基于LabVIEW的小波神經(jīng)網(wǎng)絡在煤礦主通風機狀態(tài)監(jiān)測中的應用研究.pdf

1、煤礦通風機系統(tǒng)在礦山生產(chǎn)中被稱為“礦井肺臟”。煤礦通風機系統(tǒng)可以稀釋瓦斯的濃度，防止事故的發(fā)生，其工作狀況、性能關系到工作人員的人身安全和生產(chǎn)效益。因此，通風機的安全運行成了科技人員和煤礦管理人員關注的焦點。礦井主通風機的監(jiān)測、監(jiān)控和故障診斷取得了前所未有的發(fā)展。 本文較詳細的敘述了利用虛擬儀器技術構建基于小波神經(jīng)網(wǎng)絡的通風機振動故障監(jiān)測系統(tǒng)。由于通風機發(fā)生故障時，故障信號中往往含有大量的時變、短時沖擊、突發(fā)性質的成分?？紤]到小

2、波變換處理非平穩(wěn)信號的優(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信號消噪并進行多層分解與重構，對高頻信號處理并進行特征提取，作為適合于神經(jīng)網(wǎng)絡的訓練和檢驗的樣本輸入特征向量。利用LabVIEW和MATLAB的接口，在LabVIEW中調用.m程序，為功能的實現(xiàn)提供了一種較好的解決方法，也為系統(tǒng)實現(xiàn)提供了可行的途徑。 其次本文介紹了一種改進的自適應調節(jié)學習速

3、率的算法對振動樣本進行故障診斷，并用BP標準算法和自適應調節(jié)學習速率的改進算法進行比較，發(fā)現(xiàn)預測誤差精度有很大提高，網(wǎng)絡收斂速度明顯加快，并且預測效果理想。 最后本文將虛擬儀器技術與小波神經(jīng)網(wǎng)絡引進通風機振動測試診斷，介紹了基于LabVIEW平臺開發(fā)的通風機振動故障診斷系統(tǒng)。在軟件設計方面，編寫了一組程序完成振動信號的采集、回放、存盤等操作，對振動信號的消噪處理和小波分解與重構，以及用神經(jīng)網(wǎng)絡對信號的診斷過程，詳細介紹了各個功能