礦井提升系統(tǒng)擔負著煤炭開采過程中煤炭、設備和人員等運輸任務。剛性罐道作為提升容器運行的導向裝置,是立井提升系統(tǒng)安全運行的保障,其能否正常工作將直接影響到煤礦的安全高效生產(chǎn),因此開展剛性罐道健康監(jiān)測的研究對于煤礦生產(chǎn)具有十分重大的意義。首先,通過研究立井提升系統(tǒng)工作原理后對其結構進行合理的簡化,搭建了立井提升系統(tǒng)實驗臺,該實驗臺是由以電機、卷筒、提升容器、滾輪罐耳和罐道等構成的機械部分和以PLC、變頻器、觸摸屏、編碼器和傳感器等構成的監(jiān)控部分組成。設計立井提升系統(tǒng)剛性罐道動態(tài)測試系統(tǒng),分別模擬剛性罐道無故障激勵、臺階激勵和接頭縫隙激勵三種狀態(tài),并采集提升容器振動加速度信號。其次,采集的提升容器加速度信號是非平穩(wěn)信號,因此采用小波包和EMD-SVD兩種方法提取信號故障特征參數(shù)。采用小波包方法對采集到不同狀態(tài)提升容器加速度信號進行3層小波包分解,并將計算3層小波包分解得到8個頻帶信號的能量值作為故障特征參數(shù)。運用EMD對采集到不同狀態(tài)提升容器加速度信號進行分解,選取前4個固有模態(tài)函數(shù),運用SVD方法計算出每一個固有模態(tài)函數(shù)的奇異值作為故障特征參數(shù)。然后,將采用小波包和EMD-SVD兩種方法提取的信號故障特征參數(shù)分別作為BP神經(jīng)網(wǎng)絡和SVM的訓練樣本和測試樣本。通過基于小波包和BP神經(jīng)網(wǎng)絡、小波包和SVM、EMD-SVD和BP神經(jīng)網(wǎng)絡以及EMD-SVD和SVM的四種方法實現(xiàn)剛性罐道故障模式識別,分別定義BP神經(jīng)網(wǎng)絡的置信度和SVM的平均分類準確率做為模式識別的效果評估準則。仿真表明BP神經(jīng)網(wǎng)絡可以實現(xiàn)剛性罐道故障診斷,但考慮到SVM在小樣本中優(yōu)勢,采用SVM方法進行模式識別更加可靠。分析得出EMD-SVD和SVM的組合方式在故障識別中效果更好。最后,考慮到采用K-CV方法對SVM參數(shù)c和g進行尋優(yōu)存在分類效果不佳和擴大尋優(yōu)范圍增加計算量的問題,因此,采用GA對SVM中參數(shù)c和g進行尋優(yōu),將優(yōu)化得到的最優(yōu)參數(shù)c和g帶入SVM中重新計算分類準確率,通過分析優(yōu)化前后結果可知平均分類準確率提高了7%。分析結果表明采用EMD-SVD作為故障特征參數(shù)提取的方法和GA優(yōu)化SVM作為故障模式識別的組合方式可以對剛性罐道故障模式進行有效的分類。圖[36]表[18]參[80]
【學位單位】：安徽理工大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：TD531.1
【部分圖文】：

圖 2.2 提升體統(tǒng)實驗臺三維圖ting the three-dimensional map of the experim統(tǒng)由主控系統(tǒng)、監(jiān)控系統(tǒng)和檢測系統(tǒng)元。PLC 基本單元配合變頻器與相應變頻器負責控制拖動電機的轉(zhuǎn)速來控人員及時了解提升系統(tǒng)的工作狀況，變頻器PLC性鋼道罐

Y001Y002Y003Y004Y005COMX010X007X006X005X004X003X002DC24VFWDREVCF1CF2CF3COM電機正轉(zhuǎn)電機反轉(zhuǎn)井底到位緊急停車井口減速井底減速井口到位上行下行高速中速低速圖 2.4 立井提升系統(tǒng)電控圖Fig 2.4 Shaft hoist system electrical diagram

