基于改进DDNet的皮带输送机位移故障诊断研究

针对煤矿带式输送机皮带位移故障诊断中存在局限性大、耗时长的问题,将故障数据进行多源异构处理,并在数据处理的基础上将边缘检测算法与深度细节网络,构建了一种结合边缘检测算法与改进深度细节网络的多源异构数据故障诊断模型;首先利用边缘检测算法提取输送机图像中的边缘特征,然后结合多源异构数据,并通过改进后的深度细节网络进行故障识别,并构建故障诊断模型;结果表明检测模型在皮带边缘图像数据处理的检测准确率平均值为95.27%,比目标检测算法和K最邻近分类算法的准确率高出了5.34%和10.21%;同时检测模型的图像数据查全率平均值为93.46%,比目标检测算法和K最邻近分类算法的查全率高出了4.09%和7.18%;这说明研究构建的多源异构数据故障诊断模型能够显著提升皮带位移检测的可靠性和鲁棒性,具有重要的研究价值和实际应用前景。

皮带输送机托辊故障声源定位方法

为实现对皮带输送机托辊故障实时监测,提出一种基于广义互相关时延估计的托辊故障声源定位方法,并开发相关系统。首先通过安装在与皮带输送机旁间隔一定距离处的传声器采集声音信号,采用VMD与包络谱峭度方法有效提取托辊声音信号的故障频率信息。随后采用广义互相关时延估计算法对声音信号中选定的IMF分量进行广义互相关时延估计,根据时延域中互相关系数最大值所对应的时间差确定时延,结合声音在空气介质中的传播速度,以及故障声源位置与传声器之间的空间几何关系,确定故障声源位置。最后开发出托辊故障声源定位系统并投入现场运行,实验和现场应用结果表明,采用所提方法及相关系统能够实现托辊故障声源的准确定位。

基于数字孪生的带式输送机状态综合监测

依据工程图纸建立带式输送机数字孪生模型,利用卷积神经网络(CNN)分析、DS证据决策等技术手段,实现了电流、温振、声音等多维信号的融合分析和设备运行状态综合评价;然后利用语音辨识、遥控等互动技术,实现带式输送机运行状态在实体沙盘上的实时呈现,有利于运维人员从宏观、整体上了解设备运行状态,提高巡检效率,为智慧工厂的建设提供一种有效途径。

基于机器视觉的煤矿井下带式输送机堆煤故障监测系统研发

提出了一种基于机器视觉的煤矿井下带式输送机堆煤故障监测系统。在图像预处理阶段分别采用小波去噪算法和加权平均法进行去噪和灰度化处理,随后采用Canny算子进行堆煤图像边缘检测,进而将检测结果与设定阈值对比后进行堆煤故障判断,若发生故障则控制继电器关闭井下带式输送机。试验结果显示,该系统对堆煤故障识别的准确率可达96%,可为煤矿安全生产、监测设备及装备故障诊断方面的研究人员提供一定的借鉴。

基于SBF-ISVD的带式输送机声信号增强方法

在带式输送机的声学诊断过程中,其声信号受混响及背景噪声的干扰十分严重,为此,通过分析混响产生的原因和声信号的组成等,提出了一种基于超指向性波束形成(SBF)去混响和改进奇异值分解(ISVD)降噪的声信号增强方法。首先,利用基于能量变化最大值进行了最优频带选择,确定了包含故障信息较多的频带;然后,利用SBF去除了混响对声信号的干扰,采用ISVD方法对去混响后的信号进行了降噪处理,并对信号进行了包络谱分析,对比了实际测得的故障特征频率和理论的故障特征频率,对带式输送机的故障特征进行了提取;最后,设计了实验,采集了实验数据,利用该方法对煤矿现场采集到的数据进行了分析验证,并将其与加权预测误差算法(WPE)和线性约束最小方差(LCMV)相结合的方法以及递归最小二乘法(RLS)进行了对比。研究结果表明:与原信号相比,经SBF-ISVD方法处理后,实验数据包络谱中内圈故障特征频率153.1 Hz及其倍频312.5 Hz处的幅值明显提高,信噪比从-31.39 dB显著提高至-25.4 dB。基于SBF-ISVD的声信号增强方法去混响和降噪效果显著,轴承故障特征提取效果较好,可实现复杂环境噪声下带式输送机声信号增强的目的。

