亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于時(shí)間序列和BP神經(jīng)網(wǎng)絡(luò)的礦井風(fēng)機(jī)故障診斷

        2016-12-31 00:00:00管麗莎張恩瑜潘越
        科技創(chuàng)新與應(yīng)用 2016年18期

        摘 要:礦井通風(fēng)機(jī)是煤礦井下通風(fēng)不可或缺的安全設(shè)備,被譽(yù)為礦井的“呼吸”系統(tǒng),一旦出現(xiàn)故障而停機(jī)運(yùn)行,將威脅到整個(gè)礦山的安全生產(chǎn)。針對這一問題,建立基于時(shí)間序列和BP神經(jīng)網(wǎng)路的礦井通風(fēng)機(jī)故障診斷系統(tǒng)。利用測取的信號進(jìn)行時(shí)間序列分析,建立AR模型并進(jìn)行估計(jì)、預(yù)測,鎖定故障發(fā)生的范圍,這樣節(jié)省了盲目查找故障的時(shí)間。直接從預(yù)測故障范圍中提取參數(shù)作為特征向量,并以此作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,實(shí)現(xiàn)礦井風(fēng)機(jī)的故障診斷。

        關(guān)鍵詞:礦井通風(fēng)機(jī);時(shí)間序列;BP神經(jīng)網(wǎng)絡(luò);故障診斷

        引言

        礦井通風(fēng)機(jī)正常運(yùn)行有利于煤礦的安全生產(chǎn),對其進(jìn)行狀態(tài)監(jiān)測和故障預(yù)測,及時(shí)準(zhǔn)確地識別核心零部件的故障信號,并提取評估,預(yù)測故障的發(fā)展動(dòng)態(tài),有利于及早發(fā)現(xiàn)故障、預(yù)測故障并制定維修策略。這樣提高了礦井通風(fēng)機(jī)的安全性和可靠性,實(shí)現(xiàn)由“事后維修”到“預(yù)知維修”的過程,減少了突發(fā)事件造成的停機(jī)損失,能夠有效發(fā)現(xiàn)風(fēng)機(jī)早期的故障。文章提出了基于時(shí)間序列和BP神經(jīng)網(wǎng)路的礦井通風(fēng)機(jī)故障診斷系統(tǒng),其目的是減少特大故障的發(fā)生,實(shí)現(xiàn)風(fēng)機(jī)的經(jīng)濟(jì)運(yùn)行、保障煤礦作業(yè)人員的安全。

        1 時(shí)間序列估計(jì)、預(yù)測風(fēng)機(jī)故障

        1.1 時(shí)間序列原理

        通過現(xiàn)場測取有限時(shí)間段的通風(fēng)機(jī)運(yùn)行狀態(tài)信號,經(jīng)過一系列的處理后,得到平穩(wěn)、正態(tài)、零均值的時(shí)間序列{xt},從而建立礦井通風(fēng)機(jī)的動(dòng)態(tài)時(shí)間序列AR模型,來評價(jià)通風(fēng)機(jī)的運(yùn)行情況和估計(jì)其未來發(fā)展趨勢,并做出預(yù)測。其 AR 模型的結(jié)構(gòu)為:

        文章采用最小二乘法原理對時(shí)間序列{xt}進(jìn)行估計(jì),解方程組(2)可得AR(n)的參數(shù)模型。

        1.2 AR模型預(yù)測

        1.3 風(fēng)機(jī)運(yùn)行狀態(tài)建模、估計(jì)與預(yù)測在MATLAB中的實(shí)現(xiàn)

        礦井通風(fēng)機(jī)時(shí)序建??煞譃閮蓚€(gè)階段,一是預(yù)估模型階數(shù),根據(jù)AR模型中最小最終預(yù)報(bào)誤差準(zhǔn)則FPE準(zhǔn)則進(jìn)行適用性檢驗(yàn),取FPE 最小時(shí)的 n 為3時(shí)作為模型階數(shù)并建模。二是求出模型參數(shù),對于特征時(shí)間序列 X,用最小二乘法估計(jì)的全極點(diǎn)模型的自互相關(guān)法計(jì)算AR(n)模型的參數(shù)。MATLAB 程序?yàn)椋?/p>

