论文部分内容阅读
矿井提升机作为矿山最主要的生产设备,其安全性将直接影响着企业的利益和工作人员的生命安全。随着机械技术的进步,矿井提升机各个部件也变得更加精密,一旦某一部件出现异常,就可能引发重大故障。鉴于提升机在矿山中的重要地位,人们很早就开始对它进行安全监测,但是以往的技术比较落后、准确性较差,而且需要专业人员才能开展此项工作。因此,需要将现代技术融入其中,进一步提升其安全性能,鉴于此,对它开展故障诊断方面的研究是具有实际意义的。本文首先分析了矿井提升机易发的各种故障,对现有的故障诊断技术做了一定的研究。对BP神经网络和遗传算法做了相应的计算推导,基于遗传算法的各种优点对BP网络的常见不足做了改进,还将信息融合技术引入其中,在此基础上得到了论文所需要的故障诊断算法。然后根据需要采集的数据设计了传感器、数据采集卡等相关的硬件系统,将传统的防干扰措施做了一些改进,并以Labview为平台设计了包括用户管理、参数设置、参数监测、故障诊断、帮助五个主要模块的软件系统。接着对故障诊断模块进行重点设计,设计了一种矿井提升机故障诊断的方法,即以Matlab为计算后台,对提升机的各个参数进行信息融合,得到训练样本,利用遗传算法优化后的BP神经网络得到训练好的样本,输入系统内进行故障诊断;最后通过数据样本对系统可行性进行了验证。研究得到以下结论:⑴利用遗传算法优化后的BP神经网络相比优化前的BP神经网络,收敛速度更快,而且不会陷入局部最优解,计算结果更加准确。⑵引入信息融合技术后,将多个传感器合理布置,可以实现同一个部位不同空间、不同时间的监测,得到的数据更加准确全面,提高了故障诊断的准确性。⑶设计的闸瓦间隙传感器,比位移传感器更加方便可靠。⑷利用设计的系统对主轴振动和空动时间进行了诊断,最终顺利得到诊断结果,而且结果具有很高的准确率,说明本文设计的系统操作简便、准确性高,可以在一定程度上为矿井提升机的故障诊断做出贡献,进而提升矿井提升机的安全性能。