（機(jī)械設(shè)計(jì)及理論專業(yè)論文）基于小波神經(jīng)網(wǎng)絡(luò)的礦井局部通風(fēng)機(jī)故障檢測(cè)與診斷研究.pdf

論文題目 專 業(yè) 碩士生 指導(dǎo)教師 基于小波神經(jīng)網(wǎng)絡(luò)的礦井局部通風(fēng)機(jī)故障檢測(cè)與診斷研究 機(jī)械設(shè)計(jì)及理論 馮華光 薛河 龔曉燕 摘要 簽名 簽名 簽名 礦井局部通風(fēng)機(jī)是煤礦掘進(jìn)工作面至關(guān)重要的供風(fēng)設(shè)備 其故障是導(dǎo)致瓦斯爆炸的 主要原因之一 因此 對(duì)礦井局部通風(fēng)機(jī)實(shí)施故障檢測(cè)與診斷具有重大意義 為確保風(fēng) 機(jī)正常穩(wěn)定工作 論文采用虛擬儀器技術(shù) 小波包分析 b p 神經(jīng)網(wǎng)絡(luò)等多元技術(shù)相融合 的方法 研究開發(fā)了以振動(dòng)檢測(cè)為基礎(chǔ)的礦井局部通風(fēng)機(jī)故障檢測(cè)與診斷系統(tǒng) 以實(shí)現(xiàn) 對(duì)礦井局部通風(fēng)機(jī)常見機(jī)械故障的有效診斷 主要完成研究?jī)?nèi)容如下 1 通過對(duì)礦井局部通風(fēng)機(jī)常見機(jī)械故障及機(jī)理 振動(dòng)頻域特性和診斷方法的深 入分析 確定了使用虛擬儀器技術(shù)對(duì)風(fēng)機(jī)振動(dòng)信號(hào)采集管理 小波包能量法提取特征向 量 b p 神經(jīng)網(wǎng)絡(luò)進(jìn)行模式識(shí)別的總體研究方案 該研究方案可以提高系統(tǒng)檢測(cè)診斷的自 動(dòng)化程度和診斷準(zhǔn)確率 降低了硬件費(fèi)用 縮短了軟件開發(fā)周期 2 采用小波分析和神經(jīng)網(wǎng)絡(luò)相結(jié)合的方法對(duì)礦井局部通風(fēng)機(jī)故障診斷模型進(jìn)行 建立 振動(dòng)信號(hào)小波包分解選擇了d b 9 基小波 并定義了五層小波包分解樹 以小波包 分解結(jié)果作為b p 神經(jīng)網(wǎng)絡(luò)輸入向量 常見風(fēng)機(jī)故障類型為輸出向量 并通過試驗(yàn)數(shù)據(jù)和 樣本訓(xùn)練確定神經(jīng)網(wǎng)絡(luò)模型 結(jié)果表明該模型具有適度的網(wǎng)絡(luò)規(guī)模和較短的計(jì)算時(shí)間 識(shí)別結(jié)果具有較高的可信度 3 對(duì)硬件系統(tǒng)進(jìn)行了設(shè)計(jì) 根據(jù)振動(dòng)信號(hào)的采集需要 選擇了l c 0 1 5 1 t 壓電加 速度傳感器 u s b 6 2 21 數(shù)據(jù)采集卡等硬件設(shè)備 確定了基于振動(dòng)檢測(cè)的4 個(gè)測(cè)點(diǎn)分布和 傳感器布置 4 對(duì)軟件系統(tǒng)的功能模型 開發(fā)模型 結(jié)構(gòu)模型及流程等進(jìn)行了分析和設(shè)計(jì) 確定螺旋模型為軟件開發(fā)模型 選擇l a b v i e w 和m a t l a b 為軟件開發(fā)平臺(tái) 設(shè)計(jì)了三 層遞進(jìn)式軟件結(jié)構(gòu) 實(shí)現(xiàn)了風(fēng)機(jī)離線診斷 在線診斷 數(shù)據(jù)采集管理 故障庫(kù)維護(hù) 網(wǎng) 頁報(bào)表生成和數(shù)據(jù)備份等功能 軟件開發(fā)過程中應(yīng)用優(yōu)化算法 使子程序重用性好 執(zhí) 行效率高 人機(jī)交互界面大量采用事件觸發(fā)機(jī)制 使系統(tǒng)能及時(shí)響應(yīng)用戶指令而且節(jié)省 計(jì)算機(jī)資源 5 對(duì)礦井局部通風(fēng)機(jī)故障檢測(cè)與診斷系統(tǒng)進(jìn)行了功能驗(yàn)證和性能評(píng)價(jià) 以礦井 局部通風(fēng)機(jī)的喘振和基礎(chǔ)松動(dòng)兩種故障為例進(jìn)行實(shí)例分析 試驗(yàn)表明經(jīng)驗(yàn)分析與系統(tǒng)診 斷結(jié)果完全一致 從系統(tǒng)參數(shù)和試驗(yàn)統(tǒng)計(jì)的角度對(duì)系統(tǒng)響應(yīng)時(shí)間和可靠性進(jìn)行了評(píng)估 結(jié)果表明系統(tǒng)具有合理的響應(yīng)時(shí)間和良好的可靠性 本論文將虛擬儀器 小波包分析和神經(jīng)網(wǎng)絡(luò)等技術(shù)綜合應(yīng)用到礦井局部通風(fēng)機(jī)的故 障檢測(cè)和診斷上 研發(fā)了集信號(hào)存儲(chǔ)管理 故障分析診斷 故障庫(kù)維護(hù) 報(bào)表生成等功 能于一體的礦井局部通風(fēng)機(jī)故障檢測(cè)與診斷原型系統(tǒng) 可以提高礦井局部風(fēng)機(jī)故障檢測(cè) 和診斷集成化 自動(dòng)化和智能化程度及效率 對(duì)減少掘井工作面瓦斯爆炸事故發(fā)生具有 積極意義 關(guān)鍵詞 礦井局部通風(fēng)機(jī) 故障診斷 小波包理論 人工神經(jīng)網(wǎng)絡(luò) 虛擬儀器技術(shù) 研究類型 應(yīng)用研究 本課題受到陜西省教育廳專項(xiàng)科研基金項(xiàng)h 0 7 1 k 3 1 1 的資助 s u b j e c t r e s e a r c ho nf a u l td e t e c t i o na n dd i a g n o s i so fl o c a lv e n t i l a t o r i nc o a lm i n eb a s e do nw n n s p e c i a l t y m e c h a n i c a ld e s i g na n dt h e o r y n a m e f e n gh u a g u a n g s u p e r v i s o r x u eh e g o n gx i a o y a n a b s t r a c t s i g n a t u s i g n a t u s i g n a t u r e l o c a lv e n t i l a t o ri st h ek e ye q u i p m e n to fa i rs u p p l yt ou n d e r g r o u n de x c a v a t i o nf a c ei nt h e c o a lm i n e a n dt h ef a u l to fl o c a lv e n t i l a t o ri sam a i nf a c t o rt oi n d u c eg a se x p l o s i o n t h e r e f o r e i th a sg r e a ts i g n i f i c a n c et h a tf a u l td e t e c t i o na n dd i a g n o s i so fl o c a lv e n t i l a t o r t oe n s u r en o r m a l a n ds t a b l ew o r