基于信息融合理论的风机故障诊断

被引：27

作者：

李宁 ^{[1
,2
,3
]}

王李管 ^{[1
,2
,3
]}

贾明滔 ^{[1
,2
,3
]}

毕林 ^{[1
,2
,3
]}

张建国 ^{[2
,3
]}

机构：

[1] 中南大学资源与安全工程学院

[2] 中南大学数字矿山研究中心

[3] 长沙迪迈数码科技股份有限公司

来源：

中南大学学报(自然科学版) | 2013年 / 44卷 / 07期

关键词：

风机; 监测监控; 故障诊断; 粗糙集理论; 信息融合;

D O I：

暂无

中图分类号：

TP18 [人工智能理论]; TD441 [矿山通风设备];

学科分类号：

081906 [智能矿山工程]; 140502 [人工智能];

摘要：

借助粗糙集理论中的动态层次聚类的连续属性离散化算法和属性约简算法,对金属矿主通风机各类特征信息在线监测的数据进行融合,去除风机故障诊断决策表中的冗余和不一致信息,分析并推导出导致风机故障各因素的内在联系,找出关键因素和非关键因素,最终提取出故障诊断规则。研究结果表明:该故障故障方法能够对金属矿主通风机故障做出快速准确的诊断,并且在某矿山的实际应用中取得了良好的效果,达到了预期的目标。

引用

页码：2861 / 2866

页数：6

共 12 条

[1]

Rough sets and intelligent data analysis.[J]..Information Sciences.2002, 1

[2]

Analyzing discretizations of continuous attributes given a monotonic discrimination function.[J].Robert Susmaga.Intelligent Data Analysis.1997, 1

[3]

ROUGH SETS [J].