礦用主風(fēng)機(jī)主要是給井下工作人員提供新鮮空氣,降低井下產(chǎn)生的有害氣體濃度,確保煤礦井下有良好的作業(yè)環(huán)境。如果主風(fēng)機(jī)出現(xiàn)故障甚至造成停機(jī),將會(huì)對(duì)煤礦安全帶來(lái)巨大威脅。因此,對(duì)礦用主風(fēng)機(jī)進(jìn)行在線監(jiān)測(cè)與故障診斷的研究具有實(shí)際應(yīng)用價(jià)值。本文以煤礦主通風(fēng)機(jī)為研究對(duì)象,根據(jù)通風(fēng)機(jī)的結(jié)構(gòu)特點(diǎn),分析了幾種常見故障的振動(dòng)機(jī)理。主風(fēng)機(jī)的監(jiān)測(cè)參數(shù)包括軸承振動(dòng)和溫度信號(hào),振動(dòng)信號(hào)作為故障診斷的主要依據(jù),溫度信號(hào)起輔助監(jiān)測(cè)作用。采集的數(shù)據(jù)通過(guò)zigbee和以太網(wǎng)相結(jié)合的方式進(jìn)行傳輸,完成數(shù)據(jù)監(jiān)測(cè)功能。采用經(jīng)驗(yàn)?zāi)B(tài)分解(EMD)對(duì)振動(dòng)信號(hào)進(jìn)行分解,由于EMD對(duì)有脈沖或噪聲干擾信號(hào)進(jìn)行分解時(shí)存在模態(tài)混疊問(wèn)題,本文用加入高斯白噪聲的集合經(jīng)驗(yàn)?zāi)B(tài)分解(EEMD)對(duì)振動(dòng)信號(hào)進(jìn)行分析,并根據(jù)本征模態(tài)能量的分布提取出故障特征值。運(yùn)用極限學(xué)習(xí)機(jī)算法對(duì)風(fēng)機(jī)進(jìn)行故障分類診斷,針對(duì)ELM隨機(jī)選擇隱含層輸入權(quán)值和閾值的缺陷,引入粒子群算法(PSO)對(duì)其隱含層進(jìn)行參數(shù)尋優(yōu)。為克服引入PSO造成的網(wǎng)絡(luò)訓(xùn)練耗時(shí)過(guò)長(zhǎng)、容易陷入局部最優(yōu)的問(wèn)題,加入變速算子和激發(fā)因子對(duì)PSO算法進(jìn)行改進(jìn)(IPSO),使粒子群在尋優(yōu)的過(guò)程中能夠縮短時(shí)間。將IPSO-ELM算法運(yùn)用到礦井主風(fēng)機(jī)的故障診斷中,并與BP、ELM、PSO-BP以及PSO-ELM做比較,驗(yàn)證了該算法在準(zhǔn)確率、穩(wěn)定性、快速性方面都有提高。最后通過(guò)上位機(jī)與MATLAB的交互功能,對(duì)監(jiān)測(cè)的參數(shù)進(jìn)行故障診斷,驗(yàn)證本課題故障診斷算法模型的可行性。本文通過(guò)對(duì)監(jiān)測(cè)技術(shù)與故障診斷理論知識(shí)的深入研究,能夠?qū)崿F(xiàn)對(duì)礦用主風(fēng)機(jī)進(jìn)行有效的故障診斷,達(dá)到信息傳輸穩(wěn)定、響應(yīng)快速和故障識(shí)別率高等要求,促進(jìn)煤礦安全生產(chǎn),具有一定的工程應(yīng)用和理論研究?jī)r(jià)值。
【學(xué)位單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位年份】：2018
【中圖分類】：TD724
【部分圖文】：