ko fl o c a lv e n t i l a t o r b yu s i n gv i r t u a li n s t r u m e n t st e c h n o l o g y w a v e l e tp a c k e t a n a l y s i s b a c kp r o p a g a t i o n b p n e u r a ln e t w o r kt e c h n o l o g ya n dm u l t i d i s c i p l i n a r yt e c h n o l o g y af a u l td e t e c t i o na n dd i a g n o s i ss y s t e mb a s e do nv i b r a t i o nd e t e c t i o ni ss t u d i e da n dd e v e l o p e d i nt h i sd i s s e r t a t i o n w h i c hi se x p e c t e dt or e a l i z ee f f e c t i v ef a u l td i a g n o s i so fl o c a lv e n t i l a t o r t h ep e r f o r m e dr e s e a r c h e sa r ea sf o l l o w s 1 t h ec o m m o nm e c h a n i c a l f a i l u r ea n dm e c h a n i s m v i b r a t i o nf r e q u e n c ya n d d i a g n o s t i cm e t h o d so ft h el o c a lv e n t i l a t o ra r ed e t a i l e d l ya n a l y z e d a n di t i se s t a b l i s h e dt h a t g e n e r a lr e s e a r c hp r o g r a m m eo f v i b r a t i o ns i g n a l sa c q u i s i t i o na n dm a n a g e m e n tb yu s i n gv i r t u a l i n s t r u m e n t s w a v e l e tp a c k e te n e r g ye x t r a c t i o ne i g e n v e c t o r b pa r t i f i c i a l n e u r a ln e t w o r k a n n r e c o g n i t i o n t h i sp r o g r a m m ec o u l di m p r o v et h ea u t o m a t i o na n da c c u r a c y r e d u c et h e c o s to fh a r d w a r e a n ds h o r t e nt h es o f t w a r ed e v e l o p m e n tc y c l e 2 f a u l td i a g n o s i sm o d e li se s t a b l i s h e dt h r o u g hi n t e g r a t i n go fw a v e l e ta n a l y s i sa n d n e u r a ln e t w o r k c h o o s ed b 9 w a v e l e ta n dd e f i n i t i o nf i v ew a v e l e tp a c k e tt r e e w p t f o r w a v e l e tp a c k e td e c o m p o s i t i o n t h ev a l u eo fw a v e l e td e c o m p o s i t i o ns e r v e sa si n p u tv e c t o ro f b pa n n w h i l ec o m m o nf a u l ta so u t p u tv e c t o r a n nm o d e lh a sb e e ns e tu pt h r o u g hs a m p l e t e s tt r a i n i n g w h i c hi ss h o w e dt h a tn e t w o r ks c a l ei sm o d e r a t e c o m p u t i n gt i m ei ss h o r t r e c o g n i t i o nc r e d i b i l i t yi sh i g h 3 t h eh a r d w a r es y s t e m i s d e s i g n e d i n a c c o r d a n c ew i t ht h ev i b r a t i o ns i g n a l s a c q u i s i t i o n l c 015 1ts e n s o ra n du s b 6 2 21d a t aa c q u i s i t i o n d a q c a r da n do t h e rh a r d w a r e e q u i p m e n t sa r ec h o s e n f o u rm e a s u r i n gp o i n td i s t r i b u t i o na n ds e n s o r sl a y o u tb a s e do n v i b r a t i o nd e t e c t i o na r ed e t e r m i n e d 4 t h es o f t w a r ef u n c t i o n d e v e l o p m e n ta n ds t r u c t u r em o d e la r ea n a l y z e da n dd e s i g n e d a d o p t i n gs p i r a lm o d e lt od e v e l o ps o f t w a r e c h o o s i n gl a b v i e wa n dm a t l a ba ss o f t w a r e d e v e l o p m e n tp l a t f o r m d e s i g n i n gt h r e e t i e r e dp r o g r e s s i v es o f t w a r es t r u c t u r eh a v ea c h i e v e d l o c a lv e n t i l a t o ro f f i i n e o n l i n ed i a g n o s i s d a t aa c q u i s i t i o na n dm a n a g e m e n t f a u l td a t a b a s e m a i n t e n a n c e w e br e p o r tg e n e r a t i o na n dd a t ab a c k u pa n de t c a r ei m p l e m e n t e d o p t i m i z a t i o n a l g o r i t h mi sa p p l i e dt o