基于最小熵解卷积的带式输送机传动滚筒轴承故障诊断

带式输送机传动滚筒轴承发生故障时,特别是早期故障,其振动信号中隐含的脉冲故障信息很微弱,且常被淹没在强烈的噪音中,直接做频谱分析或包络分析,很难提取其故障特征。最小熵解卷积(Minimum Entropy Deconvolution,MED)通过最优滤波器对轴承微弱故障信号进行最优滤波,提高了信号的信噪比,然后对滤波后的信号进行包络解调分析,能够提取出信号中隐含的故障特征。将该方法应用于带式输送机传动滚筒中的滚动轴承故障诊断,成功提取出了轴承内圈的早期微弱点蚀故障特征。对FIR滤波器阶数L的选择进行了分析,以确保最优的MED解卷积效果。仿真与应用验证了最小熵解卷积方法在滚动轴承故障诊断的有效性和优点。

基于RBF网络的传动滚筒测温系统

为实现带式输送机传动滚筒温度的实时监测,利用径向基(RBF)神经网络模型的学习能力,对红外传感器测量值进行修正,降低硬件电路和井下环境对真实值的影响,实现传动滚筒的无接触测温。实验证明:修正后的系统误差保持在1.5℃以内,满足带式输送机在井下的测温要求,具有很好的鲁棒性和泛化力。