本文關(guān)鍵詞：礦井提升機(jī)主回路故障診斷研究

  更多相關(guān)文章： 礦井提升機(jī) 主回路 故障診斷 支持向量機(jī)

【摘要】：提升機(jī)是礦井的“咽喉”,屬于關(guān)鍵設(shè)備。到目前為止,我國(guó)礦業(yè)生產(chǎn)由于提升系統(tǒng)發(fā)生故障而產(chǎn)生重大事故,已造成了巨大的經(jīng)濟(jì)損失和人員傷亡。礦井提升機(jī)主回路系統(tǒng)主要設(shè)備包括供電部分的變壓器、主回路的變頻器、提升機(jī)、驅(qū)動(dòng)滾筒,哪個(gè)部分出現(xiàn)故障,都是煤礦生產(chǎn)的不安全隱患,本文將故障診斷技術(shù)與工程技術(shù)領(lǐng)域相結(jié)合,研究礦井提升機(jī)主回路故障診斷,以解決實(shí)際的故障診斷問(wèn)題和預(yù)防故障,從而確保提升機(jī)系統(tǒng)運(yùn)行的安全性與可靠性。分析了礦井提升機(jī)主回路供電系統(tǒng)的組成,應(yīng)用故障樹(shù)分析法對(duì)其主回路系統(tǒng)組成的每個(gè)環(huán)節(jié)建立了相應(yīng)的故障樹(shù),找出了系統(tǒng)的薄弱環(huán)節(jié),為后續(xù)的故障診斷研究提供了技術(shù)指導(dǎo)。分析礦用油浸式變壓器出現(xiàn)故障的特點(diǎn),研究了變壓器油中溶解氣體的方法,根據(jù)溶解于變壓器油中提供的有效氣體信息,提出故障氣體的組成含量和變壓器故障類(lèi)型之間的相互關(guān)系。因?yàn)閭鹘y(tǒng)的變壓器故障診斷精度不高、核參數(shù)對(duì)故障分類(lèi)影響比較大的缺點(diǎn),結(jié)合可分離性測(cè)度的計(jì)算,提出了一種基于交叉驗(yàn)證參數(shù)優(yōu)化基礎(chǔ)上的改進(jìn)的二叉樹(shù)支持向量機(jī)(SVM)學(xué)習(xí)方法,建立變壓器故障診斷模型,使用該參數(shù)優(yōu)化的方法可以獲得良好的效果,提高了變壓器故障診斷的效率和準(zhǔn)確性,同時(shí)更好的解決了核參數(shù)初始值選取困難的問(wèn)題。對(duì)于變頻器中的整流環(huán)節(jié),針對(duì)電力電子電路故障的特點(diǎn),使用了雙線(xiàn)性網(wǎng)格搜索算法確定了相應(yīng)的最優(yōu)誤差懲罰參數(shù)和高斯核參數(shù),提出了一種改進(jìn)的一對(duì)多支持向量機(jī)分類(lèi)算法,建立分類(lèi)器并對(duì)故障進(jìn)行分類(lèi)。當(dāng)某一個(gè)分類(lèi)器的值為真時(shí),就不再進(jìn)行下一步的計(jì)算并確定此時(shí)的電路故障類(lèi)型,有效的降低了計(jì)算量,提高了測(cè)試的效率,針對(duì)實(shí)際的變頻器搜集到的數(shù)據(jù),應(yīng)用提出的算法進(jìn)行仿真研究,獲得了良好的診斷精度。針對(duì)煤礦礦井提升機(jī)主驅(qū)動(dòng)電機(jī)——異步電動(dòng)機(jī)的轉(zhuǎn)子繞組斷條故障,提出了基于多層小波包分解的支持向量機(jī)故障診斷方法,該方法在分析電機(jī)轉(zhuǎn)子繞組斷條故障機(jī)理的基礎(chǔ)上,采集電動(dòng)機(jī)定子繞組電流信號(hào),分別將正常信號(hào)和故障信號(hào)進(jìn)行5層小波包變換,提取重構(gòu)后的能量特征信息并進(jìn)行歸一化處理,作為支持向量機(jī)的輸入向量,建立了異步電動(dòng)機(jī)轉(zhuǎn)子斷條故障診斷模型,并對(duì)實(shí)際的礦井提升機(jī)轉(zhuǎn)子斷條故障進(jìn)行驗(yàn)證,取得了良好的效果。
【關(guān)鍵詞】：礦井提升機(jī) 主回路 故障診斷 支持向量機(jī)
【學(xué)位授予單位】：西安科技大學(xué)
【學(xué)位級(jí)別】：博士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TD534
【目錄】：

