论文部分内容阅读
煤矿安全的头号敌人是瓦斯爆炸,煤矿通风系统能有效的预防瓦斯爆炸和排除瓦斯险情,因此对煤矿通风机进行有效的监管,对维护煤矿安全生产有重要的意义。本文以对煤矿通风机进行故障类型诊断为目的,开发一个基于LabVIEW的软件系统,以实现对煤矿通风机有效的在线监管。经过本课题的逐步深入的研究,最终完成了一个以小波神经网络为故障诊断模型的煤矿通风机故障诊断系统。其整个研究过程如下：(1)本文首先构建了一个完整的煤矿通风机故障诊断系统的硬件结构框架；其次设计了一个进行振动信号故障诊断的小波神经网络模型。硬件结构框架和算法模型的建立为完成煤矿通风机故障诊断系统奠定了基础。(2)根据矿井环境及煤矿通风机自身的振动量等多方面因素考虑,选择了敏度高、加速度快的AD500T-J型传感器、NIPCI-6251型采集卡为核心的数据采集设备等硬件设备。(3)对比传统的信号分析方法,验证了小波分析的先进性,表现在小波分析在时频域都具有表征信号局部特征的能力,能够良好的处理突发性质的信号。深入剖析了煤矿通风机的故障机理及故障的特征频率。选择了一种改进的自适应调节学习速率的算法对振动样本进行故障诊断,通过与BP标准算法的对比,自适应调节学习速率的改进算法具有较高的预测误差精度和较快的网络收敛速度,具有很好的诊断效果。(4)以LabVIEW为软件开发平台,MATLAB为辅助开发软件建立了-个软件系统,能够对煤矿通风机振动信号进行采集、放大、转换、存储等基本操作,以及振动信号的小波消噪滤波、时域和频域分析、小波分解与重构等高级操作,最终利用神经网络实现煤矿的风机故障诊断。(5)对煤矿通风机故障诊断系统各个主要功能模块的开发过程及主要功能进行详细的研究和说明。精心设计了各个模块的界面,注重舒适的颜色搭配,合理的控件摆放,使整个操作系统更加简洁、舒适、人性化。本课题研究的煤矿通风机故障诊断系统汇集了多项在故障诊断领域先进的技术——虚拟仪器技术、小波分析技术、神经网络技术。在防治井下瓦斯和粉尘,预防井下瓦斯爆炸,维护煤矿安全生产方面具有积极的意义。同时该系统的研发为虚拟仪器技术在煤矿设备安检领域的应用积累了一定的理论经验和实践依据。