采煤機(jī)作為煤礦開采的核心設(shè)備,運行過程中易受工作環(huán)境的影響發(fā)生故障。因此,本文針對采煤機(jī)運行可靠性低、監(jiān)測參數(shù)多、健康狀態(tài)評估準(zhǔn)確率不高的問題,依托多源異構(gòu)數(shù)據(jù)驅(qū)動的綜采設(shè)備群健康評價與多目標(biāo)預(yù)知維護(hù)決策（課題編號:51875451）,設(shè)計采煤機(jī)健康狀態(tài)監(jiān)測系統(tǒng)、構(gòu)建采煤機(jī)健康狀態(tài)評估指標(biāo)體系、建立采煤機(jī)健康狀態(tài)識別模型,以準(zhǔn)確掌握采煤機(jī)健康狀態(tài)。首先,針對采煤機(jī)易受環(huán)境因素影響發(fā)生故障,管理人員無法準(zhǔn)確掌握采煤機(jī)運行狀態(tài)的難題,通過分析采煤機(jī)結(jié)構(gòu),梳理其常見故障,確定反映采煤機(jī)運行狀態(tài)的監(jiān)測參數(shù),設(shè)計采煤機(jī)健康狀態(tài)監(jiān)測系統(tǒng)方案,并在此基礎(chǔ)上進(jìn)行傳感器選型、數(shù)據(jù)采集、通訊配置、監(jiān)測界面設(shè)計,為完成采煤機(jī)健康狀態(tài)監(jiān)測系統(tǒng)奠定基礎(chǔ)。其次,針對采煤機(jī)結(jié)構(gòu)復(fù)雜、狀態(tài)監(jiān)測參數(shù)多且表征性不同的問題,利用灰色關(guān)聯(lián)分析法構(gòu)建采煤機(jī)健康狀態(tài)評估指標(biāo)體系;針對采煤機(jī)狀態(tài)評估過程中權(quán)重分配不合理導(dǎo)致評估準(zhǔn)確率低的問題,建立基于組合賦權(quán)法的采煤機(jī)健康狀態(tài)評估模型,并驗證模型的有效性。然后,針對DBN模型狀態(tài)識別效率不理想的問題,結(jié)合人工蜂群算法（ABC）多目標(biāo)優(yōu)化的優(yōu)勢,提出基于ABC優(yōu)化DBN的健康狀態(tài)識別... 

【文章頁數(shù)】：71 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
abstract
1 緒論
    1.1 選題背景及研究意義
        1.1.1 選題背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 采煤機(jī)監(jiān)測系統(tǒng)研究現(xiàn)狀
        1.2.2 設(shè)備健康狀態(tài)評估研究現(xiàn)狀
        1.2.3 人工神經(jīng)網(wǎng)絡(luò)狀態(tài)識別研究現(xiàn)狀
    1.3 論文研究內(nèi)容
        1.3.1 研究內(nèi)容
        1.3.2 技術(shù)路線
2 采煤機(jī)健康狀態(tài)監(jiān)測系統(tǒng)方案
    2.1 采煤機(jī)結(jié)構(gòu)及常見故障
        2.1.1 采煤機(jī)結(jié)構(gòu)
        2.1.2 采煤機(jī)常見故障及監(jiān)測參數(shù)
    2.2 采煤機(jī)健康狀態(tài)監(jiān)測系統(tǒng)設(shè)計
        2.2.1 采煤機(jī)健康狀態(tài)監(jiān)測系統(tǒng)框架
        2.2.2 采煤機(jī)健康狀態(tài)監(jiān)測系統(tǒng)功能
    2.3 采煤機(jī)健康狀態(tài)監(jiān)測系統(tǒng)
        2.3.1 傳感器選型
        2.3.2 硬件采集模塊
        2.3.3 上位機(jī)軟件
    2.4 本章小結(jié)
3 采煤機(jī)健康狀態(tài)評估與指標(biāo)體系構(gòu)建
    3.1 采煤機(jī)狀態(tài)評估指標(biāo)選取原則
    3.2 采煤機(jī)健康狀態(tài)等級劃分
    3.3 采煤機(jī)健康狀態(tài)評估指標(biāo)體系構(gòu)建
        3.3.1 采煤機(jī)健康狀態(tài)評估指標(biāo)體系構(gòu)建流程
        3.3.2 采煤機(jī)健康狀態(tài)指標(biāo)體系構(gòu)建
    3.4 基于組合賦權(quán)法的采煤機(jī)健康狀態(tài)評估模型
        3.4.1 評估指標(biāo)數(shù)據(jù)無量綱處理
        3.4.2 健康狀態(tài)評估指標(biāo)權(quán)重
        3.4.3 灰色聚類評估白化權(quán)函數(shù)
        3.4.4 基于組合賦權(quán)法的采煤機(jī)健康狀態(tài)評估流程
        3.4.5 基于組合賦權(quán)法的采煤機(jī)健康狀態(tài)評估實驗驗證
    3.5 本章小結(jié)
4 基于ABC優(yōu)化DBN的健康狀態(tài)識別模型構(gòu)建
    4.1 深度置信網(wǎng)絡(luò)
        4.1.1 DBN網(wǎng)絡(luò)結(jié)構(gòu)
        4.1.2 受限玻爾茲曼機(jī)
    4.2 DBN模型的狀態(tài)識別
        4.2.1 DBN訓(xùn)練
        4.2.2 DBN模型的狀態(tài)識別
        4.2.3 DBN識別能力實驗
    4.3 基于ABC優(yōu)化DBN的健康狀態(tài)識別模型
        4.3.1 人工蜂群算法
        4.3.2 基于ABC優(yōu)化DBN的健康狀態(tài)識別
        4.3.3 基于ABC優(yōu)化DBN的健康狀態(tài)識別模型實驗驗證
    4.4 本章小結(jié)
5 采煤機(jī)健康狀態(tài)識別實驗分析
    5.1 采煤機(jī)健康狀態(tài)監(jiān)測
    5.2 采煤機(jī)健康狀態(tài)識別實驗流程
    5.3 采煤機(jī)健康狀態(tài)識別實驗分析
    5.4 本章小結(jié)
6 結(jié)論與展望
    6.1 結(jié)論
    6.2 展望
致謝
參考文獻(xiàn)
附錄