• 摘要3-5
• ABSTRACT5-10
• 1 緒論10-26
• 1.1 選題背景及意義10-11
• 1.2 國(guó)內(nèi)外研究現(xiàn)狀11-23
• 1.2.1 礦用油浸式電力變壓器故障診斷技術(shù)11-16
• 1.2.2 變頻器故障診斷技術(shù)16-19
• 1.2.3 礦井提升機(jī)主驅(qū)動(dòng)電機(jī)故障診斷技術(shù)19-23
• 1.3 主要研究?jī)?nèi)容23-24
• 1.4 研究方法及技術(shù)路線(xiàn)24-26
• 1.4.1 油浸式電力變壓器故障診斷方法研究24-25
• 1.4.2 變頻器中整流環(huán)節(jié)故障診斷方法研究25
• 1.4.3 礦井提升機(jī)主驅(qū)動(dòng)電機(jī)故障診斷方法研究25-26
• 2 礦井提升機(jī)系統(tǒng)的組成及其故障樹(shù)26-42
• 2.1 礦井提升機(jī)系統(tǒng)的組成結(jié)構(gòu)26-29
• 2.2 礦井提升機(jī)運(yùn)行時(shí)的速度曲線(xiàn)29-33
• 2.2.1 S形速度曲線(xiàn)29-31
• 2.2.2 S形速度曲線(xiàn)的數(shù)學(xué)模型31-33
• 2.3 故障樹(shù)的工作原理33-36
• 2.3.1 故障樹(shù)的特點(diǎn)33-34
• 2.3.2 故障樹(shù)的構(gòu)建34-36
• 2.4 礦井提升機(jī)的電控系統(tǒng)故障樹(shù)36-41
• 2.4.1 變壓器故障樹(shù)的建立36-38
• 2.4.2 變頻器故障樹(shù)的建立38-39
• 2.4.3 驅(qū)動(dòng)主電機(jī)故障樹(shù)的建立39-41
• 2.5 本章小結(jié)41-42
• 3 基于支持向量機(jī)的礦用電力變壓器故障診斷42-67
• 3.1 油中溶解氣體分析42-45
• 3.1.1 油中溶解氣體的來(lái)源42-44
• 3.1.2 變壓器內(nèi)部故障類(lèi)型與油中溶解氣體含量關(guān)系44-45
• 3.2 支持向量機(jī)45-57
• 3.2.1 線(xiàn)性最優(yōu)分類(lèi)超平面46-48
• 3.2.2 非線(xiàn)性最優(yōu)分類(lèi)超平面48-49
• 3.2.3 核函數(shù)49-50
• 3.2.4 多分類(lèi)支持向量機(jī)50-53
• 3.2.5 改進(jìn)的支持向量機(jī)——基于層次聚類(lèi)法的二叉樹(shù)支持向量機(jī)53-57
• 3.3 交叉驗(yàn)證參數(shù)優(yōu)化算法57-58
• 3.4 支持向量機(jī)在礦用電力變壓器故障診斷中的應(yīng)用研究58-64
• 3.4.1 故障特征量的確定58-59
• 3.4.2 特征值的數(shù)據(jù)預(yù)處理59-61
• 3.4.3 故障診斷模型的確定61-63
• 3.4.4 核函數(shù)的選擇及其參數(shù)的求解方法63-64
• 3.5 基于交叉驗(yàn)證法的支持向量機(jī)的變壓器故障診斷實(shí)例仿真64-66
• 3.6 本章小結(jié)66-67
• 4 基于參數(shù)優(yōu)化小波支持向量機(jī)的變頻器整流環(huán)節(jié)故障診斷67-94
• 4.1 變頻器的種類(lèi)及其故障分析67-69
• 4.1.1 變頻器的種類(lèi)及應(yīng)用67-68
• 4.1.2 電力電子電路功率管的故障機(jī)理分析68-69
• 4.2 交-直-交型變頻器的整流橋仿真模型的建立69-71
• 4.2.1 整流電路正常工作時(shí)的狀態(tài)分析69
• 4.2.2 整流電路仿真模型的建立69-71
• 4.3 整流電路故障狀態(tài)分析71-77
• 4.4 小波變換77-85
• 4.4.1 小波變換77-78
• 4.4.2 多分辨率分析78-81
• 4.4.3 Mallat算法81-85
• 4.5 核函數(shù)參數(shù)尋優(yōu)方法85-87
• 4.5.1 雙線(xiàn)性搜索法85
• 4.5.2 網(wǎng)格搜索法85-86
• 4.5.3 雙線(xiàn)性網(wǎng)格搜索法86-87
• 4.6 基于雙線(xiàn)性網(wǎng)格搜索參數(shù)優(yōu)化的小波支持向量機(jī)在整流電路中的應(yīng)用87-91
• 4.6.1 整流電路故障電壓信號(hào)的特征提取87-88
• 4.6.2 訓(xùn)練樣本88-89
• 4.6.3 支持向量機(jī)分類(lèi)器的構(gòu)造89-91
• 4.7 雙線(xiàn)性網(wǎng)格搜索法優(yōu)化參數(shù)的支持向量機(jī)在變頻器中的實(shí)際應(yīng)用91-92
• 4.8 本章小結(jié)92-94
• 5 基于小波包支持向量機(jī)的礦井提升機(jī)驅(qū)動(dòng)電機(jī)故障診斷94-111
• 5.1 籠型異步電動(dòng)機(jī)常見(jiàn)故障94-95
• 5.2 籠型異步電機(jī)轉(zhuǎn)子斷條故障診斷機(jī)理分析95-98
• 5.3 轉(zhuǎn)子斷條故障特征的機(jī)理研究98-100
• 5.4 籠型異步電機(jī)轉(zhuǎn)子斷條故障診斷中的算法研究100-108
• 5.4.1 小波變換去噪100-101
• 5.4.2 小波包變換101-108
• 5.5 基于小波包多層分解的支持向量在實(shí)際礦井提升機(jī)電機(jī)中的應(yīng)用108-109
• 5.6 本章小結(jié)109-111
• 6 結(jié)論與展望111-114
• 6.1 主要結(jié)論111
• 6.2 創(chuàng)新點(diǎn)111-112
• 6.3 展望112-114
• 致謝114-115
• 參考文獻(xiàn)115-125
• 攻讀學(xué)位期間取得的成果125-126