煤矿用带式输送机托辊故障检测方法

分析煤矿带式输送机托辊常见故障类型及成因,设计出一套托辊故障检测系统,通过将检测装置嵌入输送带的方式进行托辊故障检测,并进行操作界面显示,实现了托辊故障的动态检测过程,对故障类型、故障异常点位以及历史检测数据进行操作界面显示,及时进行故障托辊定位预警,使得检测可靠性及检测效率大幅提升,应用效果显著。

煤矿皮带机跑偏故障处理措施分析

煤矿皮带机是煤矿生产中的重要物料运输设备,然而由于各种原因,煤矿皮带机常常出现跑偏故障,严重影响生产效率和安全性。通过分析煤矿皮带机的跑偏故障,探讨了跑偏故障的原因和特点,并提出了一系列处理措施,包括调整辊道安装、优化皮带材料、改进皮带对中机构等。实践验证,这些处理措施能够有效预防和解决煤矿皮带机的跑偏故障,提高生产效率和安全性。

基于机器视觉的带式输送机跑偏及堆煤故障诊断系统设计

针对带式输送机跑偏及堆煤故障频发的现象,提出了一种基于双基准的检测方法对输送带跑偏进行故障诊断,并采用双目相机对煤流堆煤高度进行实时监测,设定对应的阈值对设备不安全状态进行预警。搭建基于机器视觉的带式输送机跑偏及堆煤故障诊断系统,完成硬件选型及上位机设计。试验结果表明,跑偏故障诊断准确率为99%,跑偏程度计算误差小于3%;堆煤故障诊断准确率为97.5%,煤流高度计算误差在5%以内,可用于工业生产保障。

矿用带式输送机智能远程集中控制系统研究

为解决煤矿主煤流运输系统多部带式输送机运行期间存在的效率低、安全隐患多、智能化控制程度低及岗位多等问题,结合现场实际情况构建了带式输送机智能远程集中控制系统。通过永磁直驱系统提高了驱动系统的传动效率,并为后续的智能化远程控制奠定了基础,该系统还运用了融合智能监控和智能巡检技术。现场应用后,地面监控中心可远程控制井下主煤流运输系统的运行,并实现了系统的自动启停、智能调速、故障预警,提高了煤矿生产的运行效率,降低了劳动成本。

基于冲击脉冲传感器监测技术的矿用胶带机自动化机械监测研究

针对传统矿用胶带机轴承故障监测存在的数据偏差、数据误差、故障诊断准确性低等问题,构建了一种基于冲击脉冲传感器的胶带机轴承故障监测模型,然后利用模型方法验证实际应用效果。结果表明:迭代至100次时,与长短期记忆网络、时间卷积神经网络相比,模型方法的准确度分别高出0.08和0.13,且模型方法的收敛速度更快,损失函数降低更小,说明模型方法在矿用胶带机轴承故障监测过程中,具有较高的准确性和可行性;将模型方法应用于煤矿胶带机的实时监测中,可准确获取早期故障信号。

煤矿带式输送机的常见故障及其防护措施分析

煤矿带式输送机在煤炭生产中占据重要位置,但结合企业生产现状来看,该装置的故障发生率偏高,极大地影响了企业的正常生产。为解决上述问题,将详细分析煤矿带式输送机的常见故障,包括运输带跑偏、运输带断裂、运输带火灾等;之后,针对如何有效解决上述问题提出了相应的解决对策,希望为相关人员的工作有所帮助。

一种带式输送机故障诊断方法研究

针对带式输送机故障诊断信息采集存在模糊、不全面、精度低等问题,提出一种多信息融合的带式输送机故障诊断方法.其采用声音信号和红外图像两种手段进行信息采集,利用BP神经网络对数据进行处理,并融合鲸鱼算法提高故障诊断正确率;取带式输送机特征向量500组,训练数据为300组,测试数据为150组,最大迭代数为100,维数为3的数据样本分别对声音信号故障诊断和红外图像故障诊断进行实验,结果表明,鲸鱼算法优化的BP神经网络误差最小,准确率最高,满足带式输送机故障诊断需求.