        對于時(shí)間序列{xt},根據(jù)式(2)的原理計(jì)算AR(n)模型的參數(shù),選取n為3,也就是時(shí)間序列模型為3階系統(tǒng)。

        對于風(fēng)機(jī)的狀態(tài)監(jiān)測比較簡單,在現(xiàn)場連續(xù)監(jiān)測55小時(shí),每小時(shí)提取5個(gè)通風(fēng)機(jī)軸承溫度的信號,每5個(gè)數(shù)據(jù)取均值后得到55個(gè)風(fēng)機(jī)預(yù)測數(shù)據(jù)點(diǎn),根據(jù)式(3)的基本原理來進(jìn)行風(fēng)機(jī)的運(yùn)行狀態(tài)估計(jì)和誤差預(yù)測。

        estx=filter([0-a(2:end)],1,x); %估計(jì)時(shí)間序列

        e=x-estx; %預(yù)測誤差

        [acs,lags]=xcorr(e,’coeff’);

        subplot(121);

        plot(1:55,x,1:55,estx,’-.’);

        title(’原始信號’);

        xlabel(’采樣點(diǎn)’);

        ylabel(’幅度’);

        grid;

        legend(’原始信號’,’最小二乘法估計(jì)’)

        subplot(122);

        plot(lags,acs);

        title(’預(yù)測誤差的自相關(guān)函數(shù)’);

        xlabel(’延遲’);ylabel(’歸一化值’);grid;

        MATLAB程序結(jié)果如圖1所示,其中,虛線為預(yù)測曲線,實(shí)線為實(shí)測曲線。圖2為預(yù)測誤差的自相關(guān)函數(shù)。

        1.4 結(jié)果分析

        由圖1可看出實(shí)測曲線和最小二乘法估計(jì)的預(yù)測曲線在48時(shí)相差很大,由圖2預(yù)測誤差的自相關(guān)函數(shù)可知:在0點(diǎn)的相關(guān)程度最大之后在減小,但在48處有出現(xiàn)局部峰值,即48附近為預(yù)測故障范圍,礦井通風(fēng)機(jī)可能出現(xiàn)故障。因此可將預(yù)測故障范圍內(nèi)的數(shù)據(jù)即提取46到50之間的20個(gè)點(diǎn),作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練數(shù)據(jù),這樣節(jié)省了盲目查找的時(shí)間,及時(shí)預(yù)測故障,及時(shí)檢查并維修,減少突發(fā)事故發(fā)生。

        2 故障診斷

        2.1 BP神經(jīng)網(wǎng)絡(luò)模型

        礦井通風(fēng)機(jī)軸承溫度異常原因有:潤滑不良和軸承異常。其中軸承常見故障類型主要有:轉(zhuǎn)子彎曲、轉(zhuǎn)子不對中、轉(zhuǎn)子不平衡、軸承損壞、轉(zhuǎn)子磨損、油膜渦動(dòng)6類。

        2.2 診斷結(jié)果分析

        經(jīng)MATLAB建模運(yùn)行,由結(jié)果可知輸出矩陣:

        輸出矩陣Y的列向量分別代表2個(gè)待診斷樣本的輸出。以1表示故障必然發(fā)生,0表示無故障。

        通過時(shí)間序列AR模型預(yù)測出故障范圍,并將故障范圍內(nèi)的數(shù)據(jù)特征提取作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,這樣節(jié)省了盲目查找故障的時(shí)間。

        3 結(jié)束語

        基于時(shí)間序列和BP神經(jīng)網(wǎng)絡(luò)的故障診斷方法可以識別典型的故障。理論上,我們應(yīng)該對風(fēng)機(jī)長期觀察提取足夠多的訓(xùn)練樣本,這樣才能達(dá)到精確的識別精度。但由于實(shí)際情況的局限性,只能根據(jù)個(gè)別典型的數(shù)據(jù)來初步找到故障范圍進(jìn)行故障診斷。