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 郭創(chuàng)新;王越;王媚;尹玉娟;文云峰;張金江;;表征內(nèi)部潛伏性故障的變壓器時(shí)變停運(yùn)模型研究[J];中國(guó)電機(jī)工程學(xué)報(bào);2013年01期

2 卿宇搏;莫學(xué)芳;吳上海;;故障診斷技術(shù)綜述及發(fā)展趨勢(shì)[J];中國(guó)儲(chǔ)運(yùn);2012年11期

3 尹玉娟;王媚;張金江;袁鵬;詹俊鵬;郭創(chuàng)新;;一種自主核優(yōu)化的二值粒子群優(yōu)化 多核學(xué)習(xí)支持向量機(jī)變壓器故障診斷方法[J];電網(wǎng)技術(shù);2012年07期

4 董雷;魏國(guó)家;惠洪杰;李宏坤;王潔;;基于小波包分析的銑刀狀態(tài)監(jiān)測(cè)方法研究[J];風(fēng)機(jī)技術(shù);2011年05期

5 鐘建偉;;基于改進(jìn)模糊C均值算法的電力電子電路故障診斷[J];低壓電器;2011年16期

6 蔡金錠;鄢仁武;;基于小波分析與隨機(jī)森林算法的電力電子電路故障診斷[J];電力科學(xué)與技術(shù)學(xué)報(bào);2011年02期

7 滿(mǎn)紅;賈世杰;;基于小波分析和神經(jīng)網(wǎng)絡(luò)的異步電機(jī)早期故障診斷[J];大連交通大學(xué)學(xué)報(bào);2011年03期

8 鄭蕊蕊;趙繼印;趙婷婷;李敏;;基于遺傳支持向量機(jī)和灰色人工免疫算法的電力變壓器故障診斷[J];中國(guó)電機(jī)工程學(xué)報(bào);2011年07期

9 孟濤;陳強(qiáng);劉飛;廖源;楊彬;;利用變壓器油中溶解氣體分析技術(shù)進(jìn)行故障診斷的研究[J];電工電氣;2011年01期

10 郭創(chuàng)新;朱承治;張琳;彭明偉;劉毅;;應(yīng)用多分類(lèi)多核學(xué)習(xí)支持向量機(jī)的變壓器故障診斷方法[J];中國(guó)電機(jī)工程學(xué)報(bào);2010年13期

，

本文編號(hào)：1135102