發(fā)布時間：2018-04-05 10:01

  本文選題：掘進(jìn)機　切入點：故障診斷　出處：《中國礦業(yè)大學(xué)(北京)》2017年博士論文

【摘要】：我國是目前世界上煤炭開采大國,長期以來,煤礦設(shè)備及人員的可持續(xù)性工作一直制約著煤炭開采業(yè)安全生產(chǎn)的發(fā)展,給國家和人民的生命財產(chǎn)帶來了極為重要的影響。另外,智能化煤礦開采逐漸成為技術(shù)創(chuàng)新所主導(dǎo)新型煤礦開采方式,但是如果作為煤巷掘進(jìn)過程中主要設(shè)備的掘進(jìn)機在智能化發(fā)展中滯后,勢必會引起掘進(jìn)效率的低下,造成經(jīng)濟(jì)損失,影響煤礦正常的掘采效率及經(jīng)濟(jì)社會效益。因此,在煤巷掘進(jìn)過程中保證掘進(jìn)機快速、穩(wěn)定、有效的開展掘進(jìn)工作是保證煤礦安全生產(chǎn)的一項重要任務(wù)。目前,煤巷掘進(jìn)機狀態(tài)監(jiān)測及故障診斷的方法主要是在線閾值判斷,缺乏智能化整機故障診斷理論及方法。在線閾值是一種傳統(tǒng)方法,用電機的電流超限報警及漏電保護(hù)等方式判斷故障情況。液壓部件故障診斷也是通過局部數(shù)據(jù)分析事后判斷。此方法的不足之處在于:局部部件的故障發(fā)現(xiàn)往往是影響整機工作造成停機停產(chǎn)的條件下進(jìn)行,屬于事后維修,閾值判斷的條件過于單一,故障鏈傳播長,難以確定和定位具體故障點。整機系統(tǒng)故障診斷技術(shù)在復(fù)雜系統(tǒng)故障診斷中應(yīng)用廣泛,通過系統(tǒng)各個觀測點的數(shù)據(jù)分析,來判斷掘進(jìn)機故障傳播路徑,智能推理預(yù)測故障可能發(fā)生發(fā)展趨勢。與在線閾值判斷相比,整機系統(tǒng)故障診斷適用于復(fù)雜系統(tǒng)的運行評價,有別于類似元器件診斷評價方法,具有經(jīng)濟(jì)、高效、預(yù)測范圍大、分析推理靈活等優(yōu)點。目前,掘進(jìn)機狀態(tài)監(jiān)測與故障診斷技術(shù)的研究現(xiàn)狀主要有:(1)開發(fā)以嵌入式硬件為平臺的掘進(jìn)機狀態(tài)監(jiān)測及故障診斷系統(tǒng)平臺,多為數(shù)據(jù)顯示及信息閾值判斷平臺;(2)利用模糊神經(jīng)網(wǎng)絡(luò)搭建掘進(jìn)機故障診斷信息專家平臺,理論分析缺乏更有效手段;(3)具體針對掘進(jìn)機的液壓、電氣、機械等部件開展機構(gòu)的故障診斷,注重細(xì)節(jié),但缺乏整機系統(tǒng)的故障診斷推理。分析總結(jié)眾多掘進(jìn)機故障診斷現(xiàn)狀之后,本文提出了基于PSO-BP、故障樹、故障Petri網(wǎng)等復(fù)合網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的掘進(jìn)機故障診斷技術(shù)。圍繞掘進(jìn)機整機系統(tǒng)狀態(tài)監(jiān)測和故障診斷展開研究,完成了基于多種網(wǎng)絡(luò)結(jié)構(gòu)的掘進(jìn)機故障診斷模型,建立了基于PSO優(yōu)化算法模型,分析掘進(jìn)機故障傳播機理及路徑,并通過現(xiàn)場測試數(shù)據(jù)對理論模型的性能和分析結(jié)果進(jìn)行了驗證。本文主要研究成果和結(jié)論如下:(1)建立BP神經(jīng)網(wǎng)絡(luò)的掘進(jìn)機故障診斷模型。本章通過對振動信號的分析,確定了表征掘進(jìn)機截割部故障的特征值,并將已確定的特征值作為神經(jīng)網(wǎng)絡(luò)的輸入向量。通過實驗確定了神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)并經(jīng)過測試確定了網(wǎng)絡(luò)初始參數(shù),建立了BP神經(jīng)網(wǎng)絡(luò),測試了網(wǎng)絡(luò)的性能,針對掘進(jìn)機截割部不同工作狀態(tài),通過BP網(wǎng)絡(luò)的數(shù)據(jù)分析,準(zhǔn)確識別截割作業(yè)的不同正�；蚬收蠣顟B(tài),并根據(jù)該網(wǎng)絡(luò)存在的不足引入了PSO算法對BP神經(jīng)網(wǎng)絡(luò)進(jìn)行了優(yōu)化,建立了PSO-BP神經(jīng)網(wǎng)絡(luò)并測試了網(wǎng)絡(luò)性能,最后通過BP網(wǎng)絡(luò)與PSO-BP網(wǎng)絡(luò)的比較展示出優(yōu)化效果。(2)建立動態(tài)故障樹的掘進(jìn)機故障診斷模型在對掘進(jìn)機整機的結(jié)構(gòu)分析的基礎(chǔ)之上,構(gòu)建了掘進(jìn)機常見的典型故障的故障樹模型,通過對故障樹的定性分析確定了故障樹的最小割集,確定的導(dǎo)致掘進(jìn)機發(fā)生故障的可能故障源的組合。并通過層次分析法獲取了掘進(jìn)機故障樹底事件的相對概率值,完成的掘進(jìn)機故障樹的定量分析,定性求解出了各故障源在掘進(jìn)機系統(tǒng)中的重要度。并依據(jù)該結(jié)果給出了掘進(jìn)機故障的最優(yōu)排查路線,為實現(xiàn)掘進(jìn)機故障源的快速查找及系統(tǒng)設(shè)計的薄弱環(huán)節(jié)提供了依據(jù)(3)建立故障Petri網(wǎng)的掘進(jìn)機故障診斷模型分析傳統(tǒng)Petri網(wǎng)在故障診斷領(lǐng)域應(yīng)用基礎(chǔ)上,給出了故障診斷問題的不同建模分類及一種理論表達(dá),并抽象出故障診斷領(lǐng)域的三大科學(xué)技術(shù)問題;在此基礎(chǔ)上從故障Petri網(wǎng)定義、關(guān)聯(lián)矩陣改進(jìn)、狀態(tài)方程、變遷狀態(tài)標(biāo)識表達(dá)等幾個方面論述了基于故障Petri網(wǎng)的掘進(jìn)機診斷推理方法理論定義及技術(shù)實現(xiàn);最后驗證并指出了智能診斷函數(shù)的表達(dá)形式及故障傳播路徑智能推理一致性表達(dá)。(4)多網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)的掘進(jìn)機故障診斷優(yōu)化研究開展基于掘進(jìn)機實測信號的PSO-BP網(wǎng)絡(luò)優(yōu)化研究,當(dāng)目標(biāo)精度為10~(-3)時,得到的BP神經(jīng)網(wǎng)絡(luò)的平均訓(xùn)練步數(shù)為100.2步,PSO-BP神經(jīng)網(wǎng)絡(luò)的平均訓(xùn)練步數(shù)為4步;當(dāng)目標(biāo)精度為10~(-5)時,得到的BP神經(jīng)網(wǎng)絡(luò)的平均訓(xùn)練步數(shù)為198.5步,PSO-BP網(wǎng)絡(luò)的平均訓(xùn)練步數(shù)為7步。可知PSO-BP網(wǎng)絡(luò)訓(xùn)練時可以更快地達(dá)到目標(biāo)精度,訓(xùn)練速度遠(yuǎn)快于BP神經(jīng)網(wǎng)絡(luò),并且精度提升時PSO-BP網(wǎng)絡(luò)的訓(xùn)練步數(shù)增加量也遠(yuǎn)小于BP神經(jīng)網(wǎng)絡(luò)。故障樹-Petri多種復(fù)合網(wǎng)絡(luò)拓?fù)涔收显\斷模型的研究,完善掘進(jìn)機故障診斷數(shù)學(xué)理論方法。
[Abstract]:......
【學(xué)位授予單位】：中國礦業(yè)大學(xué)(北京)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2017
【分類號】：TD421.5;TP183

