目前正處于煤礦智能化建設(shè)的關(guān)鍵階段,而通風(fēng)機(jī)作為煤礦的“礦井之肺”,負(fù)責(zé)將井下對礦工有害的氣體排出并帶來新鮮的空氣。如果發(fā)生故障,將會給企業(yè)造成巨大的經(jīng)濟(jì)損失,并嚴(yán)重威脅井下人員的生命安全,故針對煤礦通風(fēng)機(jī)故障診斷的研究具有重要意義。本文以通風(fēng)機(jī)軸承為切入點,分析了當(dāng)前通風(fēng)機(jī)軸承的主要故障形式,針對故障診斷流程中的特征向量提取和故障類型識別兩方面來改進(jìn)現(xiàn)有的故障診斷模型。（1）針對經(jīng)驗?zāi)B(tài)分解中端點效應(yīng)和模態(tài)混疊問題,分別使用改進(jìn)后的極值點對稱延拓法、集合經(jīng)驗?zāi)B(tài)分解（EEMD）進(jìn)行改善。針對EEMD中虛假分量數(shù)目多的問題,對固有模態(tài)函數(shù)的篩選準(zhǔn)則進(jìn)行改進(jìn),并引入到自適應(yīng)白噪聲的完備總體經(jīng)驗?zāi)B(tài)分解算法中。（2）針對遺傳算法（GA）收斂速度和收斂精度差的問題,對遺傳算法的遺傳算子進(jìn)行改進(jìn)。針對支持向量機(jī)（SVM）參數(shù)不易確定的問題,使用改進(jìn)后的遺傳算法（IGA）來改善SVM參數(shù)尋優(yōu)過程,構(gòu)建IGA-SVM模型。結(jié)果表明,模型有更好地收斂速度和收斂精度,提高了故障識別準(zhǔn)確率。（3）針對SVM模型樣本訓(xùn)練用時長的問題,使用極限學(xué)習(xí)機(jī)（ELM）來替代SVM。針對粒子群算法（PSO）早熟收斂、... 

【文章來源】：中國礦業(yè)大學(xué)江蘇省 211工程院校 教育部直屬院校

【文章頁數(shù)】：94 頁

【學(xué)位級別】：碩士

【文章目錄】：
致謝
摘要
abstract
1 緒論
    1.1 課題研究背景及意義
    1.2 通風(fēng)機(jī)軸承故障診斷方法研究現(xiàn)狀
    1.3 論文主要研究內(nèi)容
    1.4 論文的結(jié)構(gòu)安排
2 煤礦通風(fēng)機(jī)故障機(jī)理分析
    2.1 煤礦主通風(fēng)機(jī)工作原理分析
    2.2 煤礦主通風(fēng)機(jī)軸承故障機(jī)理分析
    2.3 滾動軸承的信號特征頻率分析
    2.4 本章小結(jié)
3 通風(fēng)機(jī)軸承故障特征值提取方法研究
    3.1 傳統(tǒng)的時頻分析方法研究
    3.2 小波變換
    3.3 經(jīng)驗?zāi)B(tài)分解
    3.4 改進(jìn)EMD存在的不足
    3.5 軸承故障特征向量提取
    3.6 本章小結(jié)
4 基于IGA-SVM的軸承故障診斷研究
    4.1 支持向量機(jī)理論研究
    4.2 IGA-SVM模型建立
    4.3 基于IGA-SVM的軸承故障診斷分析
    4.4 本章小結(jié)
5 基于IGA-IPSO-ELM的軸承故障診斷研究
    5.1 極限學(xué)習(xí)機(jī)理論研究
    5.2 IGA-IPSO混合優(yōu)化算法
    5.3 基于IGA-IPSO-ELM的故障診斷模型
    5.4 軸承故障診斷分析
    5.5 本章小結(jié)
6 總結(jié)與展望
    6.1 總結(jié)
    6.2 展望
參考文獻(xiàn)
作者簡歷
學(xué)位論文數(shù)據(jù)集


