论文部分内容阅读
矿井主扇风机作为矿井四大关键设备之一，是矿井安全生产的重要保证。它不仅担负井下空气净化工作，而且完成井下粉尘以及其它有毒物质的排出，因此，主扇风机的工作情况直接关系着矿井生产的安全进行。目前，风机监测方法普遍成本较高，同时难以实现风机振动信号的高速采集，因此，本文设计了一种基于ARM与DSP相结合的风机系统监测方法。该方法主要通过以下步骤对风机监测系统设计进行了研究。首先，根据风机振动量频谱的分布特性与风机故障的对应关系，研究了利用神经网络进行风机故障诊断，根据神经网络算法的缺点，本文又对基于遗传算法的优化神经网络算法进行了研究，而后，从硬件实现的角度进行了研究，主要是利用上位机算法所得到的系数矩阵直接编写进入ARM与DSP相结合的硬件平台，从而完成算法在硬件平台上的实现。算法上通过对于两种算法的对比，基于遗传算法优化的神经网络在风机故障诊断方面是更具可行性的，它可以很好的弥补神经网络的不足之处。在硬件实现上通过ARM与DSP相结合的架构，直接将上位机的系数矩阵放到下位机计算完全可以达到风机故障诊断和监测的要求。因此，这种架构在主扇风机故障诊断监测方面具有广阔的应用前景。