        文章利用時(shí)間序列AR(3)建模、評估、預(yù)測出故障范圍,提取預(yù)估故障范圍內(nèi)的數(shù)據(jù),并以此作為BP神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本,時(shí)間序列和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合能快速診斷風(fēng)機(jī)是否發(fā)生故障并識別故障類型,且建模簡單,節(jié)省盲目查找故障的時(shí)間,有利于風(fēng)機(jī)的及時(shí)維護(hù)。

        參考文獻(xiàn)

        [1]王俊,劉剛.基于時(shí)間序列和神經(jīng)網(wǎng)絡(luò)的溫室傳感器節(jié)點(diǎn)故障診斷[J].中國農(nóng)業(yè)大學(xué)學(xué)報(bào),2011(6):163-168.

        [2]朱建元.基于BP神經(jīng)網(wǎng)絡(luò)與時(shí)間序列分析的柴油機(jī)故障診斷[J].上海海事大學(xué)學(xué)報(bào),2006(4):22-27.

        [3]王廣斌,劉義倫,金曉宏,等.基于時(shí)間序列分析的風(fēng)機(jī)運(yùn)行狀態(tài)監(jiān)測與預(yù)報(bào)及故障診斷[J].機(jī)械,2005(1):21-23.

        [4]卞琛,錢育蓉.基于改進(jìn)的自適應(yīng)回歸時(shí)序模型故障診斷[J].計(jì)算機(jī)測量與控制,2014(10):3095-3097+3100.

        [5]蘇春,王勝友.基于隨機(jī)故障序列的制造系統(tǒng)動(dòng)態(tài)可靠性仿真[J].機(jī)械工程學(xué)報(bào),2011,24:165-170.

        [6]楊叔子,吳雅,等.時(shí)間序列的工程應(yīng)用(下冊)[M].華中理工大學(xué)出版社,1991,5:8.

        [7]張善文,雷英杰,等.MATLAB在時(shí)間序列中分析的應(yīng)用[M].西安電子科技大學(xué)出版社,2007.

        [8]張德豐,等.MATLAB神經(jīng)網(wǎng)絡(luò)仿真與應(yīng)用[M].電子工業(yè)出版社.

        作者簡介:管麗莎(1991-),女,河北邯鄲人,河北工程大學(xué)機(jī)電學(xué)院研究生,主要研究方向?yàn)榇笮驮O(shè)備的故障診斷、故障預(yù)測。

        综合网五月| 国产精品熟女少妇不卡| 日本免费看片一区二区三区| 国产成人午夜高潮毛片| 天天躁日日躁狠狠躁欧美老妇| 鲁鲁鲁爽爽爽在线视频观看| 麻豆亚洲av永久无码精品久久| 2021国内精品久久久久精免费| 性色av一区二区三区密臀av| 亚洲女av中文字幕一区二区| 中文字幕无码乱人伦| 狠狠精品久久久无码中文字幕 | 国产成人精品999在线观看| 在线无码国产精品亚洲а∨| 99久久久精品国产性黑人| 久久精品国产亚洲av豆腐| 亚洲自偷精品视频自拍| 野花在线无码视频在线播放 | 中文字幕av人妻一区二区| 亚洲午夜经典一区二区日韩| 看久久久久久a级毛片| 同性男男黄g片免费网站| 国产精品亚洲片夜色在线| 精品女人一区二区三区| 激情综合五月开心婷婷| 黑森林福利视频导航| 4444亚洲人成无码网在线观看 | 全亚洲高清视频在线观看| 高清午夜福利电影在线| 黄网站欧美内射| 有码精品一二区在线| 无码无在线观看| 麻豆国产精品久久天堂| 无码无套少妇毛多18pxxxx| 国产看黄网站又黄又爽又色| 亚洲av成人一区二区三区网址| 亚洲av无吗国产精品| 国产欧美一区二区精品久久久 | 又污又黄又无遮挡的网站| 亚洲中文字幕乱码一二三区| 国产在线视频一区二区三|