礦用主風機主要是給井下工作人員提供新鮮空氣,降低井下產生的有害氣體濃度,確保煤礦井下有良好的作業(yè)環(huán)境。如果主風機出現(xiàn)故障甚至造成停機,將會對煤礦安全帶來巨大威脅。因此,對礦用主風機進行在線監(jiān)測與故障診斷的研究具有實際應用價值。本文以煤礦主通風機為研究對象,根據通風機的結構特點,分析了幾種常見故障的振動機理。主風機的監(jiān)測參數包括軸承振動和溫度信號,振動信號作為故障診斷的主要依據,溫度信號起輔助監(jiān)測作用。采集的數據通過zigbee和以太網相結合的方式進行傳輸,完成數據監(jiān)測功能。采用經驗模態(tài)分解(EMD)對振動信號進行分解,由于EMD對有脈沖或噪聲干擾信號進行分解時存在模態(tài)混疊問題,本文用加入高斯白噪聲的集合經驗模態(tài)分解(EEMD)對振動信號進行分析,并根據本征模態(tài)能量的分布提取出故障特征值。運用極限學習機算法對風機進行故障分類診斷,針對ELM隨機選擇隱含層輸入權值和閾值的缺陷,引入粒子群算法(PSO)對其隱含層進行參數尋優(yōu)。為克服引入PSO造成的網絡訓練耗時過長、容易陷入局部最優(yōu)的問題,加入變速算子和激發(fā)因子對PSO算法進行改進(IPSO),使粒子群在尋優(yōu)的過程中能夠縮短時間。將IPSO-ELM算法運用到礦井主風機的故障診斷中,并與BP、ELM、PSO-BP以及PSO-ELM做比較,驗證了該算法在準確率、穩(wěn)定性、快速性方面都有提高。最后通過上位機與MATLAB的交互功能,對監(jiān)測的參數進行故障診斷,驗證本課題故障診斷算法模型的可行性。本文通過對監(jiān)測技術與故障診斷理論知識的深入研究,能夠實現(xiàn)對礦用主風機進行有效的故障診斷,達到信息傳輸穩(wěn)定、響應快速和故障識別率高等要求,促進煤礦安全生產,具有一定的工程應用和理論研究價值。
【學位單位】：西安科技大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：TD724
【部分圖文】：

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

西安科技大學碩士學位論文國重點煤礦的主風機運轉效率都不高，一般處于 60%左右。煤礦的 20%~30%[3]，所以通風機存在運行不合理的問題。由動化，不具備專業(yè)知識的現(xiàn)場監(jiān)護人員很難發(fā)現(xiàn)設備故障。如備系統(tǒng)發(fā)生故障沒有及時發(fā)現(xiàn)并處理，可能會導致故障的擴大事故和經濟損失。故障診斷技術就是對機械本身進行狀態(tài)監(jiān)發(fā)現(xiàn)設備故障，提早對設備進行維修。因此，礦用主風機(如診斷研究在當前檢測技術領域及相關領域是必不可少的。

圖 1.3 常見通風機監(jiān)測系統(tǒng)結構圖網絡的首次出現(xiàn)是被應用到軍事領域中統(tǒng)中被研究出。此后進入 21 世紀，無線了一套新型礦用通風機監(jiān)測與故障診斷系絡，數據處理模塊采用了嵌入式平臺，實傳感器網絡的開關柜溫度在線監(jiān)測系統(tǒng)，班牙的 Acero，Alvaro Romero 將無線網絡下可燃氣體的探測，在處理信息方面具有亞的 Gangrade V 提出以無線傳感器網絡動化地下礦井監(jiān)測與通信系統(tǒng)，實現(xiàn)監(jiān)測斷的國內外研究現(xiàn)狀斷方法主要包括三種：基于解析模型、基

【參考文獻】

相關期刊論文 前10條

1 孫明;;試析煤礦在用主通風機電動機和軸承溫度檢測檢驗[J];機電信息;2015年24期

2 劉明譚;馮明遠;謝米羅;;煤礦通風機在線監(jiān)控系統(tǒng)的研究與應用[J];中州煤炭;2012年06期

3 汪正東;張申;;選煤廠ZigBee監(jiān)測系統(tǒng)的設計[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-灰色關聯(lián)降噪的泵機組故障診斷[J];化工機械;2010年05期

5 郭秀才;趙靜;王洋;;煤礦安全信息遠程監(jiān)測系統(tǒng)的研究與應用[J];微計算機信息;2010年27期

6 王海波;;設備狀態(tài)監(jiān)測與故障診斷技術在煤礦的應用[J];煤;2010年07期

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

8 陳果;;轉子—滾動軸承—機匣耦合系統(tǒng)的不平衡/松動耦合故障非線性動力學[J];機械工程學報;2008年03期

9 唐貴基;向玲;朱永利;;基于HHT的旋轉機械油膜渦動和油膜振蕩故障特征分析[J];中國電機工程學報;2008年02期

10 許琦;劉德仿;李永生;;基于粗糙集理論旋轉機械頻域特性的故障診斷[J];吉林大學學報(理學版);2007年04期

相關博士學位論文 前3條

1 張超;基于自適應振動信號處理的旋轉機械故障診斷研究[D];西安電子科技大學;2012年

2 劉年平;煤礦安全生產風險預警研究[D];重慶大學;2012年

3 葛欣;基于知識的礦井通風機故障診斷的研究[D];中國礦業(yè)大學;2010年

相關碩士學位論文 前10條

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

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

3 王浩宇;基于數據的煤礦主通風機故障診斷方法研究[D];中國礦業(yè)大學;2017年

4 董田田;基于改進粒子群小波神經網絡的瓦斯的研究及預測[D];西安科技大學;2016年

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

6 位禮奎;基于振動信號分析的煤礦主通風機故障診斷研究[D];中國礦業(yè)大學;2016年

7 丁曉亮;粗糙集與神經網絡在煤礦主通風機故障診斷中的方法研究[D];中國礦業(yè)大學;2015年

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

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

10 王迪;基于振動的旋轉機械故障診斷技術研究與分析[D];石河子大學;2013年

本文編號：2823918