s o f t w a r e d e v e l o p m e n tt oi m p r o v es u b r o u t i n e sr e u s a b i l i t ya n d e f f i c i e n c y h u m a nc o m p u t e ri n t e r a c t i v ei n t e r f a c eh a sa d o p t e dt h ee v e n tt r i g g e rm e c h a n i s ms o t h a tt h es y s t e mc a nr e s p o n du s e rc o m m a n di nt i m ea n ds a v ec o m p u t e rr e s o u r c e s 5 v e r i f i c a t i o na n dp e r f o r m a n c ee v a l u a t i o no fs y s t e ma r ef i n i s h e d a n a l y s i so fs u r g e a n df o u n d a t i o nl o o s e n i n go fl o c a lv e n t i l a t o rh a ss h o w e dt h a te x p e r i e n c ea n a l y s i sc o r r e s p o n d s w i t hd i a g n o s i sr e s u l t t h ea s s e s s m e n to ft h er e s p o n s et i m ea n d r e l i a b i l i t yt h r o u g hp a r a m e t e r s a n dt e s ts t a t i s t i c sh a ss h o w e dt h a tt h e s y s t e mh a sar e a s o n a b l er e s p o n s et i m ea n dg o o d r e l i a b i l i t y v i r t u a li n s t r u m e n t st e c h n o l o g y w a v e l e tp a c k e ta n a l y s i sa n da n nh a v eb e e na p p l i e dt o f a u l td e t e c t i o na n dd i a g n o s i so fl o c a lv e n t i l a t o r t h ep r o t o t y p es y s t e mt h a ti n t e g r a t e ss i g n a l s t o r a g em a n a g e m e n t f a u l td i a g n o s i s f a u l td a t a b a s em a i n t e n a n c e a n dr e p o r tg e n e r a t i o ni s r e s e a r c h e da n dd e v e l o p e d i th a si m p r o v e dt h el e v e la n de f f i c i e n c yo fi n t e g r a t i o n a u t o m a t i o n i n t e l l i g e n c eo fl o c a lv e n t i l a t o rf a u l td e t e c t i o na n dd i a g n o s i s a n dh a sp o s i t i v es i g n i f i c a n c et o r e d u c et h ea c c i d e n to fg a se x p l o s i o ni nu n d e r g r o u n de x c a v a t i o nf a c e k e y w o r d s l o c a lv e n t i l a t o r f a u l td i a g n o s i sw a v e l e tp a c k e t a r t i f i c i a ln e u r a ln e t w o r k a n n v i r t u a li n s t r u m e n t st e c h n o l o g y r e s e a r c ht y p e a p p l i c a t i o nf u n d a m e n t a l s t h i sp r o j e c ts u p p o r t e db ys h a a n x ie d u c a t i o nb u r e a us c i e n c ef o u n d a t i o n n o 0 7 j k 3 1 1 西要料技大學(xué) 學(xué)位論文獨(dú)創(chuàng)性說明 本人鄭重聲明 所呈交的學(xué)位論文是我個(gè)人在導(dǎo)師指導(dǎo)下進(jìn)行的研究工作 及其取得研究成果 盡我所知 除了文中加以標(biāo)注和致謝的地方外 論文中不 包含其他人或集體已經(jīng)公開發(fā)表或撰寫過的研究成果 也不包含為獲得西安科 技大學(xué)或其他教育機(jī)構(gòu)的學(xué)位或證書所使用過的材料 與我一同工作的同志對(duì) 本研究所做的任何貢獻(xiàn)均已在論文中做了明確的說明并表示了謝意 學(xué)位論文作者簽名 馬留 c 1 日期 加諺鄉(xiāng) 廠廣 學(xué)位論文知識(shí)產(chǎn)權(quán)聲明書 本人完全了解學(xué)校有關(guān)保護(hù)知識(shí)產(chǎn)權(quán)的規(guī)定 即 研究生在校攻讀學(xué)位期 間論文工作的知識(shí)產(chǎn)權(quán)單位屬于西安科技大學(xué) 學(xué)校有權(quán)保留并向國(guó)家有關(guān)部 門或機(jī)構(gòu)送交論文的復(fù)印件和電子版 本人允許論文被查閱和借閱 學(xué)?？梢?將本學(xué)位論文的全部或部分內(nèi)容編入有關(guān)數(shù)據(jù)庫(kù)進(jìn)行檢索 可以采用影印 縮 印或掃描等復(fù)制手段保存和匯編本學(xué)位論文 同時(shí)本人保證 畢業(yè)后結(jié)合學(xué)位 論文研究課題再撰寫的文章一律注明作者單位為西安科技大學(xué) 保密論文待解密后適用本聲明 學(xué)位敝儲(chǔ)簽名 譖繹杉指導(dǎo)教師躲藏瀝掘莠 夕矽擴(kuò)年4 月f 厶日 1 緒論 1 緒論 科學(xué)技術(shù)的迅猛發(fā)展使現(xiàn)代工業(yè)生產(chǎn)的自動(dòng)化水平不斷提高 煤礦生產(chǎn)系統(tǒng)不斷龐 大化 復(fù)雜化和高速化 通風(fēng)機(jī)械作為在礦產(chǎn)中的重要設(shè)備 其作用和影響隨之提升 能源的大量需求使煤礦通風(fēng)設(shè)備使用量與日俱增 設(shè)備的安全問題亦日益突出 由此引 起的人身和礦難事故不斷發(fā)生 為此 國(guó)家出臺(tái)了一系列有關(guān)安全管理的規(guī)定 1 2 3 1 要求加強(qiáng)對(duì)通風(fēng)設(shè)備的檢測(cè)檢驗(yàn)及日常維護(hù) 