本文選題：模糊聚類算法 + 遺傳算法�。� 參考：《西安科技大學》2017年碩士論文

【摘要】：目前,隨著科技的發(fā)展,煤礦自動化水平的提升,刮板輸送機也朝著自動化、智能化方向發(fā)展。刮板輸送機的主要功能是轉(zhuǎn)載和運送,同時還與破碎機、采煤機等設(shè)備組成一個串聯(lián)系統(tǒng)。但是刮板機故障頻發(fā),常常使整個采煤系統(tǒng)陷入困境,導(dǎo)致煤礦蒙受巨大的經(jīng)濟損失同時給工作人員帶來安全隱患。為使刮板機安全可靠運行,人們投入了更大的精力和財力用于對設(shè)備的故障進行診斷研究。本文針對SGZ1250/2565型煤礦刮板機進行研究,分析了故障診斷的意義。在廣泛了解刮板輸送機研究的國內(nèi)外現(xiàn)狀、以后的發(fā)展方向和目前常用故障診斷分析方法上,提出了基于模糊聚類分析的故障診斷方法。首先,從機械原理方面出發(fā)分析了刮板輸送機的整體構(gòu)造和故障頻發(fā)的傳動部系統(tǒng)的故障機理,進而闡釋了故障的原因和故障導(dǎo)致的結(jié)果。然后,對模糊聚類算法的概念進行了介紹,提出了在刮板輸送機故障診斷中應(yīng)用模糊C-均值聚類(FCM)。通過實例發(fā)現(xiàn),在樣本數(shù)據(jù)較少、樣本之間差別比較大或者沒有交錯的數(shù)據(jù)存在的話,FCM算法具有良好的分類能力且收斂速度快。當樣本數(shù)據(jù)量很大、彼此之間交錯重疊的話,FCM算法錯誤率比較高,分類結(jié)果不理想。最后針對FCM算法存在的問題,提出了以優(yōu)化分類為目的的遺傳模擬退火算法并將其應(yīng)用在刮板機故障診斷中,實驗證明優(yōu)化后的模糊聚類算法能夠有效快速的解決聚類問題。
[Abstract]:At present, with the development of science and technology and the improvement of coal mine automation level, scraper conveyors are also developing towards automation and intelligence. The main function of scraper conveyor is to transfer and transport, but also with crusher, shearer and other equipment to form a series system. However, the frequent faults of scraper often make the whole coal mining system in a difficult situation, resulting in huge economic losses to the coal mine and bring safety risks to the staff. In order to make the scraper run safely and reliably, people put more energy and financial resources into the fault diagnosis of the equipment. In this paper, SGZ1250/2565 type coal mine scraper is studied, and the significance of fault diagnosis is analyzed. A fault diagnosis method based on fuzzy clustering analysis is put forward on the basis of a wide understanding of the present situation of scraper conveyor research at home and abroad, the future development direction and the common fault diagnosis and analysis methods. Firstly, the whole structure of scraper conveyor and the fault mechanism of transmission system with frequent faults are analyzed from the aspect of mechanical principle, and the causes and results of failure are explained. Then, the concept of fuzzy clustering algorithm is introduced, and the application of fuzzy C-means clustering algorithm in fault diagnosis of scraper conveyor is put forward. It is found that the FCM algorithm has good classification ability and fast convergence rate if the sample data is less and the difference between samples is large or there is no interlaced data. When the sample data is very large, the error rate of FCM algorithm is high and the classification result is not ideal. Finally, aiming at the problems of FCM algorithm, a genetic simulated annealing algorithm for the purpose of optimizing classification is proposed and applied to the fault diagnosis of scraper. The experiment shows that the optimized fuzzy clustering algorithm can solve the clustering problem effectively and quickly.
【學位授予單位】：西安科技大學
【學位級別】：碩士
【學位授予年份】：2017
【分類號】：TD528.3

【參考文獻】

相關(guān)期刊論文 前10條

1 宋宏宗;;刮板機常見故障分析與處理措施研究[J];山東煤炭科技;2015年02期

2 孫鑫;;一種自適應(yīng)的模糊C均值聚類圖像分割方法[J];山西電子技術(shù);2014年06期

3 宋偉;劉洪亮;納鵬宇;李明;;相似性測度函數(shù)分析及其在圖像匹配中的應(yīng)用研究[J];中央民族大學學報(自然科學版);2014年01期

4 王增強;車萬里;權(quán)振林;張旭輝;馬宏偉;;電牽引采煤機在線監(jiān)測與故障診斷系統(tǒng)研究[J];重型機械;2012年05期

5 王駿;王士同;鄧趙紅;;聚類分析研究中的若干問題[J];控制與決策;2012年03期

6 蔣德瓏;李盛;王克文;付金光;;模糊聚類分析系統(tǒng)的研究與實現(xiàn)[J];計算機工程與科學;2011年12期

7 熊忠陽;陳若田;張玉芳;;一種有效的K-means聚類中心初始化方法[J];計算機應(yīng)用研究;2011年11期

8 席慶祥;雷志鵬;;綜采面刮板輸送機狀態(tài)監(jiān)測及故障診斷系統(tǒng)設(shè)計[J];煤炭科學技術(shù);2011年10期

9 王澤濟;王瑞庭;張向軍;;冷連軋機主傳動系統(tǒng)扭振分析[J];冶金設(shè)備;2010年06期

10 石海霞;葉水生;;FCM聚類算法中模糊加權(quán)指數(shù)m的優(yōu)化[J];計算機應(yīng)用與軟件;2009年05期

相關(guān)會議論文 前1條

1 連琛;;面向21世紀的綜合機械化采煤技術(shù)[A];第六屆全國采礦學術(shù)會議論文集[C];1999年

相關(guān)碩士學位論文 前5條

1 鐘鑫;基于邏輯回歸和高斯混合模型的設(shè)備故障診斷技術(shù)研究與應(yīng)用[D];北京化工大學;2010年

2 雷金波;基于邏輯回歸和支持向量機的設(shè)備狀態(tài)退化評估與趨勢預(yù)測研究[D];上海交通大學;2008年

3 周繼功;刮板輸送機減速器監(jiān)測儀的設(shè)計與現(xiàn)場測試[D];河北工業(yè)大學;2007年

4 崔慧敏;基于神經(jīng)網(wǎng)絡(luò)的旋轉(zhuǎn)機械故障診斷方法研究[D];燕山大學;2007年

5 張茂;刮板輸送機傳動系統(tǒng)的可靠性研究[D];遼寧工程技術(shù)大學;2006年

，

本文編號：1901488