本文關(guān)鍵詞：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

  更多相關(guān)文章： 粗糙集 LVQ神經(jīng)網(wǎng)絡(luò) 組態(tài)王 DDE 故障診斷

【摘要】：煤礦主通風(fēng)機(jī)作為其通風(fēng)系統(tǒng)的關(guān)鍵環(huán)節(jié)之一,具有“礦井肺腑”之稱。如何及時(shí)發(fā)現(xiàn)故障征兆,準(zhǔn)確判斷風(fēng)機(jī)運(yùn)行狀態(tài),并對(duì)出現(xiàn)的故障進(jìn)行準(zhǔn)確的分析,已成為煤礦主通風(fēng)機(jī)故障診斷方面所急需解決的問(wèn)題。本課題以礦用對(duì)旋軸流式通風(fēng)機(jī)為研究對(duì)象,提出了建立基于粗糙集與LVQ神經(jīng)網(wǎng)絡(luò)的煤礦主風(fēng)機(jī)故障模型,與粗糙集和BP網(wǎng)絡(luò)相結(jié)合的診斷模型進(jìn)行仿真對(duì)比,表明該模型對(duì)于故障的診斷實(shí)時(shí)性強(qiáng)、識(shí)別準(zhǔn)確率高,是一種有效的故障診斷模型,并實(shí)現(xiàn)了基于DDE的Matlab與組態(tài)王通信的實(shí)時(shí)LVQ網(wǎng)絡(luò)故障診斷系統(tǒng)。在深入研究煤礦主通風(fēng)機(jī)故障機(jī)理的基礎(chǔ)上,分析選取了故障的本質(zhì)特征。本課題探討了就故障振動(dòng)特性機(jī)理采用粗糙集故障方法的必要性,合理選擇了以振動(dòng)信號(hào)為為主要特征信號(hào),溫度、噪聲、出線柜二次側(cè)電壓電流等作為輔助特征信號(hào)的并行診斷方法。并詳細(xì)分析了煤礦主通風(fēng)機(jī)現(xiàn)場(chǎng)的原始數(shù)據(jù)采集方法。為使屬性約簡(jiǎn)集的存儲(chǔ)空間小,降低約簡(jiǎn)的計(jì)算量,得到最優(yōu)約簡(jiǎn)集,本文提出一種改進(jìn)的二進(jìn)制可分辨矩陣屬性約簡(jiǎn)算法,并進(jìn)行了算法實(shí)例驗(yàn)證。由于粗糙集只能處理離散對(duì)象,而采集的原始數(shù)據(jù)為連續(xù)數(shù)據(jù),本文分析了幾種常見(jiàn)粗糙集離散方法的應(yīng)用要點(diǎn),提出采用啟發(fā)式的SOM離散化模型,在應(yīng)用自組織特征映射網(wǎng)絡(luò)離散化的同時(shí)結(jié)合對(duì)條件屬性重要性的計(jì)算。利用Matlab 2010a對(duì)本文所提出粗糙集與LVQ相結(jié)合的故障系統(tǒng)模型進(jìn)行仿真對(duì)比。先運(yùn)用粗糙集理論對(duì)采集的原始數(shù)據(jù)進(jìn)行預(yù)處理,刪除冗余特征,挖掘眾故障特征中重要的最小屬性集,減少LVQ網(wǎng)絡(luò)的輸入維數(shù)。針對(duì)LVQ神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)并無(wú)先驗(yàn)確定公式的問(wèn)題,本文提出利用交叉驗(yàn)證算法來(lái)確定其最優(yōu)隱含層神經(jīng)元數(shù)。將最小屬性集與全體屬性集樣本集分別輸入LVQ神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,對(duì)比表明最小屬性集樣本的LVQ神經(jīng)網(wǎng)絡(luò)診斷實(shí)時(shí)性好,預(yù)測(cè)精度高。同時(shí)最小屬性集樣本集分別輸入LVQ神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練對(duì)比,仿真結(jié)果表明合理目標(biāo)誤差內(nèi),LVQ神經(jīng)網(wǎng)絡(luò)在診斷實(shí)時(shí)性和準(zhǔn)確率上都優(yōu)于BP網(wǎng)絡(luò)。最后通過(guò)DDE技術(shù),實(shí)現(xiàn)了上位機(jī)組態(tài)王與Matlab的進(jìn)程間數(shù)據(jù)共享,建立了基于LVQ神經(jīng)網(wǎng)絡(luò)的實(shí)時(shí)故障診斷系統(tǒng)。
【關(guān)鍵詞】：粗糙集 LVQ神經(jīng)網(wǎng)絡(luò) 組態(tài)王 DDE 故障診斷
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TD724
【目錄】：