確保設(shè)備安全運(yùn)行 1 1 引言 通風(fēng)設(shè)備運(yùn)行中發(fā)生的故障或失效不僅會(huì)造成重大經(jīng)濟(jì)損失 甚至還可能導(dǎo)致災(zāi)難 性的人員傷亡和惡劣的社會(huì)影響 據(jù)國(guó)家安全生產(chǎn)監(jiān)督管理總局的調(diào)查顯示 全國(guó)三分 之一的國(guó)有煤礦產(chǎn)能瓶頸是通風(fēng)系統(tǒng)能力 多數(shù)國(guó)有地方煤礦通風(fēng)系統(tǒng)存在問題 從全 國(guó)煤礦的生產(chǎn)統(tǒng)計(jì)來看 百分之七 八十的瓦斯爆炸事故發(fā)生在掘進(jìn)工作面 4 1 其主要 原因是礦井局部通風(fēng)系統(tǒng)的故障多 無計(jì)劃停風(fēng)現(xiàn)象嚴(yán)重 造成了系統(tǒng)安全性低下 在 此狀況下煤礦生產(chǎn)缺乏一套局部通風(fēng)機(jī)的故障檢測(cè)和診斷設(shè)施 無法實(shí)時(shí)地對(duì)通風(fēng)設(shè)備 進(jìn)行狀態(tài)監(jiān)測(cè) 不能及早發(fā)現(xiàn)安全隱患 為瓦斯爆炸創(chuàng)造了條件 局部通風(fēng)機(jī)直接面對(duì)掘進(jìn)機(jī)的上山掘進(jìn)巷道 一旦出現(xiàn)故障停止供風(fēng) 幾分鐘內(nèi)就 會(huì)造成工作面迎頭瓦斯積存 極易引起瓦斯爆炸事故1 5 j 局部通風(fēng)機(jī)作為通風(fēng)系統(tǒng)中至 關(guān)重要的機(jī)械設(shè)備 其工作狀態(tài)正常與否嚴(yán)重影響著礦井供風(fēng)質(zhì)量 因此 對(duì)礦井局部 通風(fēng)機(jī)進(jìn)行狀態(tài)監(jiān)測(cè)和故障診斷十分必要 只要保證礦井局部通風(fēng)機(jī)連續(xù)運(yùn)轉(zhuǎn)供風(fēng) 使 礦井局部通風(fēng)地點(diǎn)不積存瓦斯 可一定程度上避免瓦斯事故的發(fā)生 近年來 如何保證 煤礦井下正常供風(fēng) 杜絕瓦斯積存 成了煤礦安全生產(chǎn)中的一個(gè)重要課題 煤礦生產(chǎn)現(xiàn)代化使早期機(jī)械設(shè)備人為定期維修的弊端進(jìn)一步暴露 1 9 8 3 年初原國(guó)家 經(jīng)委和有關(guān)部門在 國(guó)營(yíng)工業(yè)交通設(shè)備管理試行條例 中 明確指出 要根據(jù)生產(chǎn)需要 逐步采用現(xiàn)代故障診斷和狀態(tài)監(jiān)測(cè)技術(shù) 發(fā)展以狀態(tài)監(jiān)測(cè)為基礎(chǔ)的預(yù)防維修體系 們 在政策的推動(dòng)下 煤礦行業(yè)相繼出現(xiàn)許多優(yōu)秀的狀態(tài)監(jiān)測(cè)系統(tǒng) 但對(duì)礦井局部通風(fēng)機(jī)的 狀態(tài)監(jiān)測(cè)卻一直停滯不前 本課題將充分利用測(cè)試領(lǐng)域最新技術(shù)與現(xiàn)代故障診斷最新理 論 建立一個(gè)以小波神經(jīng)網(wǎng)絡(luò)和虛擬儀器為技術(shù)基礎(chǔ)的礦井局部風(fēng)機(jī)在線故障診斷系 統(tǒng) 西安科技大學(xué)碩士學(xué)位論文 1 2 國(guó)內(nèi)外故障診斷研究動(dòng)態(tài) 故障診斷屬于模式識(shí)別的范疇 是近4 0 年發(fā)展起來的一門新興學(xué)科 是適應(yīng)工程實(shí) 際需要而形成的各學(xué)科交叉的綜合學(xué)科 對(duì)設(shè)備的診斷涉及到信號(hào)采集 信號(hào)處理和故 障診斷三方面內(nèi)容 1 2 1 信號(hào)采集與處理技術(shù)的新發(fā)展 信號(hào)采集是故障診斷的前提 信號(hào)處理是故障診斷的關(guān)鍵 為提高礦井局部通風(fēng)機(jī) 的信號(hào)采集質(zhì)量 降低信號(hào)處理成本 我們引入虛擬儀器 虛擬儀器是由美國(guó)n i 公司19 8 6 年提出的 是計(jì)算機(jī)系統(tǒng)與儀器系統(tǒng)技術(shù)相結(jié)合的產(chǎn)物 它利用計(jì)算機(jī)的強(qiáng)大功能 結(jié) 合相應(yīng)的硬件 大大突破傳統(tǒng)儀器在數(shù)據(jù)處理 顯示 傳送 存儲(chǔ)等方面的限制 目前 虛擬儀器在航天 水利 制造等行業(yè)都有廣闊的應(yīng)用 如比利時(shí)i n t e r s o f t 電子工程公司 的r a s s p d p 和r a s s s 軟件 美國(guó)斯坦福大學(xué)的虛擬儀器教學(xué) 實(shí)驗(yàn) 仿真系統(tǒng) 挪威 c a r d i a c 公司基于l a b v i e w 平臺(tái)測(cè)試北海油田石油 大氣 水流的m p f m 系統(tǒng)等1 7 j 近年來出現(xiàn)的小波分析是測(cè)試領(lǐng)域的一大進(jìn)展 為非平穩(wěn)信號(hào)的分析提供了強(qiáng)有力 的工具 對(duì)平穩(wěn)信號(hào)的分析也優(yōu)于f f t 技術(shù) 小波分析將有望取代傳統(tǒng)的f f t 技術(shù)瞄j 小 波分析是一種全新的時(shí)間 尺度 時(shí)間 頻率 分析方法 它具有多分辨率分析的特點(diǎn) 能 有效地從信號(hào)中提取瞬態(tài)突變信息 通過伸縮和平移等運(yùn)算功能對(duì)信號(hào)進(jìn)行多尺度細(xì)化 分析 解決了許多傅里葉變換不能解決的問題 被譽(yù)為分析信號(hào)的 顯微鏡 1 9 1 1 2 2 診斷技術(shù)的新動(dòng)態(tài) 近年來 隨著人工智能 a i 的發(fā)展 診斷自動(dòng)化 智能化逐漸變?yōu)楝F(xiàn)實(shí) 基于人 工智能故障診斷的研究主要分為兩類 基于知識(shí) 符號(hào)推理 的專家故障診斷和基于神 經(jīng)網(wǎng)絡(luò) 數(shù)值計(jì)算 的故障診斷 10 1 表1 1 列舉了專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的特征比較 表1 1 專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)故障診斷特征比較 2 l 緒論 基于知識(shí)的故障診斷 利用領(lǐng)域?qū)＜业慕?jīng)驗(yàn)知識(shí) 根據(jù)用戶給出的關(guān)于問題的信息 數(shù)據(jù) 按照一定的推理機(jī)制 從知識(shí)庫(kù)中選擇對(duì)于問題的最合理的解釋 雖然已經(jīng)出現(xiàn) 了許多成熟的商業(yè)軟件 并且在工程實(shí)踐中得到了應(yīng)用 但仍存在一些問題 知識(shí)獲取 中的 瓶頸 問題難于解決 知識(shí)窄臺(tái)階 問題 易產(chǎn)生 組合爆炸 無窮遞歸 問題 實(shí)時(shí)在線診斷性能差等 基于神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng) 