性的重要性,这种方法适用于任何决策表的约简;最后在MATLAB中实现的改进粗糙集的转化,并且实现了故障诊断知识自动获取。第三,针...

【文章页数】：102 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 引言
    1.2 研究目的与意义
        1.2.1 研究目的
        1.2.2 研究意义
    1.3 国内外研究现状
        1.3.1 矿井提升机故障实时检测技术
        1.3.2 .提升机故障诊断知识获取模型的构建
        1.3.3 提升机故障诊断规则挖掘技术
    1.4 主要研究内容
    1.5 小结
第二章 提升机制动系统故障实时监测与诊断方法
    2.1 引言
    2.2 制动系统组成及技术参数
        2.2.1 系统组成
        2.2.2 技术参数
    2.3 实时监测方法
        2.3.1 传感器布置
        2.3.2 监测方法设计
    2.4 常见故障及诊断标准
        2.4.1 制动系统常见的故障
        2.4.2 监测参数的诊断标准
    2.5 提升机制动系统故障诊断方法
        2.5.1 故障诊断知识获取
        2.5.2 故障诊断规则挖掘
    2.6 数据采集试验
    2.7 小结
第三章 基于改进粗糙集和MATLAB融合方法的提升机故障诊断知识获取
    3.1 引言
    3.2 故障诊断知识的概念
    3.3 数据的预处理
        3.3.1 数据的补齐与冗余处理
        3.3.2 数据离散化
    3.4 基于粗糙集的知识获取
        3.4.1 粗糙集理论基础
        3.4.2 基于差别矩阵的属性约简
        3.4.3 基于属性重要度的属性约简
        3.4.4 基于改进差别矩阵和改进属性重要度的属性约简
    3.5 基于MATLAB的粗糙集转换实现方法
        3.5.1 不可区分关系的转化
        3.5.2 求决策系统的正域约简
    3.6 基于粗糙集和MATLAB提升机制动系统故障诊断知识获取
        3.6.1 构建故障诊断知识获取模型
        3.6.2 故障诊断知识获取算法步骤
    3.7 基于改进的粗糙集和MATLAB融合方法的故障诊断知识获取试验
        3.7.1 模拟试验故障
        3.7.2 试验方案设计
        3.7.3 试验结果分析
    3.8 小结
第四章 基于贝叶斯网络提升机制动系统故障诊断不确定推理模型的建立
    4.1 引言
    4.2 基础理论概述
        4.2.1 不确定推理模式
        4.2.2 贝叶斯网络概述
    4.3 贝叶斯网络的知识表示
        4.3.1 条件独立
        4.3.2 三种基本网络结构表示及其独立判断
    4.4 贝叶斯网络的学习
        4.4.1 贝叶斯网络的结构学习
        4.4.2 贝叶斯网络的参数学习
    4.5 基于Netica的提升机制动系统贝叶斯网络模型
    4.6 构建提升机制动系统贝叶斯网络模型条件概率表
        4.6.1 组建样本数据
        4.6.2 处理样本数据
        4.6.3 样本数据学习
    4.7 基于Netica的贝叶斯网络模型的不确定推理
        4.7.1 预测推理
        4.7.2 诊断推理
        4.7.3 支持推理
    4.8 小结
第五章 基于贝叶斯网络和改进A-star的提升机制动系统故障诊断
    5.1 引言
    5.2 贝叶斯网络推理方法分类
        5.2.1 精确推理
        5.2.2 近似推理
    5.3 基于启发式搜索的算法
        5.3.1 A-star算法
        5.3.2 改进的A-star算法
    5.4 提升机制动系统故障搜索树的建立
    5.5 基于贝叶斯网络启发式搜索的提升机制动系统故障诊断试验
        5.5.1 试验设备简介
        5.5.2 实验方案设计
        5.5.3 制动盘偏摆试验
        5.5.4 闸瓦间隙大和制动盘篇摆大混合试验
    5.6 与传统专家系统故障诊断方法对比的优势
    5.7 故障诊断关键技术应用研究
    5.8 小结
第六章 结论与展望
    6.1 工作总结
    6.2 主要结论
    6.3 工作展望
参考文献
致谢
攻读硕士学位期间发表的学术论文



本文编号：4004302