【參考文獻(xiàn)】：
期刊論文
[1]基于時域和頻域分析的滾動軸承故障診斷[J]. 程秀芳,王鵬.  華北理工大學(xué)學(xué)報(自然科學(xué)版). 2020(01)
[2]采用時域與時頻域聯(lián)合特征空間的轉(zhuǎn)子系統(tǒng)碰磨故障診斷[J]. 趙柄錫,冀大偉,袁奇,李浦,葛慶.  西安交通大學(xué)學(xué)報. 2020(01)
[3]改進(jìn)GA-PSO優(yōu)化SVM的行人檢測算法[J]. 王謙,張紅英.  測控技術(shù). 2019(10)
[4]一種基于FTA的發(fā)射裝置自動測試和故障診斷系統(tǒng)設(shè)計[J]. 高嵐,王偉濤.  計量與測試技術(shù). 2019(05)
[5]基于軟篩分停止準(zhǔn)則的改進(jìn)經(jīng)驗?zāi)B(tài)分解及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用[J]. 彭丹丹,劉志亮,靳亞強(qiáng),秦勇.  機(jī)械工程學(xué)報. 2019(10)
[6]基于CEEMDAN和1.5維譜的滾動軸承早期故障診斷方法[J]. 黃慧杰,孫百祎,任學(xué)平,劉淮全.  中國測試. 2019(02)
[7]基于頻域特征和支持向量機(jī)的汽車水泵軸承故障診斷研究[J]. 唐靜,王二化,朱俊,譚文勝.  機(jī)床與液壓. 2018(13)
[8]CEEMDAN結(jié)合LMS算法在軸承信號降噪中的應(yīng)用[J]. 朱敏,段志善,郭寶良,王苗.  噪聲與振動控制. 2018(02)
[9]基于振動信號頻域分析法的銑齒機(jī)故障診斷[J]. 王志永,杜偉濤,王習(xí)文,陳楊.  制造技術(shù)與機(jī)床. 2018(03)
[10]基于GA-SVM的礦井涌水量預(yù)測[J]. 喬美英,程鵬飛,劉震震.  煤田地質(zhì)與勘探. 2017(06)

博士論文
[1]HHT理論及其在結(jié)構(gòu)健康監(jiān)測中的應(yīng)用研究[D]. 胥保春.南京航空航天大學(xué) 2012

碩士論文
[1]基于VMD和改進(jìn)型極限學(xué)習(xí)機(jī)的短期電力負(fù)荷預(yù)測[D]. 吳佳慧.西安理工大學(xué) 2019
[2]基于小波包和支持向量機(jī)的滾動軸承故障特征提取及診斷研究[D]. 楊紅葉.青島大學(xué) 2019
[3]大型風(fēng)力發(fā)電機(jī)主軸承振動信號故障分析研究[D]. 李雪.沈陽工業(yè)大學(xué) 2019
[4]基于改進(jìn)極限學(xué)習(xí)機(jī)的軸承故障診斷方法研究[D]. 李妍.西安科技大學(xué) 2019
[5]礦用膠帶運輸機(jī)故障診斷研究[D]. 崔陳辰.西安科技大學(xué) 2019
[6]煤礦主通風(fēng)機(jī)滾動軸承的故障診斷系統(tǒng)研究[D]. 張馳.中國礦業(yè)大學(xué) 2019
[7]基于振動信號的滾動軸承故障診斷與狀態(tài)識別方法研究[D]. 彭劉陽.中國礦業(yè)大學(xué) 2019
[8]小波包結(jié)合SVM和神經(jīng)網(wǎng)絡(luò)在滾動軸承故障診斷中的應(yīng)用[D]. 吳曉冬.合肥工業(yè)大學(xué) 2019
[9]煤礦通風(fēng)機(jī)在線監(jiān)測振動分析與故障診斷研究[D]. 安少帥.西安科技大學(xué) 2018
[10]礦用主風(fēng)機(jī)在線監(jiān)測與故障診斷[D]. 原曉丹.西安科技大學(xué) 2018



本文編號：3044693