景及研究意義是世界上儲(chǔ)蓄量最大的能源，近年來(lái)隨著全球經(jīng)濟(jì)的復(fù)蘇，煤炭前我國(guó)的經(jīng)濟(jì)發(fā)展正處于快速發(fā)展時(shí)期，對(duì)能源的需求量越來(lái)越要來(lái)源，每年煤炭資源的消耗量占據(jù)總能源消耗量的 70%以上，越來(lái)越大。據(jù)統(tǒng)計(jì)[1]，我國(guó)的煤炭年產(chǎn)量不斷在增加，2015 年煤噸，2016 年的煤炭產(chǎn)量是 34.1 億噸，2017 年的煤炭產(chǎn)量為 35.2產(chǎn)量如圖 1.1 所示。煤炭給我們帶來(lái)了很多能量，使我們的生活煤礦生產(chǎn)屬于高危行業(yè)，由于其工作環(huán)境的惡劣，使得煤礦在生近年來(lái)對(duì)煤礦實(shí)施科技興安戰(zhàn)略，煤礦安全生產(chǎn)不斷好轉(zhuǎn)，事故降。盡管如此，在 2015 年因煤礦事故的死亡人數(shù)仍有 598 余人事故死亡人數(shù)分別為 538 和 375 人。這些事故不僅使國(guó)家受到了煤礦患難者家屬帶來(lái)了非常嚴(yán)重的傷害[2]，煤礦事故的頻發(fā)引起據(jù)不完全統(tǒng)計(jì)，在煤礦事故中，約有 42.96%的死亡人數(shù)是由于

西安科技大學(xué)碩士學(xué)位論文國(guó)重點(diǎn)煤礦的主風(fēng)機(jī)運(yùn)轉(zhuǎn)效率都不高，一般處于 60%左右。煤礦的 20%~30%[3]，所以通風(fēng)機(jī)存在運(yùn)行不合理的問(wèn)題。由動(dòng)化，不具備專業(yè)知識(shí)的現(xiàn)場(chǎng)監(jiān)護(hù)人員很難發(fā)現(xiàn)設(shè)備故障。如備系統(tǒng)發(fā)生故障沒有及時(shí)發(fā)現(xiàn)并處理，可能會(huì)導(dǎo)致故障的擴(kuò)大事故和經(jīng)濟(jì)損失。故障診斷技術(shù)就是對(duì)機(jī)械本身進(jìn)行狀態(tài)監(jiān)發(fā)現(xiàn)設(shè)備故障，提早對(duì)設(shè)備進(jìn)行維修。因此，礦用主風(fēng)機(jī)(如診斷研究在當(dāng)前檢測(cè)技術(shù)領(lǐng)域及相關(guān)領(lǐng)域是必不可少的。

圖 1.3 常見通風(fēng)機(jī)監(jiān)測(cè)系統(tǒng)結(jié)構(gòu)圖網(wǎng)絡(luò)的首次出現(xiàn)是被應(yīng)用到軍事領(lǐng)域中統(tǒng)中被研究出。此后進(jìn)入 21 世紀(jì)，無(wú)線了一套新型礦用通風(fēng)機(jī)監(jiān)測(cè)與故障診斷系絡(luò)，數(shù)據(jù)處理模塊采用了嵌入式平臺(tái)，實(shí)傳感器網(wǎng)絡(luò)的開關(guān)柜溫度在線監(jiān)測(cè)系統(tǒng)，班牙的 Acero，Alvaro Romero 將無(wú)線網(wǎng)絡(luò)下可燃?xì)怏w的探測(cè)，在處理信息方面具有亞的 Gangrade V 提出以無(wú)線傳感器網(wǎng)絡(luò)動(dòng)化地下礦井監(jiān)測(cè)與通信系統(tǒng)，實(shí)現(xiàn)監(jiān)測(cè)斷的國(guó)內(nèi)外研究現(xiàn)狀斷方法主要包括三種：基于解析模型、基

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 孫明;;試析煤礦在用主通風(fēng)機(jī)電動(dòng)機(jī)和軸承溫度檢測(cè)檢驗(yàn)[J];機(jī)電信息;2015年24期

2 劉明譚;馮明遠(yuǎn);謝米羅;;煤礦通風(fēng)機(jī)在線監(jiān)控系統(tǒng)的研究與應(yīng)用[J];中州煤炭;2012年06期

