矿井主通风机在线监测与故障诊断系统

被引:20
作者
李曼 [1 ]
司颉 [1 ]
张锋军 [2 ]
机构
[1] 西安科技大学机械工程学院
[2] 陕西省煤炭科学研究所
关键词
通风机; 在线监测; 小波包; 神经网络;
D O I
暂无
中图分类号
TD441 [矿山通风设备];
学科分类号
081906 [智能矿山工程];
摘要
文中以矿井主通风机为对象,对其常见故障类型、表现特征进行了研究和分析,确定了可反映风机运行状态和性能的主要监测参数。构建了以计算机为核心的硬件平台,设计开发了相应的监测和故障诊断程序,实现了通风机的重要参数的实时监测和常见故障诊断。故障诊断采用了以通风机的振动信号为诊断依据,利用小波包分解技术从不同频带中提取故障特征信息,作为BP网络的故障样本,建立故障智能诊断系统的方法。该研究对提高矿井通风机运行的安全性和故障诊断的准确性,保证煤矿安全高效生产具有重要的现实意义。
引用
收藏
页码:62 / 63+110 +110
页数:3
相关论文
共 6 条
[1]
Performance evaluation methods and instrumentation for mine ventilation fans [J].
LI, Man ;
WANG, Xue-rong .
Mining Science and Technology, 2009, 19 (06) :819-823
[2]
基于多传感器信息融合的矿井通风机故障诊断 [J].
凌六一 ;
黄友锐 .
煤炭科学技术, 2008, (06) :72-74
[3]
基于小波分析的风机故障诊断 [J].
胡汉辉 ;
杨洪 ;
谭青 ;
易念恩 .
中南大学学报(自然科学版), 2007, (06) :1169-1173
[4]
基于小波和概率神经网络的煤矿主通风机故障诊断 [J].
付华 ;
尹丽娜 ;
汪琦 .
电气技术, 2007, (04) :21-24
[5]
GAF型矿用轴流式主要通风机现场性能测试 [J].
张俊 ;
姚金林 .
煤炭科学技术, 2005, (03) :22-25
[6]
基于小波-神经网络的矿用通风机故障诊断研究 [J].
荆双喜 ;
冷军发 ;
李臻 .
煤炭学报, 2004, (06) :736-739