基于LabVIEW的小波神經(jīng)網(wǎng)絡(luò)在煤礦主通風(fēng)機(jī)狀態(tài)監(jiān)測(cè)中的應(yīng)用研究.pdf

1、煤礦通風(fēng)機(jī)系統(tǒng)在礦山生產(chǎn)中被稱為“礦井肺臟”。煤礦通風(fēng)機(jī)系統(tǒng)可以稀釋瓦斯的濃度，防止事故的發(fā)生，其工作狀況、性能關(guān)系到工作人員的人身安全和生產(chǎn)效益。因此，通風(fēng)機(jī)的安全運(yùn)行成了科技人員和煤礦管理人員關(guān)注的焦點(diǎn)。礦井主通風(fēng)機(jī)的監(jiān)測(cè)、監(jiān)控和故障診斷取得了前所未有的發(fā)展。 本文較詳細(xì)的敘述了利用虛擬儀器技術(shù)構(gòu)建基于小波神經(jīng)網(wǎng)絡(luò)的通風(fēng)機(jī)振動(dòng)故障監(jiān)測(cè)系統(tǒng)。由于通風(fēng)機(jī)發(fā)生故障時(shí)，故障信號(hào)中往往含有大量的時(shí)變、短時(shí)沖擊、突發(fā)性質(zhì)的成分。考慮到小

2、波變換處理非平穩(wěn)信號(hào)的優(yōu)越性，因此本文提出了基于小波分析原理的消噪和特征提取方法，首先利用基于多尺度分析理論的Mallet算法將采集到的振動(dòng)信號(hào)消噪并進(jìn)行多層分解與重構(gòu)，對(duì)高頻信號(hào)處理并進(jìn)行特征提取，作為適合于神經(jīng)網(wǎng)絡(luò)的訓(xùn)練和檢驗(yàn)的樣本輸入特征向量。利用LabVIEW和MATLAB的接口，在LabVIEW中調(diào)用.m程序，為功能的實(shí)現(xiàn)提供了一種較好的解決方法，也為系統(tǒng)實(shí)現(xiàn)提供了可行的途徑。 其次本文介紹了一種改進(jìn)的自適應(yīng)調(diào)節(jié)學(xué)習(xí)速

3、率的算法對(duì)振動(dòng)樣本進(jìn)行故障診斷，并用BP標(biāo)準(zhǔn)算法和自適應(yīng)調(diào)節(jié)學(xué)習(xí)速率的改進(jìn)算法進(jìn)行比較，發(fā)現(xiàn)預(yù)測(cè)誤差精度有很大提高，網(wǎng)絡(luò)收斂速度明顯加快，并且預(yù)測(cè)效果理想。 最后本文將虛擬儀器技術(shù)與小波神經(jīng)網(wǎng)絡(luò)引進(jìn)通風(fēng)機(jī)振動(dòng)測(cè)試診斷，介紹了基于LabVIEW平臺(tái)開發(fā)的通風(fēng)機(jī)振動(dòng)故障診斷系統(tǒng)。在軟件設(shè)計(jì)方面，編寫了一組程序完成振動(dòng)信號(hào)的采集、回放、存盤等操作，對(duì)振動(dòng)信號(hào)的消噪處理和小波分解與重構(gòu)，以及用神經(jīng)網(wǎng)絡(luò)對(duì)信號(hào)的診斷過程，詳細(xì)介紹了各個(gè)功能