【參考文獻(xiàn)】：
期刊論文
[1]基于AHP-熵權(quán)法的高鐵接觸網(wǎng)可信性評價研究[J]. 劉潤愷,于龍,陳德明.  鐵道科學(xué)與工程學(xué)報. 2019(08)
[2]基于深度置信網(wǎng)絡(luò)的電力負(fù)荷識別[J]. 徐春華,陳克緒,馬建,劉佳翰,吳建華.  電工技術(shù)學(xué)報. 2019(19)
[3]天地科技上海分公司采煤機(jī)智能化技術(shù)現(xiàn)狀與展望[J]. 劉振堅,邱錦波,莊德玉.  中國煤炭. 2019(07)
[4]2025年中國能源消費及煤炭需求預(yù)測[J]. 謝和平,吳立新,鄭德志.  煤炭學(xué)報. 2019(07)
[5]動車組輔助供電系統(tǒng)健康狀態(tài)評估[J]. 趙峰,李淵琴,高鋒陽,陳鮮.  鐵道科學(xué)與工程學(xué)報. 2019(03)
[6]一種基于SCADA參數(shù)關(guān)系的風(fēng)電機(jī)組運行狀態(tài)識別方法[J]. 張帆,劉德順,戴巨川,王超,沈祥兵.  機(jī)械工程學(xué)報. 2019(04)
[7]連續(xù)音素的改進(jìn)深信度網(wǎng)絡(luò)的識別算法[J]. 陰法明,趙焱,趙力.  應(yīng)用聲學(xué). 2019(01)
[8]基于圖像聚類的交通標(biāo)志CNN快速識別算法[J]. 伍錫如,雪剛剛.  智能系統(tǒng)學(xué)報. 2019(04)
[9]核電廠重大設(shè)備健康狀態(tài)的模糊綜合評價方法[J]. 沈江飛,潘天成,毛曉明,吳天昊,顧訪.  核動力工程. 2018(06)
[10]基于卷積神經(jīng)網(wǎng)絡(luò)的柴油發(fā)電機(jī)健康評估[J]. 趙東明,程焱明,曹明.  計算機(jī)科學(xué). 2018(S2)

博士論文
[1]城市主次干路的路段行程時間估計與預(yù)測方法研究[D]. 李繼偉.吉林大學(xué) 2012

碩士論文
[1]基于DBN的直升機(jī)飛行狀態(tài)識別技術(shù)研究[D]. 徐坤坤.南昌航空大學(xué) 2018
[2]某型燃?xì)廨啓C(jī)氣路系統(tǒng)健康狀態(tài)評估技術(shù)研究[D]. 肖杰.沈陽航空航天大學(xué) 2018
[3]基于物聯(lián)網(wǎng)的采煤機(jī)狀態(tài)監(jiān)測及壽命管理系統(tǒng)的開發(fā)[D]. 段蛟龍.太原理工大學(xué) 2016
[4]基于多種自適應(yīng)控制算法的A320飛機(jī)飛行效果研究[D]. 魏偉.中國民航大學(xué) 2012
[5]基于CAN總線的采煤機(jī)監(jiān)控系統(tǒng)的研制[D]. 閻二樂.西安科技大學(xué) 2007



本文編號：3652430