【摘要】：隨著露天礦山企業(yè)生產(chǎn)工藝水平的提高,大型礦山設(shè)備在礦山生產(chǎn)中處于越來越重要的地位,礦山設(shè)備管理成為礦山企業(yè)生產(chǎn)管理的重要組成部分。其中破碎是露天礦山企業(yè)采礦生產(chǎn)的重要環(huán)節(jié),旋回式破碎機(jī)是金屬露天礦破碎生產(chǎn)環(huán)節(jié)的重要生產(chǎn)設(shè)備,因此實現(xiàn)旋回式破碎機(jī)故障超前分析與診斷預(yù)警是提高礦山破碎生產(chǎn)管理的可靠性與企業(yè)降本增效的重要保障。目前旋回式破碎機(jī)的故障診斷大多以人員經(jīng)驗為主,但旋回式破碎機(jī)故障問題較為復(fù)雜,僅僅用人員主觀經(jīng)驗難以實現(xiàn)有效地故障診斷及預(yù)警。因此本文引入無線傳感技術(shù)、BP神經(jīng)網(wǎng)絡(luò)診斷方法以及遺傳算法,建立旋回式破碎機(jī)故障診斷及預(yù)警系統(tǒng),實現(xiàn)旋回式破碎機(jī)實時故障診斷及預(yù)警。完成了以下幾個主要研究內(nèi)容:(1)旋回式破碎機(jī)原始數(shù)據(jù)采集及分析。分析旋回式破碎機(jī)日常維修記錄及國內(nèi)外文獻(xiàn),得出旋回式破碎機(jī)故障類型及所需監(jiān)測的故障特征參數(shù),利用無線傳感技術(shù)獲取所需的旋回式破碎機(jī)原始數(shù)據(jù),并根據(jù)BP神經(jīng)網(wǎng)絡(luò)的網(wǎng)絡(luò)特點以及旋回式破碎機(jī)運(yùn)行狀況,制定數(shù)據(jù)選取的原則以實現(xiàn)數(shù)據(jù)選取,建立故障特征參數(shù)矩陣,為建立旋回式破碎機(jī)故障診斷模型提供合理的數(shù)據(jù)基礎(chǔ)。(2)基于BP神經(jīng)網(wǎng)絡(luò)的旋回式破碎機(jī)故障診斷基礎(chǔ)模型。研究BP神經(jīng)網(wǎng)絡(luò)故障診斷的基本原理,提出BP神經(jīng)網(wǎng)絡(luò)在旋回式破碎機(jī)故障診斷中的具體應(yīng)用,即以故障特征參數(shù)作為網(wǎng)絡(luò)輸入,以故障類型作為期望網(wǎng)絡(luò)輸出,并設(shè)置相應(yīng)訓(xùn)練參數(shù),建立故障診斷網(wǎng)絡(luò),并對比不同網(wǎng)絡(luò)訓(xùn)練方法及隱含層神經(jīng)元個數(shù)所實現(xiàn)的訓(xùn)練結(jié)果,確定最優(yōu)的網(wǎng)絡(luò)訓(xùn)練方法及網(wǎng)絡(luò)結(jié)構(gòu),構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的旋回式破碎機(jī)故障診斷基礎(chǔ)模型。(3)基于遺傳-BP神經(jīng)網(wǎng)絡(luò)的旋回式破碎機(jī)故障診斷優(yōu)化模型。研究BP神經(jīng)網(wǎng)絡(luò)及遺傳算法的基本原理,確定遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的具體方法,即利用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值閾值進(jìn)行進(jìn)化以達(dá)到優(yōu)化目的,首先按照遺傳算法的操作流程對權(quán)值閾值進(jìn)行進(jìn)化,進(jìn)而得出權(quán)值閾值最優(yōu)解,然后將最優(yōu)解作為BP神經(jīng)網(wǎng)絡(luò)的初始權(quán)值閾值,按照上述BP神經(jīng)網(wǎng)絡(luò)旋回式破碎機(jī)故障診斷基礎(chǔ)模型完成遺傳-BP神經(jīng)網(wǎng)絡(luò)旋回式破碎機(jī)故障診斷優(yōu)化模型的構(gòu)建。(4)旋回式破碎機(jī)故障診斷模型的應(yīng)用驗證及測試。以洛陽某礦山旋回式破碎機(jī)為實例,按照BP神經(jīng)網(wǎng)絡(luò)故障診斷基礎(chǔ)模型建立流程以及遺傳-BP神經(jīng)網(wǎng)絡(luò)故障診斷優(yōu)化模型建立流程,分別得出兩者的訓(xùn)練結(jié)果及測試結(jié)果并進(jìn)行對比,從結(jié)果中表明,遺傳-BP神經(jīng)網(wǎng)絡(luò)的旋回式破碎機(jī)故障診斷優(yōu)化模型的結(jié)果明顯較優(yōu),故最終確定遺傳-BP神經(jīng)網(wǎng)絡(luò)為旋回式破碎機(jī)的故障診斷方法,以遺傳-BP神經(jīng)網(wǎng)絡(luò)的旋回式破碎機(jī)故障診斷優(yōu)化模型作為最終的旋回式破碎機(jī)故障診斷模型,建成模型的故障診斷準(zhǔn)確率可達(dá)到99.74%。(5)基于旋回式破碎機(jī)故障診斷模型的實時故障診斷及預(yù)警系統(tǒng)。在旋回式破碎機(jī)故障診斷模型實現(xiàn)故障模式精確識別的基礎(chǔ)上,對進(jìn)一步實現(xiàn)旋回式破碎機(jī)故障預(yù)警進(jìn)行研究,得出通過故障類型診斷決策以及部件診斷決策的方式可完成旋回式破碎機(jī)故障預(yù)警,在此基礎(chǔ)上以優(yōu)化好的旋回式破碎機(jī)故障診斷模型為診斷方法,以傳感器所采集的旋回式破碎機(jī)狀態(tài)原始數(shù)據(jù)為診斷依據(jù),建立了旋回式破碎機(jī)故障診斷及預(yù)警系統(tǒng),最后實現(xiàn)了旋回式破碎機(jī)實時故障預(yù)警。本文將BP神經(jīng)網(wǎng)絡(luò)、遺傳算法與現(xiàn)實中旋回式破碎機(jī)故障診斷問題結(jié)合,科學(xué)合理地提出了旋回式破碎機(jī)的故障診斷模型及故障診斷預(yù)警系統(tǒng),解決了礦山生產(chǎn)管理中的旋回式破碎機(jī)故障難以準(zhǔn)確、實時診斷預(yù)警的問題,為旋回式破碎機(jī)故障診斷及預(yù)警提供了一個有效的方法,保障了礦山生產(chǎn)的穩(wěn)定性,有效降低了露天礦山企業(yè)設(shè)備管理的成本,提高了露天礦山企業(yè)生產(chǎn)組織及管理的水平。
【學(xué)位授予單位】：西安建筑科技大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2018
【分類號】：TD407
【圖文】：