是模擬生物神經(jīng)系統(tǒng)而建立起來的自適應(yīng)非線性系 統(tǒng) 具有可學(xué)習(xí)性和并行計(jì)算能力 可以實(shí)現(xiàn)分類 白組織 聯(lián)想記憶和非線性優(yōu)化等 功能 神經(jīng)網(wǎng)絡(luò)用于故障診斷領(lǐng)域 可以解決趨勢(shì)預(yù)測(cè)和診斷推理問題 目前 人們對(duì) 網(wǎng)絡(luò)的結(jié)構(gòu)類型 學(xué)習(xí)算法和映射 f m b a m 樣本處理等問題進(jìn)行了研究 應(yīng)用模塊化 神經(jīng)網(wǎng)絡(luò)解決大規(guī)模復(fù)雜問題 應(yīng)用剪枝法優(yōu)化網(wǎng)絡(luò)連接方式將遺傳算法 g e n e t i c a l g o r i t h m s 簡(jiǎn)稱g a 和混沌理論應(yīng)用于網(wǎng)絡(luò)的學(xué)習(xí)訓(xùn)練中 解決局部極小問題等 g a 是一種借鑒生物界自然選擇和自然遺傳學(xué)機(jī)理上的迭代自適應(yīng)概率性搜索算法 能進(jìn)行 全局并行 隨機(jī)搜索 具有收斂到全局最優(yōu)的能力 1 2 1 3 g a 能解決神經(jīng)網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu) 的優(yōu)化與高效的學(xué)習(xí)算法等問題 近年來g a 隨著神經(jīng)網(wǎng)絡(luò) 人工生命 進(jìn)化計(jì)算等研 究的興起 引起了人們?cè)絹碓蕉嗟呐d趣 伴隨著神經(jīng)網(wǎng)絡(luò)的復(fù)活 智能診斷領(lǐng)域在近年取得了長(zhǎng)足的進(jìn)展 例如 北卡羅來 納州立大學(xué)的m c h o w 和s o y e e 等人用人工神經(jīng)網(wǎng)絡(luò)對(duì)交流感應(yīng)電動(dòng)機(jī)進(jìn)行了故障診 斷 1 4 1 f a n 等人將改造過的b p 神經(jīng)網(wǎng)絡(luò)用于化工過程故障診斷 具有良好的非線性確定 能力 l5 j 西安交大機(jī)械診斷研究所開發(fā)的機(jī)械診斷快速響應(yīng)神經(jīng)網(wǎng)絡(luò) 哈爾濱工業(yè)大學(xué) 的 機(jī)組振動(dòng)微機(jī)監(jiān)測(cè)和故障診斷系統(tǒng) 6 j 等 1 3 礦井通風(fēng)系統(tǒng)故障診斷研究現(xiàn)狀 目前 國(guó)內(nèi)外投入大量人力物力進(jìn)行礦井通風(fēng)系統(tǒng)的研究 例如 加拿大的s h a r d c a s t l e 采用電子葉片對(duì)礦井通風(fēng)風(fēng)流的測(cè)定評(píng)估及緊急狀態(tài)瓦斯突出的報(bào)警系統(tǒng)進(jìn) 行的研究 1 6 1 7 1 波蘭的w m i r o n o w i c z 對(duì)高瓦斯?jié)舛鹊V井通風(fēng)系統(tǒng)控制的研究 1 8 德國(guó) 的k n o a c k 對(duì)煤礦井下瓦斯驅(qū)散的各種控制方法和系統(tǒng)進(jìn)行了研究分析 l 卅 澳大利亞的 l l u n a r z e w s k i 對(duì)煤礦井下瓦斯預(yù)測(cè) 控制及通風(fēng)系統(tǒng)設(shè)計(jì)等進(jìn)行研列2 0 j 我國(guó)經(jīng)濟(jì)管理 干部學(xué)院對(duì)礦井通風(fēng)系統(tǒng)安全評(píng)價(jià)體系進(jìn)行了研烈2 l 全國(guó)各大煤礦 如平頂山等煤礦 采用 雙局扇雙電源 余度自控系統(tǒng)措施等 3 西安科技大學(xué)碩士學(xué)位論文 對(duì)于風(fēng)機(jī)性能的動(dòng)態(tài)監(jiān)測(cè) 國(guó)內(nèi)外已經(jīng)有一批相當(dāng)成熟的監(jiān)測(cè)系統(tǒng) 而對(duì)于故障診 斷 則因風(fēng)機(jī)的故障形式多種多樣 故障產(chǎn)生的機(jī)理和原因非常復(fù)雜 故障與征兆之間 缺乏明顯的對(duì)應(yīng)關(guān)系 各故障之間還存在著復(fù)雜的耦合關(guān)系等原因 使得該問題的診斷 具有較大的難度1 22 因此 國(guó)內(nèi)外學(xué)者對(duì)于故障診斷的理論 方法和技術(shù)進(jìn)行了深入的 研究 發(fā)展了基于模型的診斷 基于模式識(shí)別的診斷 基于灰色理論的診斷 基于模糊 的診斷 基于專家系統(tǒng)的診斷和基于神經(jīng)網(wǎng)絡(luò)等多種診斷理論和方法 2 3 2 4 2 5 例如 中國(guó)礦業(yè)大學(xué)在建立基于局變環(huán)節(jié)差壓的礦井通風(fēng)機(jī)流量監(jiān)測(cè)模型后 開發(fā)出 z i i i 型礦井主通風(fēng)機(jī)在線監(jiān)測(cè)系統(tǒng)b6 并在現(xiàn)場(chǎng)得到成功應(yīng)用 北京科技大學(xué)潛心研制的 o l m s a 2 型高爐鼓風(fēng)機(jī)監(jiān)測(cè)系統(tǒng) 6 j 等 人工神經(jīng)網(wǎng)絡(luò) 特別是b p b a c kp r o p a g m i o n 誤差反向傳播 網(wǎng)絡(luò)以其良好的模 式分類能力 在風(fēng)機(jī)故障診斷中得到了廣泛應(yīng)用 b p 網(wǎng)絡(luò)是一種多層前饋型神經(jīng)網(wǎng)絡(luò) 在實(shí)際應(yīng)用中絕大部分的網(wǎng)絡(luò)模型都采用b p 及其變種形式 例如 東北大學(xué)設(shè)備診斷工 程中心經(jīng)過多年研究 利用集成神經(jīng)網(wǎng)絡(luò)成功研制出 風(fēng)機(jī)工作狀態(tài)監(jiān)測(cè)診斷系統(tǒng) 2 7 j 取得可喜成績(jī) 黑龍江科技學(xué)院利用b p 網(wǎng)絡(luò)對(duì)礦井通風(fēng)機(jī)振動(dòng)故障的診斷1 2 酬等 1 4 課題的研究?jī)?nèi)容 礦井局部通風(fēng)機(jī)是一種特殊用途的防爆風(fēng)機(jī) 其運(yùn)轉(zhuǎn)環(huán)境相當(dāng)惡劣 安全管理不便 安裝維修困難 2 9 1 對(duì)其故障診斷有別于一般的風(fēng)機(jī) 本課題從實(shí)際出發(fā)建立一套針對(duì)煤 礦廣泛使用的b k j 5 6 n 0 6 3 b 防爆 k 礦井 j 局部 5 6 輪轂l l 1 0 0 q 0 6 3 葉輪直徑 分米數(shù) 型防爆軸流局部通風(fēng)機(jī)的故障檢測(cè)與智能診斷系統(tǒng) 主要完成以下研究?jī)?nèi)容 1 礦井局部通風(fēng)機(jī)故障機(jī)理分析 分析常見機(jī)械故障的特征頻率 產(chǎn)生原因和消除方法 分析確定故障診斷與信號(hào)處理方法 2 小波神經(jīng)網(wǎng)絡(luò)模型建立與優(yōu)化 確定網(wǎng)絡(luò)的輸入節(jié)點(diǎn)即確定振動(dòng)信號(hào)的小波包分解樹 