• 致謝4-5
• 摘要5-6
• Abstract6-15
• 1 緒論15-23
• 1.1 研究背景與意義15-16
• 1.2 煤礦主通風(fēng)機(jī)故障診斷現(xiàn)狀16-20
• 1.3 神經(jīng)網(wǎng)絡(luò)與粗糙集在通風(fēng)機(jī)故障診斷中結(jié)合的必要性20-21
• 1.4 本文的主要工作及研究?jī)?nèi)容21-23
• 2 煤礦主通風(fēng)機(jī)的故障機(jī)理23-31
• 2.1 主通風(fēng)機(jī)故障機(jī)理分析23-26
• 2.2 主通風(fēng)機(jī)的故障機(jī)理與粗糙集診斷相結(jié)合的探討26-27
• 2.3 原始數(shù)據(jù)的采集分析27-30
• 2.4 本章小結(jié)30-31
• 3 粗糙集理論與屬性約簡(jiǎn)研究31-41
• 3.1 粗糙集的基本概念31-35
• 3.2 基于二進(jìn)制可分辨矩陣的屬性約簡(jiǎn)35-36
• 3.3 改進(jìn)的二進(jìn)制可分辨矩陣屬性約簡(jiǎn)算法36-39
• 3.4 本章小結(jié)39-41
• 4 基于啟發(fā)式SOM離散模型的研究41-51
• 4.1 連續(xù)數(shù)據(jù)離散化41-44
• 4.2 基于SOM網(wǎng)絡(luò)的粗糙集離散化模型的建立44-46
• 4.3 粗糙集與LVQ神經(jīng)網(wǎng)絡(luò)相結(jié)合的故障診斷系統(tǒng)的構(gòu)成46-49
• 4.4 本章小結(jié)49-51
• 5 基于粗糙集與LVQ神經(jīng)網(wǎng)絡(luò)的煤礦主通風(fēng)機(jī)故障診斷的研究51-71
• 5.1 粗糙集神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)總體結(jié)構(gòu)設(shè)計(jì)51-54
• 5.2 粗糙集數(shù)據(jù)預(yù)處理54-59
• 5.3 煤礦主通風(fēng)機(jī)診斷系統(tǒng)模型的建立59-61
• 5.4 仿真結(jié)果的分析61-66
• 5.5 基于DDE的Matlab與組態(tài)王的實(shí)時(shí)故障診斷系統(tǒng)的實(shí)現(xiàn)66-69
• 5.6 本章小結(jié)69-71
• 6 總結(jié)與展望71-73
• 6.1 論文的主要工作與總結(jié)71-72
• 6.2 存在不足與研究展望72-73
• 參考文獻(xiàn)73-78
• 作者簡(jiǎn)歷78-80
• 學(xué)位論文數(shù)據(jù)集80

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 陶志,許寶棟,汪定偉,李冉;一種基于粗糙集理論的連續(xù)屬性離散化方法[J];東北大學(xué)學(xué)報(bào);2003年08期

2 王澤威,郭軍,林嶺,邢印;高效節(jié)能礦用防爆對(duì)旋主通風(fēng)機(jī)葉片模態(tài)分析[J];電氣防爆;2004年02期

3 趙榮泳,張浩,李翠玲,樊留群,王駿;粗糙集連續(xù)屬性離散化模型研究與應(yīng)用要點(diǎn)分析[J];計(jì)算機(jī)工程與應(yīng)用;2005年08期

4 葉軍;王磊;;一種基于粗糙集和層次分析法的綜合評(píng)價(jià)方法研究[J];計(jì)算機(jī)應(yīng)用研究;2010年07期

5 劉玉賓;范文軍;;基于BP神經(jīng)網(wǎng)絡(luò)的三相異步電動(dòng)機(jī)故障診斷技術(shù)研究[J];煤礦機(jī)械;2007年02期

6 于治福;彭月猛;袁泮泉;商德勇;李鳳玲;;基于模糊數(shù)學(xué)的提升機(jī)故障診斷專家系統(tǒng)[J];煤礦機(jī)械;2012年01期

7 荊雙喜,冷軍發(fā),李臻;基于小波-神經(jīng)網(wǎng)絡(luò)的礦用通風(fēng)機(jī)故障診斷研究[J];煤炭學(xué)報(bào);2004年06期

8 崔國(guó)梁;孟國(guó)營(yíng);丁鋮;;基于頻譜分析的主扇風(fēng)機(jī)轉(zhuǎn)子不平衡的故障診斷[J];煤礦機(jī)械;2012年10期

9 李建華;;在線設(shè)備狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)的應(yīng)用[J];石油化工設(shè)備;2010年03期

10 葛浩;楊傳健;李龍澍;;一種改進(jìn)的基于二進(jìn)制可分辨矩陣屬性約簡(jiǎn)算法[J];計(jì)算機(jī)技術(shù)與發(fā)展;2008年08期

中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù) 前1條

1 許琦;粗糙集理論在旋轉(zhuǎn)機(jī)械故障診斷技術(shù)上應(yīng)用的研究[D];南京工業(yè)大學(xué);2003年

，

本文編號(hào)：892617