基于神经网络的破碎机传动系统故障诊断研究

【摘要】：破碎机在矿山生产中发挥着重要的作用,不仅对整个生产线产生直接影响,而且会造成重大的经济损失甚至是机毁人亡的事故。为保证设备的安全运行,降低设备维修费用和提高设备利用率,设计出一种自动获取知识且能进行高速推理的监测故障诊断方法,已经成为设备监测故障诊断研究的一个主要方向。本论文针对矿山破碎机的故障诊断与状态监测进行研究,采用PDM2000数据采集分析仪对破碎机进行振动信号采集,获得特征值,根据设备振动诊断技术的相关理论,分析讨论破碎机故障的故障征兆,研究各个故障的振动机理。选择人工神经网络的方法,对破碎机的故障诊断进行研究。本论文详细阐述了BP神经网络的结构形式及算法,运用三种方法对神经网络的算法进行改进;将三种改进算法进行比较,并且选取一种更为适合的改进算法;运用Matlab软件对特征数据进行训练;最后测取一组具有不同故障类型的数据,并用训练完成的神经网络对其进行测试,判断出故障类型,获得较为准确的诊断结果。本论文对实测的破碎机振动数据进行对比验证,结果表明,本论文提出的以BP神经网络为基础的破碎机故障诊断方法具有实用、实效等特点。
【关键词】：破碎机 BP神经网络 故障诊断 改进算法
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TD451;TP183