基于VMD和CNN-BiLSTM的矿井提升电动机故障诊断方法

针对传统基于音频信号的电动机故障诊断方法获取电动机音频信号特征信息不足和故障诊断精度不高的问题,提出了一种基于优化的变分模态分解(VMD)和卷积神经网络CNN-双向长短期记忆(BiLSTM)的矿井提升电动机故障诊断方法。针对模态混叠和端点效应问题,采用鲸鱼算法(WOA)优化的VMD对电动机音频信号进行分解,将电动机音频信号分解为K个本征模态分量(IMF),经Pearson相关系数筛选后,提取主IMF分量的13维静态MFCC特征参数,为了获取信号的动态特征,提取13维静态MFCC的一阶差分和二阶差分系数,构成39维特征向量,从而把动静态特征结合起来,提高故障诊断性能。为了提高故障诊断精度,在CNN中引入BiLSTM层,CNN在空间维度上提取音频信号的局部特征,BiLSTM在时间维度上保留音频信号的双向时间序列信息,捕获音频信号长距离依赖关系,从而最大程度保留全局和局部特征。实验结果表明:①VMD分解的每个IMF分量都具有独立的中心频率且分布均匀,在频域上表现出稀疏性的特点,能够有效避免模态混叠问题;在IMF求解中,VMD分解通过镜像延拓的方式避免了经验模态分解(EMD)和集合经验模态分解(EEMD)中出现的端点效应问题。②基于13维静态MFCC特征的故障诊断准确率为97.5%,基于39维动静态MFCC特征的故障诊断准确率比基于13维静态MFCC特征的故障诊断准确率提高了1.11%。③基于CNN-BiLSTM诊断模型的准确率达到98.61%,与目前通用诊断模型CNN,BiLSTM和CNN-LSTM相比,准确率分别提高5.83%,4.17%和3.89%。

故障树分析法在矿井提升机电动机故障诊断中的应用

故障树分析法是研究系统的故障与组成系统的零件(子系统)故障之间的逻辑关系,它包括研究引起系统故障的因素之间因果关系的定性分析及定量分析等。故障树具有逻辑关系清晰、形象等特点,能够全面、简洁、形象地描述导致事故的各种原因及逻辑关系,从而使有关人员了解和掌握安全控制的要点和措施,对矿井提升机的故障诊断提供有效帮助。

矿井提升系统常见故障类型分析与诊断技术研究

针对矿井提升系统故障形式复杂、故障类型多样、传统故障诊断结果不准确等问题,本文对矿井提升系统常见故障类型和特征进行分析,指出了矿井提升机常见电动机故障、齿轮箱故障和减速机故障的原因和故障主要特征,确定了不同故障异常特征检测点的位置。建立了矿井提升机多维数据融合故障智能诊断系统,以现场实际应用的立式缠绕式双滚筒提升系统进行案例分析,在对应的部位安装传感器采集异常特征,对异常进行可视化分析,不同的故障类型得到振动曲线不同,通过对异常振动曲线可以判断提升系统故障类型。现场试验表明采集到的异常分析过程仅用时1.43 s,异常识别准确率高达98.4%,取得了满意的试验结果.

斜井串车提升系统的故障诊断──异步电动机电磁转矩的检测

介绍计算异步电动机电磁转矩的精确方法及电磁转矩在斜井提升系统故障诊断中的应用。对异步机的高度非线性模型进行坐标变换，使其转变为线性模型；在新坐标系下，给出计算转子磁通、电磁转矩的精确方法。构造了一个拟专家系统的知识库并运用在线计算的电磁转矩设计出一个掉道故障诊断系统。最后给出了现场运行的测试结果。

矿井电动机故障的诊断及修理

对矿井中遭受水淹、火灾后电动机可能出现的各种故障进行了分析,并有针对性地提出了电动机故障的诊断和处理方法。

面向矿井提升机制动系统的SAE故障诊断方法

为了更充分地利用矿井提升机在运转过程中的监测数据,对制动系统进行精确诊断,提出了一种基于稀疏自动编码器(SAE)的故障诊断方法。通过模拟故障试验,获取故障数据,经标准化处理后生成训练集和测试集。并加入Dropout正则化方法对故障诊断模型进行了优化,根据训练结果采用梯度下降法优化模型参数。最后使用测试数据集对优化前后的诊断模型进行对比试验。结果表明,文中提出的提升机故障诊断方法,减少了过拟合现象,降低了获取标签数据的工作量,故障类型的平均分类精度能够达到96%。此方法使用提升机的监测数据,减少人为的影响,可以对矿井提升机的故障进行准确诊断。

矿井异步电动机智能故障诊断方法的研究

针对矿井异步电动机故障诊断技术的研究,归纳总结了矿井异步电动机的故障类型,介绍了传统的故障检测与诊断方法,并简要概述了专家系统、人工神经网络、模糊理论和集成智能诊断系统等智能诊断方法在矿井异步电动机诊断技术方面的应用。

基于多源信息融合的矿井提升机故障诊断研究

为提升设备应用安全性,精准识别矿井提升机故障发生点和故障原因,提出一种基于多源信息融合的故障诊断方法。借助多类型传感器实现系统数据的实时获取与传输,利用多元信息融合技术对设备的差异化数据信息进行融合处理,通过贝叶斯网络完成对数据的深层次分析,确定影响提升机的故障类型和故障点位,从而有效提升设备故障诊断效率,保障生产正常运行。