確定網(wǎng)絡(luò)的輸出節(jié)點(diǎn)即常見故障 不平衡 不對(duì)中 松動(dòng) 碰摩 喘振 油 膜渦動(dòng) 軸承損壞等 用m a t l a b 神經(jīng)網(wǎng)絡(luò)工具箱建立三層b p 神經(jīng)網(wǎng)絡(luò) 確定網(wǎng)絡(luò)的隱層節(jié)點(diǎn)對(duì)網(wǎng)絡(luò)模型進(jìn)行有導(dǎo)師訓(xùn)練 根據(jù)訓(xùn)練效果和診斷精度 調(diào)整隱層節(jié)點(diǎn)數(shù) 3 硬件平臺(tái)設(shè)計(jì) 傳感器的選擇與布置傳感器滿足精度要求 性價(jià)比較高 根據(jù)測(cè)試需求合理 布置傳感器位置 使之能獲取可靠有效的信號(hào) 調(diào)理電路的設(shè)計(jì)調(diào)理電路在復(fù)雜的現(xiàn)場(chǎng)環(huán)境中具備強(qiáng)的抗干擾能力 4 1 緒論 數(shù)采卡的選用數(shù)采卡滿足同時(shí)采集多路信號(hào)和采集速度的要求 4 虛擬儀器軟件設(shè)計(jì) 以l a b v i e w 為平臺(tái)編寫數(shù)據(jù)采集與存儲(chǔ)的相關(guān)代碼 設(shè)計(jì)s q l 數(shù)據(jù)庫(kù)存儲(chǔ)故障號(hào) 故障類型及解決方案 并與l a b v i e w 連接 在l a b v i e w 中調(diào)用m a t l a b 計(jì)算引擎對(duì)振動(dòng)信號(hào)進(jìn)行小波包分析 5 軟件界面 診斷報(bào)表的設(shè)計(jì) 6 仿真驗(yàn)證和實(shí)驗(yàn)室驗(yàn)證 7 撰寫開發(fā)文檔材料 制作軟件在線幫助 封裝源代碼 1 5 課題研究目的與意義 礦山設(shè)備的智能化綜合診斷 不僅能滿足礦山瞬息萬變的狀態(tài)要求 而且提高了礦 山設(shè)備檢測(cè)和維修的速度有利于礦山的統(tǒng)籌管理 保證礦山工作的正常進(jìn)行 雖然基于 小波神經(jīng)網(wǎng)絡(luò)的智能診斷作為現(xiàn)代新興的故障診斷方法在煤礦行業(yè)的應(yīng)用還停留在初 級(jí)階段 但無庸置疑它將成為未來的發(fā)展趨勢(shì) 在我國(guó)礦山行業(yè) 傳統(tǒng)的定期維方式仍然根深蒂固 不能預(yù)防突發(fā)性故障 容易引 起失修與過剩維修 除了經(jīng)濟(jì)原因 更重要的是智能化診斷概念沒有深入人心 許多開 發(fā)項(xiàng)目仍停留在實(shí)驗(yàn)室階段 針對(duì)礦井局部通風(fēng)機(jī)的應(yīng)用研究就更加缺乏 要想真j 下使 智能化診斷在礦山行業(yè)中生根發(fā)芽 就必須推出能在理論和實(shí)踐上完全過得了關(guān)的產(chǎn) 品 本課題針對(duì)我國(guó)礦山生產(chǎn)發(fā)展的實(shí)際需要 利用先進(jìn)的虛擬儀器技術(shù) 小波理論和 神經(jīng)網(wǎng)絡(luò) 建立礦井局部通風(fēng)故障檢測(cè)和診斷理論方法 并研發(fā)相應(yīng)的故障檢測(cè)與診斷 系統(tǒng) 這對(duì)于對(duì)提高礦山通風(fēng)安全生產(chǎn)管理水平有著極為重要的現(xiàn)實(shí)意義 5 西安科技大學(xué)碩士學(xué)位論文 2 礦井局部通風(fēng)機(jī)故障診斷分析 礦井局部通風(fēng)系統(tǒng)包括高壓供電系統(tǒng) 低壓供電系統(tǒng)和機(jī)械設(shè)備系統(tǒng)三部分 因此 故障可能來自多方面 受時(shí)間和精力的限制 本課題僅討論礦井局部通風(fēng)機(jī)機(jī)械故障檢 測(cè)與診斷 根據(jù)礦井局部通風(fēng)機(jī)的機(jī)械結(jié)構(gòu) 從常見故障的機(jī)理和特征入手 分析診斷 方法和信號(hào)處理方法 2 1 礦井局部通風(fēng)機(jī)常見故障及機(jī)理分析 礦井局部通風(fēng)機(jī)機(jī)械系統(tǒng)包括 風(fēng)機(jī) 機(jī)座 風(fēng)筒等其它設(shè)備 現(xiàn)在礦用局部通風(fēng) 機(jī)一般為b k j 型防爆軸流式通風(fēng)機(jī) 它適用于煤礦井下其周圍介質(zhì)中有甲烷 煤塵等爆 炸性混合物氣體的環(huán)境中 在交流5 0 h z 電壓至3 8 0 v 或6 6 0 v 的電路中 作為煤礦井下 采掘和采煤巷道及盲巷道局部通風(fēng)之用 其采用電機(jī)直聯(lián)傳動(dòng) 電動(dòng)機(jī)靠機(jī)座散熱片和 軸向氣流進(jìn)行冷卻 結(jié)構(gòu)小巧 緊湊 一般地說 通風(fēng)機(jī)的機(jī)械故障是由通風(fēng)機(jī)的裝配 與安裝 通風(fēng)機(jī)的制造質(zhì)量及運(yùn)行中的損壞所引起的 2 1 1 故障特征頻率分析 常見的礦井局部通風(fēng)機(jī)故障以及特征頻率如下 2 8 3 0 1 1 3 1 1 轉(zhuǎn)子動(dòng)不平衡或靜不平衡 不平衡包括轉(zhuǎn)子系統(tǒng)質(zhì)量偏心及風(fēng)機(jī)轉(zhuǎn)子部件出現(xiàn) 缺損 質(zhì)量偏心是由于制造誤差 裝配誤差 材質(zhì)不均勻等造成的 稱為初始不平衡 轉(zhuǎn)子部件缺損則導(dǎo)致新的不平衡 特征頻率為1 倍頻 2 轉(zhuǎn)子與靜止件摩擦 由于軸撓曲 轉(zhuǎn)子與靜止件熱膨脹不一致 轉(zhuǎn)子對(duì)中不良 等原因引起 特征頻率為高次 低次及混合諧波 常伴有1 倍頻 3 基礎(chǔ)松動(dòng) 基礎(chǔ)振動(dòng)來源于螺栓松動(dòng) 軟腳或過大的間隙 通常表現(xiàn)為多頻率 的振動(dòng) 特征頻率為2 倍頻 伴有l(wèi) 3 4 5 6 倍頻甚至更高頻 4 軸承油膜渦動(dòng) 油膜渦動(dòng)是由滑動(dòng)軸承油膜力學(xué)特性引起的自激振動(dòng) 特征頻 率 o 5 倍 常伴有l(wèi) 倍頻 5 軸承安裝不良或損壞 軸承振動(dòng)很復(fù)雜 種類繁多 工作狀態(tài)往往與轉(zhuǎn)軸有關(guān) 軸承損壞的主要原因是軸承偏心和點(diǎn)蝕引起相應(yīng)的沖擊 其特征頻率為1 倍頻 伴有超 低頻和高頻 6 喘振 喘振是流體機(jī)械運(yùn)行最惡劣 最危險(xiǎn)的工況之一 對(duì)機(jī)械危害極大 導(dǎo) 致喘振的先決條件是通風(fēng)機(jī)流量越過最小流量值 產(chǎn)生旋轉(zhuǎn)脫離和脫離區(qū)急劇擴(kuò)大的嚴(yán) 重情況 但此時(shí)能否產(chǎn)生喘振還要看風(fēng)機(jī)和管路的工作曲線 接近和進(jìn)入喘振時(shí)的主要 特征是 機(jī)體和軸承振動(dòng)劇烈 喘振特征頻率為超低頻 常伴有1 倍頻 進(jìn)風(fēng)口和出風(fēng) 6 2 礦井局部通風(fēng)機(jī)故障診斷分析 口的流量發(fā)生變化 其數(shù)據(jù)發(fā)生周期性大幅脈動(dòng) 氣流噪聲發(fā)生周期性的變化且強(qiáng)烈 7 軸線不對(duì)中 機(jī)械工作狀態(tài)時(shí) 由于機(jī)器的安裝誤差 承載后的變形及機(jī)器基 礎(chǔ)的沉降不均等造成轉(zhuǎn)子軸線之間產(chǎn)生平行移位 軸線角度移位或綜合移位等 故障的 特征頻率為2 倍頻 常伴有l(wèi) 3 倍頻 2 1 2 常見故障產(chǎn)生原因及消除方法 礦井局部通風(fēng)機(jī)主要故障 產(chǎn)生原因及消除方法見表2 1 3 2 3 3 1 3 4 表2 1 礦井局部通風(fēng)機(jī)常見故障 故障原因及消除方法 7 西安科技大學(xué)碩士學(xué)位論文 表2 1 中第7 條故障在b k j 5 6 n 0 6 3 型防爆軸流式局部通風(fēng)機(jī)中并不存在 因?yàn)榇祟愋?