煤礦工作面設備是指在綜采工作面進行采煤、裝煤、運煤等生產工序的機械化設備,其中每個設備對煤礦生產都起著關鍵作用。工作面是煤炭生產的第一現(xiàn)場,設備眾多、環(huán)境惡劣、工作空間狹小,設備經常發(fā)生故障。隨著礦井生產系統(tǒng)的不斷優(yōu)化,綜采面設備自動化水平持續(xù)提高,我國煤礦開采技術逐漸向智能化、無人化方向的發(fā)展。設備自動化水平的提高一方面增加了采煤效率,節(jié)約了大量的人工成本,具有良好的經濟社會效益;但另一方面大量的設備維護和故障維修的問題也凸顯出來。設備結構越來越復雜,各個設備之間相互依賴性增加,往往難以及時發(fā)現(xiàn)設備隱患,一旦發(fā)生故障就會導致整個采煤系統(tǒng)癱瘓。工作面瓦斯、粉塵眾多,能見度差,傳統(tǒng)的人工排查故障的方式既對工作人員安全、健康帶來了巨大威脅,同時需要耗費大量的時間,嚴重影響了生產進度,給煤礦造成巨大的損失。因此為了進一步推進智能化無人工作面的發(fā)展,保障煤礦安全高效生產,在綜采面設備自動化水平不斷提高的同時,亟需對綜采工作面設備的狀態(tài)監(jiān)測和故障預警技術進行深入研究。本文根據(jù)綜采工作面的實際情況,以建立智能化無人或少人工作面為目標,研制了一套煤礦工作面設備狀態(tài)綜合監(jiān)測及故障預警系統(tǒng)。本文首先研究... 

【文章來源】：青島科技大學山東省

【文章頁數(shù)】：82 頁

【學位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 論文研究的背景
    1.2 論文研究現(xiàn)狀
        1.2.1 國外研究現(xiàn)狀
        1.2.2 國內研究現(xiàn)狀
    1.3 設備狀態(tài)監(jiān)測與故障預警技術發(fā)展
    1.4 論文主要內容與結構安排
2 設備故障與系統(tǒng)功能需求分析
    2.1 綜采工作面設備簡介
    2.2 設備故障機理分析
        2.2.1 設備振動故障分析
        2.2.2 設備電流故障分析
    2.3 系統(tǒng)功能需求分析
    2.4 本章小結
3 系統(tǒng)硬件設計與選型分析
    3.1 系統(tǒng)總體設計
    3.2 光纖光柵傳感器
        3.2.1 光纖光柵振動傳感器
        3.2.2 光纖光柵溫度傳感器
    3.3 礦用光纖光柵解調儀
    3.4 監(jiān)測與通信分站設計
    3.5 系統(tǒng)通信設計
    3.6 本章小結
4 基于改進BP神經網絡的設備故障預警算法
    4.1 神經網絡簡介
        4.1.1 生物神經網絡簡介
        4.1.2 人工神經元基本模型
        4.1.3 神經網絡的特點
    4.2 BP神經網絡模型
    4.3 遺傳算法改進BP神經網絡
        4.3.1 遺傳算法介紹
        4.3.2 遺傳算法優(yōu)化BP神經網絡
        4.3.3 遺傳算法改進BP神經網絡的設備故預警模型
    4.4 仿真及結果分析
    4.5 本章小結
5 系統(tǒng)軟件設計
    5.1 監(jiān)測與通信分站軟件設計
        5.1.1 設備窗口設計
        5.1.2 用戶窗口設計
        5.1.3 實時數(shù)據(jù)庫設計
        5.1.4 運行策略設計
    5.2 上位機軟件設計
        5.2.1 界面設計
        5.2.2 數(shù)據(jù)詞典設計
        5.2.3 設備通信設計
        5.2.4 組態(tài)王與MySQL數(shù)據(jù)庫交互設計
    5.3 故障預警軟件設計
    5.4 系統(tǒng)應用效果分析
    5.5 本章小結
總結與展望
    總結
    展望
參考文獻
致謝
攻讀學位期間發(fā)表的學術論文目錄


【參考文獻】：
期刊論文
[1]煤礦采礦安全管理及其事故防范[J]. 任乾.  山東工業(yè)技術. 2019(10)
[2]電機常見故障判斷分析及處理方法[J]. 張燕紅.  山東工業(yè)技術. 2019(10)
[3]人工智能在計算機網絡技術中的運用探析[J]. 耿斌.  山東工業(yè)技術. 2019(08)
[4]2018年煤炭供需形勢分析及2019年展望[J]. 肖新建.  中國能源. 2019(02)
[5]基于改進的自適應遺傳算法優(yōu)化BP神經網絡[J]. 蘇崇宇,汪毓鐸.  工業(yè)控制計算機. 2019(01)
[6]人工神經網絡發(fā)展歷史與訓練算法概述[J]. 彭驛茹.  科技傳播. 2018(21)
[7]國家安監(jiān)總局發(fā)布《安全生產標準“十三五”發(fā)展規(guī)劃》[J].   中國標準化. 2017(21)
[8]綜合機械化采煤設備的配套分析[J]. 彭亮.  機械管理開發(fā). 2017(02)
[9]基于結構化神經網絡的煤礦輸送機同步帶傳動精度預測[J]. 趙廣智.  煤炭技術. 2017(03)
[10]基于GA-BP的煤礦大型機電設備D-S數(shù)據(jù)融合故障診斷的研究[J]. 馬憲民,梁蘭,張永強,施樂平.  煤炭技術. 2016(01)

博士論文
[1]井下工作面設備無線監(jiān)測網絡與故障診斷關鍵技術研究[D]. 阮殿旭.中國礦業(yè)大學 2011
[2]蟻群算法及其應用研究[D]. 楊劍峰.浙江大學 2007

碩士論文
[1]煤礦井皮帶運輸狀態(tài)監(jiān)測與事故預警系統(tǒng)研究[D]. 范麗婭.河北科技大學 2019
[2]基于遺傳算法-BP神經網絡的旋回式破碎機故障診斷系統(tǒng)研究[D]. 田晶晶.西安建筑科技大學 2018
[3]乳化液泵站液壓系統(tǒng)可靠性分析[D]. 馬霖.西安科技大學 2018
[4]小波分析和CPSO-NP優(yōu)化SVM的電機故障診斷方法研究[D]. 周樂.遼寧工程技術大學 2018
[5]基于改進GA算法的HEV能量管理策略的研究與優(yōu)化[D]. 李天澤.上海電機學院 2017
[6]基于無線傳感器網絡的采煤機狀態(tài)監(jiān)測系統(tǒng)設計與實現(xiàn)[D]. 崔妮.中北大學 2016
[7]煤礦大型設備在線監(jiān)測與故障診斷系統(tǒng)的研究與應用[D]. 黃俠.貴州師范大學 2016
[8]基于遺傳算法優(yōu)化BP神經網絡的乳化器故障預警系統(tǒng)的研究[D]. 陸康健.杭州電子科技大學 2016
[9]基于人工神經網絡的煤礦安全評價研究[D]. 胡瑞卿.安徽理工大學 2015
[10]采煤機液壓浮動調姿牽引機構的設計與仿真研究[D]. 田操.黑龍江科技大學 2015



本文編號：3204090