基于BP神经网络算法的采煤机系统故障检测设计与实现(硕士)

基于BP神经网络算法的采煤机系统故障检测设计与实现(硕士)(论文37000字)
摘   要
煤矿的安全生产是煤炭资源经济可持续发展的基础和保证。随着煤矿事故的频繁发生，如何提高煤矿机械设备的可靠性和安全性成为当前迫切需要解决的课题。采煤机作为大型煤矿机械化采煤作业的主要设备，由于它长期工作在恶劣的环境中，所以发生故障的机率相当高，因此研究有效的故障诊断与故障预测方法具有重大的现实价值与理论意义。
(1)本文在深入研究国内外采煤机故障诊断与预测方法的基础上，对比分析了神经网络、专家系统等方法在采煤机故障诊断与预测中存在的不足，研究了模糊模块化的神经网络与专家系统相结合的混合智能诊断方法，将该算法应用于采煤机的故障监测诊断中。该算法能够快速准确地对采煤机中的故障进行诊断。
    (2)利用关系数据库模型为采煤机故障诊断与故障预测建立知识库，以方便数据的调用。
    (3)利用递推合成BP神经网络来研究采煤机液压牵引装置系统，相比于常规
BP网络，递推合成BP网络在输入与输出层之间加入了连接权。通过仿真实验
表明，递推合成BP网络能够精确快速地对采煤机进行故障预测。
    (4)本文利用基于模糊模块化的BP神经网络改进算法对采煤机的故障数据
进行模糊化预处理，并结合专家系统对采煤机的故障进行分类，为采煤机故障预
测与诊断的决策者提供了辅助决策支持。实验结果表明，该方法能够提高采煤机
故障预测与诊断的效率和准确率，为采煤机故障预测与诊断提供了可靠的依据。

关键词：故障诊断，故障预测，专家系统，模糊控制，模糊化的神经网络，BP网络，采煤机

Abstract
The safety of the coal mine production is the foundation and guarantee for sustainability economic development of coal resources．With the frequent occurrence coal mine accidents，how to improve the reliability and safety of coal machine and equipment has become an urgent need to address the issue．Shearer aesthete main
equipment of large coal mines mechanized coal mining operations，due to Long-term work in the harsh environment，the probability of failure is quite high，Isotherm research for effective fault diagnosis and fault forecast method has great practical and theoretical significance．
    (1)This article on the basis of in-depth research at home and abroad for shearer diagnosis and prediction methods，comparative analysis of the shortcomings neural networks，expert systems and other methods for Shearer Fault diagnosis and prediction，the fuzzy neural network with expert system combining hybrid intelligent  diagnosis  method is studied，and the algorithm will be used in fault monitoring and  diagnosis of the shearer．The algorithm Can predict and diagnose quickly accurateness for Shearer failure．
    (2)Through the relational database model，we establish knowledge base Forster fault diagnosis and failure prediction，in order to facilitate data calls．
    (3)we use the recursive synthesis BP neural network to study the hydraulically traction device system，compared to the conventional BP neural network，the recursive synthesis BP neural network addition the connection weights between the  input and output layer．Simulation results show that the recursive synthesis BP network can  quickly and accurately predict failures on the shearer．
    (4)In this paper,based on the fuzzy BP neural network improved algorithm，it  will fuzzy entreating the fault data of Shearer,and expert system will classify the shearer  fault，they will provide decision support to policymakers for Shearer fault prediction  and diagnosis．The experimental results show that this method Can improve efficiency and accuracy of Shearer fault prediction and diagnosis，and it provide
reliable basis for the Shearer fault prediction and diagnosis
 Key word：fault diagnosis，failure prediction，expert systems，fuzzy control，fuzzy  neural
   
目   录
摘 要…………………………………………………………………………………I
Abstract……………………………………………………………………………II
目 录………………………………………………………………………………III
第一章绪论……………………………………………………………………………1
   1．1课题研究背景………………………………………………………………1
   1．2课题国内外研究动态………………………………………………………1
     1．2．1采煤机故障诊断与故障预测研究现状………………………………1
     1．2．2模糊神经网络与专家系统研究现状…………………………………3
     1．2．3采煤机故障诊断与预测国内外研究状况对比……………………5
   1．3课题研究意义………………………………………………………………7
   1．4本文的主要研究内容与章节安排…………………………………………7
第二章 采煤机结构及其故障机理………………………………………………… 9
   2．1采煤机结构…………………………………………………………………9
   2．1．1采煤机电气装置………………………………………………………．9
     2．1．2采煤机牵引装置……………………………………………………．9
     2．1．3采煤机截割装置……………………………………………………10
     2．1．4采煤机附属装置……………………………………………………11
   2．2采煤机工作原理及其工作方式……………………………………………11
     2．2．1采煤机工作原理……………………………………………………11
     2．2．2采煤机的工作方式…………………………………………………12
   2．3采煤机常见故障机理研究………………………………………………12
     2．3．1采煤机电气装置故障机理分析研究………………………………13
     2．3．2采煤机机械装置故障机理分析研究………………………………15
   3．4本章小结……………………………………………………………………31
第四章   混合智能算法在采煤机故障诊断中的应用研究………………………33
   4．1引言…………………………………………………………………………33
   4．2模糊神经网络与专家系统的基础理论……………………………………33
     4．2．1模糊控制的基本原理………………………………………………33
     4．2．2 BP神经网络的基本原理…………………………………………34
     4．2．3专家系统的基本原理………………………………………………36
   4．3几种常见的采煤机故障诊断研究方法…………………………………37
   4．4混合智能算法在采煤机故障诊断中的应用……………………………40
     4．4．1诊断样本的建立……………………………………………………40
     4．4．2采用自适应学习率BP算法………………………………………42
     4．4．3采用模糊模块化BP网络…………………………………………43
     4．4．4采用两种算法所得结果比较………………………………………49
   4．5本章小结…………………………………………………………………49
第五章  BP网络算法在采煤机故障预测中的应用………………………………51
   5．1预测样本的建立…………………………………………………………51
   5．2 BP神经网络预测算法……………………………………………………52
   5．3递推合成BP网络算法在采煤机液压牵引装置系统中的应用…………53
   5．4本章小结…………………………………………………………………55
第六章  系统软件实现及仿真实验………………………………………………57
   6．1故障诊断与故障预测软件的设计方法…………………………………57
     6．1．1系统编程语言………………………………………………………57
     6．1．2数据库连接方法……………………………………………………57
     6．1．3系统软件工作平台…………………………………………………57
   6．2系统界面……………………………………………………………………58
     6．2．1系统主界面…………………………………………………………58
     6．2．2样本训练界面………………………………………………………58
     6．2．3故障诊断界面………………………………………………………60
     6．2．4参数预测界面………………………………………………………61
   6．3本章小结…………………………………………………………………62
7结论与展望………………………………………………………………………63
   7．1结论………………………………………………………………………63
   7．2展望………………………………………………………………………63
致谢…………………………………………………………………………………65
参考文献……………………………………………………………………………67