號(hào)的風(fēng)機(jī)采用電機(jī)直聯(lián)傳動(dòng) 無需聯(lián)軸器 但對(duì)于其它傳動(dòng)方式的風(fēng)機(jī)是存在的 2 2 故障診斷方法分析 礦井局部通風(fēng)機(jī)的工作過程復(fù)雜 同一種故障類型可以表現(xiàn)幾種癥狀 一種癥狀也 可以對(duì)應(yīng)著幾種故障類型 因此 這中間并不是一一對(duì)應(yīng)的函數(shù)關(guān)系 而是一種多參數(shù) 多變量的模糊關(guān)系 為了在這些多因素的復(fù)雜關(guān)系中提高故障的識(shí)別能力 增加診斷的 準(zhǔn)確率 目前已在應(yīng)用或研究的診斷方法 3 5 3 6 有 1 振動(dòng)特性變化診斷法 根據(jù)風(fēng)機(jī)工作參數(shù)發(fā)生變化時(shí) 如啟動(dòng) 停機(jī)過程 負(fù)荷變化過程 振動(dòng)頻率 幅 值 振型的變化過程 測(cè)量其振動(dòng)特性 從特性變化中判斷故障的原因和部位 例如軸 的裂紋診斷 一般在工作轉(zhuǎn)速下是很難識(shí)別的 但在轉(zhuǎn)速升降過程中由于裂紋的開合 有可能在反應(yīng)敏感的頻域上進(jìn)行診斷 2 故障樹分析法 故障樹分析法 f t a f a u l tt r e e a n a l y s i s 是一種將系統(tǒng)故障形成的原因由整體至局 部按樹枝狀逐漸細(xì)化的分析方法 3 模糊診斷法 模糊診斷法是利用癥狀向量隸屬度和模糊關(guān)系矩陣求故障原因向量隸屬度 并做出 故障診斷的方法 故障原因隸屬度反映造成機(jī)器故障原因的多重性和它們的主次程度 減少了故障診斷中的不確定因素 4 專家系統(tǒng) 8 2 礦井局部通風(fēng)機(jī)故障診斷分析 專家系統(tǒng)是一種以知識(shí)工程為基礎(chǔ)的智能化的計(jì)算機(jī)程序系統(tǒng) 為計(jì)算機(jī)輔助診斷 的高級(jí)階段 它以邏輯推理的手段 以 規(guī)則 框架 語義網(wǎng)絡(luò) 等方式表達(dá) 專家處理機(jī)械故障的知識(shí) 通過搜索策略 控制正 逆向推理 完成對(duì)故障信號(hào)的識(shí)別 5 人工神經(jīng)網(wǎng)絡(luò)方法 人工神經(jīng)網(wǎng)絡(luò) a r t i f i c i a ln e u r a ln e t w o r k 技術(shù)是基于神經(jīng)科學(xué)研究的最新成果而 發(fā)展起來的邊緣學(xué)科 是對(duì)人腦某些基本特征的簡(jiǎn)單數(shù)學(xué)模擬 其并行分布式處理方式 聯(lián)想記憶的容錯(cuò)能力 自組織自學(xué)習(xí)能力以及較強(qiáng)的非線性映射能力在機(jī)械故障的診斷 和識(shí)別中顯示了極大的應(yīng)用潛力 本課題借助于人工神經(jīng)網(wǎng)絡(luò)方法 通過對(duì)礦井局部通風(fēng)機(jī)故障實(shí)例和診斷經(jīng)驗(yàn)的訓(xùn) 練學(xué)習(xí) 用分布在網(wǎng)絡(luò)內(nèi)部的連接權(quán)值和閥值來表達(dá)所學(xué)習(xí)的故障診斷的知識(shí) 以實(shí)現(xiàn) 故障和征兆之間復(fù)雜的非線性映射關(guān)系 2 3 信號(hào)處理方法分析 風(fēng)機(jī)故障的表現(xiàn)形式是多方面的 包括 振動(dòng) 溫度 噪聲等等 當(dāng)風(fēng)機(jī)發(fā)生故障 時(shí) 這些物理量都會(huì)發(fā)生變化 而振動(dòng)是設(shè)備運(yùn)行狀態(tài)好壞的重要標(biāo)志 3 7 3 8 振動(dòng)信號(hào) 是風(fēng)機(jī)狀態(tài)信息的載體 它蘊(yùn)含了豐富的風(fēng)機(jī)異常信息 對(duì)于在生產(chǎn)中連續(xù)運(yùn)轉(zhuǎn)的通風(fēng) 設(shè)備 可以分析其振動(dòng)信號(hào) 在不停機(jī)的條件下實(shí)現(xiàn)在線檢測(cè)和故障診斷 由于風(fēng)機(jī)在運(yùn)行過程中產(chǎn)生的振動(dòng)信號(hào) 因傳遞路徑 環(huán)境噪聲的影響和各種機(jī)械 元件的聯(lián)合作用 使得構(gòu)成信號(hào)的成分很復(fù)雜 如果單從時(shí)域波形上直接觀察 往往很 難看出設(shè)備究竟是正常還是異常 以及故障的類型和部位等 為此 必須對(duì)檢測(cè)到的信 號(hào)進(jìn)行加工處理 以便更全面 更深刻地揭示出動(dòng)態(tài)信號(hào)中所包含的多種信息 信號(hào)處理就是從大量的振動(dòng)數(shù)據(jù)中提取最能代表狀態(tài)變化的特征值 小波理論是非 平穩(wěn)信號(hào)處理強(qiáng)有力的工具 而小波包分解能對(duì)多分辨率分析沒有細(xì)分的高頻部分進(jìn)一 步分解 是一種更為精細(xì)的分析方法 具有更高的時(shí)間分辨率和頻率分辨率 通過小波 包分解 把風(fēng)機(jī)振動(dòng)信號(hào)分解在相應(yīng)頻段內(nèi) 各個(gè)頻段信號(hào)能量的特征值綜合反映了風(fēng) 機(jī)故障在時(shí)域和頻域的全部信息 把各頻段能量形成的特征向量作為神經(jīng)網(wǎng)絡(luò)的輸入樣 本 利用神經(jīng)網(wǎng)絡(luò)的高度非線性映射特性 實(shí)現(xiàn)特征空間到故障空間的映射 2 4 小結(jié) 本章分析了礦井局部通風(fēng)機(jī)常見的七種機(jī)械故障機(jī)理 指出了它們的特征頻率 產(chǎn) 生原因和消除方法 分析了故障診斷與信號(hào)處理方法 最終確定了以人工神經(jīng)網(wǎng)絡(luò)進(jìn)行 模式識(shí)別 小波包分析進(jìn)行信號(hào)特征值提取的核心架構(gòu) 9 西安科技大學(xué)碩士學(xué)位論文 3 礦井局部通風(fēng)機(jī)故障診斷小波神經(jīng)網(wǎng)絡(luò)模型 小波包分析和神經(jīng)網(wǎng)絡(luò)是礦井局部通風(fēng)機(jī)診斷系統(tǒng)的核心技術(shù) 它們的結(jié)合途徑 小波包基函數(shù)與分解樹 神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)與模型等參數(shù)都將影響系統(tǒng)的診斷精度與效率 3 1 