2.2 構建立井提升系統(tǒng)數(shù)據(jù)采集系統(tǒng)2.2.1 數(shù)據(jù)采集系統(tǒng)硬件組成數(shù)據(jù)采集設備是選取北京東方振動與噪聲研究所的三方向加速度傳感器（型號為 INV9832）和四通道數(shù)據(jù)采集儀（型號為 INV3062T0）。三方向加速度傳感器可以同時測量 X、Y 和 Z 三個方向的加速度信號，該型號加速傳感器內(nèi)置 IEPE（ICP）。加速傳感器內(nèi)置 IEPE 是指傳感器自帶電量放大器或者是電壓放大器。IEPE 加速度傳感器其內(nèi)部擁有一個放大器和恒流源。恒流源的作用是將電流引入到加速度傳感器中，加速度傳感器的輸出電壓大小與加速度信號大小成正比。
【參考文獻】

相關期刊論文 前10條

1 秦強;戚曉楠;丁建國;將輝;;立井罐道裝備質(zhì)量分析[J];煤礦機械;2015年06期

2 許允之;方永麗;褚鑫;賈立敬;陳魯娜;李曉波;陳奎;;小波包頻帶-能量重構的異步電動機轉(zhuǎn)子斷條故障診斷[J];煤礦機電;2015年02期

3 崔永生;;對鋼絲繩罐道使用的優(yōu)缺點分析[J];科技資訊;2015年06期

4 吳洪兵;樓佩煌;唐敦兵;;基于小波抗體記憶克隆算法的電機故障診斷[J];振動.測試與診斷;2013年05期

5 周飛鵬;肖興明;蔣玉強;;立井剛性罐道故障診斷及系統(tǒng)實現(xiàn)[J];礦業(yè)裝備;2012年02期

6 弓銳敏;肖興明;李占芳;;基于虛擬儀器技術的罐道動態(tài)測試平臺設計[J];煤礦機械;2010年09期

7 關博文;吳君;弓銳敏;王瑩;;基于AT89S52剛性罐道檢測儀設計[J];煤礦機械;2010年04期

8 蔣玉強;吳君;孫莉蓉;肖興明;;剛性罐道動態(tài)多參數(shù)測試系統(tǒng)設計[J];煤礦機械;2009年10期

9 王鵬;肖興明;;基于LabVIEW的剛性罐道動態(tài)測試軟件設計[J];礦山機械;2008年23期

10 龐科旺;卜祥泉;周樹志;;罐道縫隙自動監(jiān)測報警系統(tǒng)的設計[J];礦山機械;2007年08期

相關博士學位論文 前3條

1 邱明權;礦用帶式輸送機托輥健康監(jiān)測方法研究[D];中國礦業(yè)大學;2018年

2 蔣玉強;立井剛性罐道系統(tǒng)的非線性耦合特性及狀態(tài)評估研究[D];中國礦業(yè)大學;2011年

3 李占芳;礦井提升系統(tǒng)振動特性及典型故障診斷研究[D];中國礦業(yè)大學;2008年

相關碩士學位論文 前9條

1 田晶晶;基于遺傳算法-BP神經(jīng)網(wǎng)絡的旋回式破碎機故障診斷系統(tǒng)研究[D];西安建筑科技大學;2018年

2 戚曉楠;基于動力學的立井剛性罐道導向平順性若干問題研究[D];合肥工業(yè)大學;2016年

3 吳武林;基于機器學習的滾動軸承智能診斷方法研究[D];江西理工大學;2015年

4 張拉專;齒輪箱早期故障信號增強與智能診斷方法研究[D];哈爾濱工業(yè)大學;2015年

5 張淼;立井剛性罐道典型故障的模式識別研究[D];中國礦業(yè)大學;2015年

6 朱艷君;立井剛性罐道狀態(tài)監(jiān)測與健康診斷研究[D];中國礦業(yè)大學;2014年

7 白文燕;基于BP優(yōu)化網(wǎng)絡的戈壁土地區(qū)高速鐵路路基沉降的預測研究[D];蘭州交通大學;2013年

8 翟良強;鼠籠式異步電機狀態(tài)監(jiān)測及故障診斷方法的研究[D];南華大學;2012年

9 李方明;人工神經(jīng)網(wǎng)絡在砂土液化判別及震陷預估中的應用[D];南京工業(yè)大學;2005年

本文編號：2883890