3 汪正東;張申;;選煤廠ZigBee監(jiān)測(cè)系統(tǒng)的設(shè)計(jì)[J];煤礦安全;2011年07期

4 武建軍;鄧松圣;周愛華;秦瑞勝;高明;;基于EMD-灰色關(guān)聯(lián)降噪的泵機(jī)組故障診斷[J];化工機(jī)械;2010年05期

5 郭秀才;趙靜;王洋;;煤礦安全信息遠(yuǎn)程監(jiān)測(cè)系統(tǒng)的研究與應(yīng)用[J];微計(jì)算機(jī)信息;2010年27期

6 王海波;;設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)在煤礦的應(yīng)用[J];煤;2010年07期

7 吳新忠;任子暉;馬小平;李森;;煤礦主要通風(fēng)機(jī)在線監(jiān)控系統(tǒng)研究現(xiàn)狀及展望[J];煤炭科學(xué)技術(shù);2009年12期

8 陳果;;轉(zhuǎn)子—滾動(dòng)軸承—機(jī)匣耦合系統(tǒng)的不平衡/松動(dòng)耦合故障非線性動(dòng)力學(xué)[J];機(jī)械工程學(xué)報(bào);2008年03期

9 唐貴基;向玲;朱永利;;基于HHT的旋轉(zhuǎn)機(jī)械油膜渦動(dòng)和油膜振蕩故障特征分析[J];中國(guó)電機(jī)工程學(xué)報(bào);2008年02期

10 許琦;劉德仿;李永生;;基于粗糙集理論旋轉(zhuǎn)機(jī)械頻域特性的故障診斷[J];吉林大學(xué)學(xué)報(bào)(理學(xué)版);2007年04期

相關(guān)博士學(xué)位論文 前3條

1 張超;基于自適應(yīng)振動(dòng)信號(hào)處理的旋轉(zhuǎn)機(jī)械故障診斷研究[D];西安電子科技大學(xué);2012年

2 劉年平;煤礦安全生產(chǎn)風(fēng)險(xiǎn)預(yù)警研究[D];重慶大學(xué);2012年

3 葛欣;基于知識(shí)的礦井通風(fēng)機(jī)故障診斷的研究[D];中國(guó)礦業(yè)大學(xué);2010年

相關(guān)碩士學(xué)位論文 前10條

1 李冬冬;基于ZigBee接觸線接頭狀態(tài)在線監(jiān)測(cè)的研究[D];北京交通大學(xué);2017年

2 王仁君;礦用膠帶運(yùn)輸機(jī)保護(hù)與故障診斷系統(tǒng)研究[D];西安科技大學(xué);2017年

3 王浩宇;基于數(shù)據(jù)的煤礦主通風(fēng)機(jī)故障診斷方法研究[D];中國(guó)礦業(yè)大學(xué);2017年

4 董田田;基于改進(jìn)粒子群小波神經(jīng)網(wǎng)絡(luò)的瓦斯的研究及預(yù)測(cè)[D];西安科技大學(xué);2016年

5 趙明強(qiáng);基于物聯(lián)網(wǎng)技術(shù)的公共建筑能耗監(jiān)控系統(tǒng)優(yōu)化研究[D];西安建筑科技大學(xué);2016年

6 位禮奎;基于振動(dòng)信號(hào)分析的煤礦主通風(fēng)機(jī)故障診斷研究[D];中國(guó)礦業(yè)大學(xué);2016年

7 丁曉亮;粗糙集與神經(jīng)網(wǎng)絡(luò)在煤礦主通風(fēng)機(jī)故障診斷中的方法研究[D];中國(guó)礦業(yè)大學(xué);2015年

8 羅侃;基于仿真分析的礦用通風(fēng)機(jī)故障診斷方法研究[D];北京工業(yè)大學(xué);2014年

9 趙晶晶;EMD和熵在高鐵走行部故障診斷中的應(yīng)用研究[D];西南交通大學(xué);2014年

10 王迪;基于振動(dòng)的旋轉(zhuǎn)機(jī)械故障診斷技術(shù)研究與分析[D];石河子大學(xué);2013年

本文編號(hào)：2823918