小波分析和神經(jīng)網(wǎng)絡(luò)的結(jié)合途徑 神經(jīng)網(wǎng)絡(luò)可以有效地實(shí)現(xiàn)輸入到輸出之間的非線性映射 具有自學(xué)習(xí)和模式識(shí)別能 力 適合診斷自動(dòng)化 小波分析則由于其基函數(shù)的自動(dòng)伸縮和平移特性 而成為信號(hào)分 析的重要工具 目前 小波分析和神經(jīng)網(wǎng)絡(luò)的結(jié)合途徑有以下兩種1 6 1 松散型結(jié)合 l l d 波分析作為神經(jīng)網(wǎng)絡(luò)的前置處理手段 為神經(jīng)網(wǎng)絡(luò)提供輸入 特征向量 2 緊致型結(jié)合 小波和神經(jīng)網(wǎng)絡(luò)直接融合 即用小波函數(shù)和尺度函數(shù)形成神經(jīng)元 上述兩種結(jié)合途徑形成了廣義上的兩種小波神經(jīng)網(wǎng)絡(luò) 而狹義上的小波神經(jīng)網(wǎng)絡(luò) 僅指用小波函數(shù)或尺度函數(shù)作為激勵(lì)函數(shù) 形成神經(jīng)元 從礦井局部通風(fēng)機(jī)診斷系統(tǒng)的復(fù)雜度和可行性考慮 我們選擇第一種松散型結(jié)合途 徑 即小波分析僅作為神經(jīng)網(wǎng)絡(luò)的i j i 置處理手段 提供神經(jīng)網(wǎng)絡(luò)輸入特征向量 3 2 故障診斷小波包基函數(shù)與分解尺度 3 2 1 小波分析理論 小波分析是數(shù)學(xué)理論中調(diào)和分析技術(shù)發(fā)展的最新成果 具有完美的數(shù)學(xué)內(nèi)涵和重要 的應(yīng)用價(jià)值 小波分析的基本理論如下 3 9 1 令 2 0 2 兀 為周期的平方可積函數(shù)空問 如果函數(shù) 5 f 包2 俾 并且滿足以下 容 許性 條件 q e 咩 那么稱吣 是一個(gè)小波 基小波 函數(shù) 其中審 緲 是 x 的f o 嘶e r 變換 3 1 從式3 1 中我們可以推導(dǎo)出審 i o 等價(jià)地在時(shí)域里有 y x 皿 o 也就是 說審 國(guó) 必須具有帶通性質(zhì) 且吣 必是有正負(fù)交替的震蕩波形 使得其平均值為o 1 0 3 礦井局部通風(fēng)機(jī)故障診斷小波神經(jīng)網(wǎng)絡(luò)模型 基小波有兩種操作 平移和伸縮 經(jīng)過這種操作后形成 4 波函數(shù)族 其連續(xù)和離 散形式分別如下 y 啪 i 口i 1 孚 3 2 t 2 j 1 2 y 2 7 x k k ez 3 3 其中口和b 及其離散形式2 和糾2 分別為伸縮因子和平移因子 z 為整數(shù)集合 將信號(hào)分解在由基小波生成的小波函數(shù)族上 則稱連續(xù)小波變換 設(shè)及f 包2 僻 則 對(duì)其基小波函數(shù)虼b 0 的連續(xù)小波變換為 w v f a b 2 巾 也 7 渺 3 4 上式可求得信號(hào)在固定小波函數(shù) 6 f 上的分量 對(duì)參數(shù)a 和b 進(jìn)行展開后 就得到 了任意時(shí)刻 任意精度的頻譜了 對(duì)實(shí)際的計(jì)算來講 這樣的代價(jià)太高 所以類似傅立 葉級(jí)數(shù)的想法 把參數(shù)a 或b 或 6 同時(shí)離散化 就得到了離散小波變換 離散正交小波 函數(shù)族在小波分析中占據(jù)重要地位 它形成了平方可積函數(shù)f 的一組正交基 離散基小波函數(shù)表示為 甲舭 f a o j 2 甲 口i f k b k z 離散小波變換的系數(shù)表示為 7 2 上 t 7 渺 信號(hào)吠力可表示為小波級(jí)數(shù) 其重構(gòu)公式為 廠 f c w j k 七 f 3 7 其中c 為與信號(hào)無關(guān)的常數(shù) 如果選取的離散點(diǎn)滿足印 2 b o l 則稱二進(jìn)小波 變換 離散正交小波分析在思想上同多分辨分析是一致的 就是要構(gòu)造一組函數(shù)空間 每 組空間有統(tǒng)一的形式 所有空間的閉包則逼近三2 俾 每個(gè)空間中 所有函數(shù)都構(gòu)成該空 間的標(biāo)準(zhǔn)化正交基 信號(hào)就在這類空間上分解 由于空間無限 所以能很方便地分析我 們所關(guān)心的信號(hào) 如果妒 d 能生成一個(gè)多分辨分析 則稱妒 f 是一個(gè)尺度函數(shù) 多分辨分析函數(shù)空間是 相互嵌套的 即 lc e 2ci t lcv ockc 三 3 8 西安科技大學(xué)碩士學(xué)位論文 那么 相鄰空間的差 驢珞l 一巧就是小波空間 表示了相鄰尺度空間的投影之間 的細(xì)小差別 我們稱小波空間為細(xì)節(jié)空間 3 2 2 小波包分析 小波包分析是多分辨分析的推廣 提供更為豐富和精確的分析方法 離散信號(hào)按小 波包基展開時(shí) 包含低通與高通濾波兩部分 離散信號(hào)的小波包分解算法為h o 式中吼 鞏為共軛濾波器 q m f 系數(shù) 圖3 1 是三層小波包全分解樹 3 9 圖3 1 三層全分解小波樹 由p a r s e v a l 恒等式舅廠 x 1 2 出 l d o 尼 1 2 可知 小波包變換系數(shù)d 七 的平方具 有能量的量綱 可用于機(jī)械故障診斷的能量特征提取 假定離散信號(hào)按某一小波樹分解 后由m 個(gè)頻帶組成 這 外子頻帶不一定處于同一分解水平 則各頻帶的能量為 f 互 硝 3 1 0 k l 式中f 慨m 為第f 個(gè)子頻帶的數(shù)據(jù)長(zhǎng)度 且k n i 廳廣 離散信號(hào)的總能量均方根e 1 霹 則能量歸一化特征向量 yi 1 p e e e 酬 e 3 1 1 3 2 3 選取小波包基 在小波分析中 由于構(gòu)造方法不同形成了不同的小波 目前比較有名的有d a u b e c h i e s 小波 m e y e r d 波 c o i f m a n d 波等 這些小波函數(shù)及相應(yīng)的尺度函數(shù)構(gòu)成了不同的小波 基 對(duì)同一個(gè)信號(hào)選用不同的小波基進(jìn)行處理 得到的結(jié)果往往差別較大 如何選擇小 波基 目前沒有一個(gè)理論標(biāo)準(zhǔn) 但是在實(shí)際應(yīng)用中已取得了一些經(jīng)驗(yàn) 如高斯函數(shù)一階 導(dǎo)數(shù) 船訛用于圖像識(shí)別 特征提取 墨西哥草帽小波 m e x i c a nh a t 用于系統(tǒng)辨識(shí) 1 2 珂 痧 l 一 什 j r k u 以 噸 吮 釷 卜 i i 卜 聆 n 2 2 講 4 3 礦井局部通風(fēng)機(jī)故障診斷小波神經(jīng)網(wǎng)絡(luò)模型 樣條小波用于材料探傷 s h a n n o n 正交基用于差分方程求解 對(duì)于正交小波神經(jīng)網(wǎng)絡(luò)和 數(shù)字信號(hào)一般選擇d a u b e c h i e s 構(gòu)造的具有緊支集的正交小波 4 l 礦井局部通風(fēng)機(jī)故障診斷系統(tǒng)以振動(dòng)信號(hào)為分析對(duì)象 實(shí)施頻段劃分 后續(xù)接入神 經(jīng)網(wǎng)絡(luò) 因此選擇d a u