基于小波_神经网络的矿用通风机故障诊断研究

主讲神经网络的诊断方法

第29卷第6期 2004年12月

煤 炭 学 报JOURNALOFCHINACOALSOCIETY

Vol.29 No.6 Dec.

2004

文章编号:0253-9993(2004)06-0736-04

基于小波-神经网络的矿用通风机故障诊断研究

荆双喜,冷军发,李 臻

(河南理工大学机械工程系,河南焦作 454003)

摘 要:运用小波包频道能量分解技术提取了不同频带反映矿用通风机不同工作状态的特征向量,以此作为BP神经网络的故障样本,经训练的网络作为故障智能分类器可对通风机的工作状态进行自动识别和诊断.研究结果表明,小波包与神经网络相融合的故障诊断与识别技术发挥了两者的优点,是提取机械故障特征进行设备状态自动识别的有效方法.关键词:小波包;BP网络;通风机;故障诊断

中图分类号:TH165 3;TP391 5 文献标识码:A

Studyonthemineventilatorfaultdiagnosisbasedon

waveletpacketandneuralnetwork

JINGShuang xi,LENGJun fa,LIZhen

(DepartmentofMechanicalEngineering,HenanPolytechnicUniversity,Jiaozuo454003,China)

Abstract:Whichreflectsdifferentworkingstateofventilator,wasextractedfromdifferentfrequencysegmentwiththetechnologyofwaveletpacketfrequencysegmentpowerdecomposition,andtakingitasinputfaultsampleofBPneuralnetwork Thetrainednetwork,asfaultintelligentclassification,hasverystrongidentificationcapability,whichcaniden tifyautomaticallytheworkingstateofventilator Theresultofresearchshowsthatthefaultdiagnosisandidentificationtechnology,basedonsyncretizingwaveletpacketandneuralnetwork,exertstheirstrongpoints,andit saeffectivemethodofextractingmechanicalfaultcharacteristicandauto identifyingequipment sworkingstate Keywords:waveletpacket;BPnetwork;ventilator;faultdiagnosis

通风机是保证煤矿安全生产的重要设备,对其进行状态监测与故障诊断有着极其重要的意义.目前对通风机的故障诊断大多采用振动频谱分析的方法,通过对故障特征信息的提取并加以识别,从而进行故障诊断,这种传统的故障诊断方法中的故障特征提取与识别均靠人工来实现,其诊断水平受技术人员的知识、经验等多方面因素的制约,难免出现误诊、漏诊,为避免这些问题的产生,人们一直在研究智能故障诊断技术.

本文以矿用通风机为研究对象,研究基于小波分析和人工神经网络的故障自动识别技术,主要利用小波变换具有的良好时频局部化性能以提取故障特征信息,以及BP人工神经网络较强的非线性映射、较好的容错能力进行状态的自动识别.即通过小波变换,把通风机振动信号分解在不同的频段内,各频段内的能量可形成一个特征向量,且对应通风机不同的故障有不同的特征值,该向量可作为BP神经网络的输入

收稿日期:2004-04-29

基金项目:河南省科技攻关项目(0424260115)

作者简介:荆双喜(1962-),男,河南巩义人,博士,教授.Tel:0391-3987203,E-mail:jsx@hpu edu cn