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 于海南;鄭榮進(jìn);步文月;蔣歡;;基于BP神經(jīng)網(wǎng)絡(luò)PID控制器在水產(chǎn)溫室溫度控制中的應(yīng)用[J];安徽農(nóng)業(yè)科學(xué);2016年03期

2 公茂法;張言攀;柳巖妮;王志文;劉麗娟;;基于BP網(wǎng)絡(luò)算法優(yōu)化模糊Petri網(wǎng)的電力變壓器故障診斷[J];電力系統(tǒng)保護(hù)與控制;2015年03期

3 葛世榮;;智能化采煤裝備的關(guān)鍵技術(shù)[J];煤炭科學(xué)技術(shù);2014年09期

4 肖遷;李文華;李志剛;劉金龍;劉會巧;;基于改進(jìn)的小波-BP神經(jīng)網(wǎng)絡(luò)的風(fēng)速和風(fēng)電功率預(yù)測[J];電力系統(tǒng)保護(hù)與控制;2014年15期

5 王磊;張清華;馬春燕;雷高偉;何俊;;故障診斷中無量綱指標(biāo)研究綜述[J];信息技術(shù);2014年02期

6 段凌昊;郭愛民;潘勇;;動態(tài)故障樹分析算法研究綜述[J];電子產(chǎn)品可靠性與環(huán)境試驗;2013年04期

7 魏津瑜;張瑋;李欣;;基于PSO-BP神經(jīng)網(wǎng)絡(luò)的高爐煤氣柜位預(yù)測模型及應(yīng)用[J];中南大學(xué)學(xué)報(自然科學(xué)版);2013年S1期

8 尹光志;李銘輝;李文璞;曹偈;李星;;基于改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的煤體瓦斯?jié)B透率預(yù)測模型[J];煤炭學(xué)報;2013年07期

9 李恩龍;溫保崗;;我國懸臂式掘進(jìn)機的發(fā)展趨勢[J];煤礦機械;2013年05期

10 候惠萍;劉混舉;牛衛(wèi)兵;;基于故障樹的掘進(jìn)機液壓系統(tǒng)可靠性仿真分析[J];液壓與氣動;2013年04期

，

本文編號：1714277