旋回式破碎機(jī)正面

西安建筑科技大學(xué)碩士學(xué)位論文12圖 2.1 旋回式破碎機(jī)正面圖 2.2 旋回式破碎機(jī)剖面圖2.2 旋回式破碎機(jī)故障機(jī)理及故障特征提取旋回式破碎機(jī)易發(fā)生故障的原因主要有兩個方面，一方面是旋回式破碎機(jī)所處的自然環(huán)境較為惡劣，旋回

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 季永強(qiáng);;礦山破碎機(jī)故障及其診斷探討[J];中國高新技術(shù)企業(yè);2015年34期

2 林惠樂;黃振峰;毛漢領(lǐng);;基于遺傳神經(jīng)網(wǎng)絡(luò)的機(jī)器人焊接工藝參數(shù)優(yōu)化[J];組合機(jī)床與自動化加工技術(shù);2015年10期

3 任志玲;張媛媛;;礦下電纜故障診斷的能量熵和PSO BP算法[J];系統(tǒng)仿真學(xué)報;2015年05期

4 李翠平;張佳;鐘媛;;基于云計算和工作流的煤礦設(shè)備管理EAM系統(tǒng)[J];工程科學(xué)學(xué)報;2015年04期

5 楊明玉;毛王清;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的直流輸電線路故障測距算法[J];華北電力大學(xué)學(xué)報(自然科學(xué)版);2015年01期

6 安利平;劉森;;屬性約簡的兩階段遺傳算法[J];系統(tǒng)工程理論與實踐;2014年11期

7 張龍;張磊;熊國良;黃文藝;周繼惠;;基于多尺度熵和神經(jīng)網(wǎng)絡(luò)的滾動軸承故障診斷[J];機(jī)械設(shè)計與研究;2014年05期

8 祁萌;周新志;;基于PSO優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[J];煤礦機(jī)械;2014年08期

9 段蘭蘭;田琦;段鵬飛;李哲;;基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的供熱管網(wǎng)故障診斷模型[J];中北大學(xué)學(xué)報(自然科學(xué)版);2014年03期

10 禹建麗;卞帥;;基于BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷模型[J];系統(tǒng)仿真學(xué)報;2014年06期

相關(guān)博士學(xué)位論文 前2條

1 高明亮;直流電法地電模型參數(shù)辨識的非線性方法研究[D];吉林大學(xué);2016年

2 閆濱;大壩安全監(jiān)控及評價的智能神經(jīng)網(wǎng)絡(luò)模型研究[D];大連理工大學(xué);2007年

相關(guān)碩士學(xué)位論文 前4條

1 崔妮;基于無線傳感器網(wǎng)絡(luò)的采煤機(jī)狀態(tài)監(jiān)測系統(tǒng)設(shè)計與實現(xiàn)[D];中北大學(xué);2016年

2 王圳;基于神經(jīng)網(wǎng)絡(luò)的破碎機(jī)傳動系統(tǒng)故障診斷研究[D];遼寧科技大學(xué);2015年

3 薛明玉;遺傳算法和神經(jīng)網(wǎng)絡(luò)在結(jié)構(gòu)損傷識別中的應(yīng)用[D];大連理工大學(xué);2010年

4 段侯峰;基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[D];北京交通大學(xué);2008年

本文編號：2717491