矿井提升机制动系统故障诊断研究综述

对我国提升机制动系统的状态监测及故障诊断研究现状进行了研究,分析总结了不同科研单位和企业的研究方法与成果,指出了状态监测不完善、多故障诊断能力不足以及不具备制动性能总体评价能力等缺陷,为研究具有日常设备管理、在线监控、故障模拟、预知性维护四位一体的综合管控功能的制动系统健康评价与智能维护体系提供技术支持。

基于模糊故障树和贝叶斯网络的矿井提升机故障诊断

为解决目前矿井提升机故障诊断方法效率低、准确性差等问题,提出了一种基于模糊故障树和贝叶斯网络的矿井提升机故障诊断方法。首先对传感器实时采集的提升机运行参数进行去噪预处理、多源信息融合,保证数据的准确性;然后将处理后的数据输入矿井提升机故障树,采用三角模糊数表示提升机底事件发生概率,得到底事件模糊概率;最后将模糊故障树映射为贝叶斯网络进行可靠性分析,将底事件模糊概率作为先验概率,计算叶节点发生概率,进而获得根节点的后验概率、概率重要度和关键重要度,从而快速确定故障类型和故障点。实例分析结果验证了该方法的可行性。

矿井提升机振动测试与故障诊断

采用振动测试的方法,通过信号的时域、频域和幅值域分析相结合,对矿井提升机进行了状态监测与故障诊断,测试分析结果与实际情况相吻合。该方法对其他大型旋转机械的振动测试具有一定的参考价值。

矿井提升机振动监测系统的设计及其故障诊断

针对某矿提升机传动系统的运行现状,文章提出并设计了一种矿井提升机振动监测系统,该系统可实现矿井提升机的在线状态监测、诊断和预报。文章还举例说明了振动分析在提升机减速器齿轮故障诊断方面的应用,测试分析结果较好地反映了提升机减速器的真实工况和故障。

基于模糊推理的矿井提升机故障诊断方法的研究

运用模糊理论和模糊推理方法,论述了基于矿井提升机的故障诊断方法。有效的解决了由于设备系统知识的模糊性所引起的不确定性问题,实现了设备的状态检测和故障诊断。

矿井提升机制动器的GA-BP故障诊断

针对矿井提升机制动器经常出现故障、耦合信号导致故障诊断相对复杂的问题,采用遗传算法优化BP神经网络的方法,通过调查和研究矿井提升机制动器的故障类型,收集相关数据,根据GA-BP神经网络确定网络的输入量和输出量,对矿井提升机制动器进行故障诊断.利用Matlab进行遗传算法优化的BP神经网络故障诊断的仿真分析.研究结果表明,诊断误差较小,输出向量与实际的故障结果一致,所以将遗传算法优化BP神经网络应用到矿井提升机制动器的故障诊断中是有效且可行.

基于HMM的矿井提升机故障诊断方法

结合隐马尔可夫模型(HMM)所需训练样本少及可解释的优点,提出了基于HMM的矿井提升机故障诊断方法。利用多个加速度传感器在提升机运行的不同转速阶段采集数据,通过快速傅里叶变换(FFT)从提升机振动信号中进行特征抽取后,再由劳埃德算法(Lloyd)进行标量量化,根据HMM建模理论,训练HMM诊断库,再利用训练好的HMM对提升机进行状态监测和故障诊断。

矿井提升系统振动测试与故障诊断

针对某矿井提升机井架异常振动现象,根据振动测试原理,设计了测试方案和测试流程。对某矿井驱动装置和井架等采取静态振动测试,提升机运行采取动态测试。通过信号的时域和频域分析,得出提升系统振动现象是由电磁振动、机械振动和主绳振动形成共振,致使系统的振动增大的结论。所得测试数据和分析结果对矿井提升系统的优化设计、检测与运行管理有指导意义。

矿井提升机振动故障诊断

以振动强度和振动频谱分析为依据,对煤矿主井提升减速机多次损坏的原因进行分析诊断,从而查明联轴器磨损是引起故障的主要原因。

基于BP神经网络的矿井提升机故障诊断研究

介绍了一种采用BP神经网络故障诊断法对矿井提升机进行故障诊断分析的方法;以提升机运行状态为例,建立了BP神经网络故障诊断模型,并在Matlab环境下进行了仿真训练。仿真结果表明,基于BP神经网络的矿井提升机故障诊断模型收敛速度快,能够很好地预测提升机的故障类型及位置。

基于模糊神经网络的矿井提升机故障诊断研究

研究矿井提升机故障诊断问题。针对现有的矿井提升机故障诊断系统中知识表示单一、学习能力较弱,从而导致诊断推理结果不稳定的问题,提出了一种基于模糊神经网络的矿井提升机故障诊断方法,首先把矿井提升机故障样本进行模糊化,将不可能出现、多余的故障样本剔除,并输入到已经训练好的BP神经网络里进行数据训练,然后利用MATLAB软件中的工具箱对矿井提升机液压制动系统故障的具体实例进行了仿真。仿真结果表明模糊神经网络可以过滤掉多余信息,节省时间和空间,能够很好地对矿井提升机的故障进行预测,提高了故障诊断的准确性和可靠性。

矿井提升机振动的故障诊断与控制措施

通过对某矿井提升机进行现场振动测试,采用时域、频域、相干分析及倒频谱分析等信号处理技术,诊断出设备运行中多处振源所在位置,并分析了产生强烈振动的主要原因,提出了几种振动控制措施。