带式输送机机械故障深度迁移学习诊断方法

带式输送机早期机械故障诊断面临现场环境噪声干扰和工况多变等问题。提出了基于深度迁移学习的带式输送机早期机械故障诊断模型。首先利用集成经验模态分解(EEMD)对振动信号进行预处理,得到振动信号的时频特征组图和时频统计特征参数集;然后构建了一种ResNet与Transformer相结合的融合特征提取网络,提取振动信号的局部和全局时频特征;设计了基于域对抗神经网络的深度迁移方法对融合特征提取网络进行优化,以提升模型对变工况场景的适应能力;最后设计了基于物联网的带式输送机早期故障诊断和预测性维护系统,能够有效地提升带式输送机的生产效率和管理水平。

管状带式输送机综合改造方法总结

通过对管状带式输送机故障类型及原因进行分析,结合生产实际对相对应的处理方法进行了总结,为同类型管带机问题处理提供有益参考。

煤矿皮带机常见故障及其处理措施

对煤矿皮带机工作原理、结构及故障分类进行分析。针对电气、机械和传感器故障,提出了排查、定位和处理措施,有利于深入了解煤矿皮带机故障处理的综合方法和实际应用。

胶带机管控保护系统研究

福建某铁矿山胶带机数量十分庞大,为减少因胶带机频繁发生故障对生产造成的影响,在分析了该矿山胶带机常见故障基础上,进行了胶带机管控保护系统研究与分析。结果表明,通过基于光学三角测距原理的纵向撕裂检测技术,基于AI图像识别技术的皮带纵向撕裂检测方法,DCS系统检测、电流异常突变检测、胶带机运行状态检测等技术的应用,可在皮带发生故障后第一时间发现问题并采取有效措施防止事态的发展,尽早恢复生产,将皮带故障造成的损失最小化。

皮带机故障预测与维护策略探究

为了提升皮带机的运行效率并减少由故障导致的停机时间,针对皮带机故障预测及维护策略的关键问题进行了深入的分析。通过综合考察传统方法、机器学习技术,以及基于深度学习的先进预测方法,比较了不同方法在故障检测精度和提前预警能力方面的性能。研究表明,传统方法在处理简单故障时有效,深度学习方法在处理复杂故障模式和提前预测方面展现出显著优势。进一步探讨了结合预测技术来优化预防性和检修性维护策略的可能性,以提高设备可靠性和运维效率。分析强调了采用数据驱动和智能化维护策略的重要性,指出未来的发展趋势将集中于利用人工智能技术优化维护体系,实现皮带机的高效且可靠运行。

煤矿带式输送机数字孪生系统的HCPN性能评价方法

为解决带式输送机在复杂工况下难以进行性能评价的问题,提出一种基于排队论和层次颜色Petri网相结合的性能评估方法。通过排队论将带式输送机建模为服务台,将带式输送机的原煤运输等价为一个层次颜色Petri网模型。将基于概率分布的运输时间、故障概率因素纳入建模因素,构建Python仿真算法,提出适用于智慧煤矿系统的带式输送机性能评估体系。实验证明该方法能实现复杂工况下的带式输送机性能评估,弥补了现有研究针对此类系统无法获得性能解的不足。

煤矿皮带机安装调试常见故障的分析与处理

探讨了煤矿皮带机在安装调试阶段常见的故障问题,总结了跑偏、皮带松驰、电机启动困难、减速机异常、链条断裂等故障类型。通过分析每种故障的原因,提出相应的处理方法,如调整装置、修复部件等,以确保皮带机的安全运行。通过此研究,可提高矿山生产效率,减少设备故障对生产造成的影响。

基于VGG-19的带式输送机滚动轴承故障模型分析与应用

针对传统带式输送机轴承故障诊断方法存在检测准确度低、工作人员劳动强度高、诊断时间长的问题,构建了一套以VGG-19理论为基础的轴承故障诊断系统,并对其算法进行优化。通过实际应用,结果表明:优化后的算法能够准确地提取出轴承的故障信号,故障诊断准确率高达98%,极大地提升了故障诊断效率,降低了维修成本,既能够有效地防止煤矿事故发生,同时又保障了煤矿安全与高效生产。