基于遗传算法的风机故障诊断研究.pdfVIP

煤 炭 工 程 第47卷第1期 COALENGINEERING Vo1．47，No．1 doi：10．11799／ce20l5OlO32 基于遗传算法的风机故障诊断研究 吕振江 ，汤家升 (I．山东井亭实业有限公司，山东 枣庄 277525；2．中国矿业大学 信息与电气工程学院，江苏 徐州 221008) 摘 要：针对煤矿风机 系统振动故障的复杂性，提出了一种基于遗传算法优化 BP神经网络 (GA—BP)的故障诊断方法。依据归一化的故障特征量样本和 目标期望输出，对诊断网络进行了达 标训练。通过验证数据进行网络诊断测试，证明该方法可以满足风机故障诊断的快速性和准确性。 关键词：风机系统；故障诊断；遗传算法；BP神经网络 中图分类号：TD655 文献标识码 ：A 文章编号：1671—0959(2015)01-0101-03 ResearchofFanFaultDiagnosisBasedonGeneticAlgorithm LVZhen—jiang ，TANGJia—sheng (1．ShandongJingtingIndust~CompanyLimited，Zaozhuang277525，China； 2．SchoolofInformationandElectricalEngineering，ChinaUniversityofMiningnadTechnology，Xuzhou221008，China) Abstract：Aimingatthe complexity ofthefan unitfault，afaultdiagnosismethod based on the BP neuralnetwork optimizedbythegeneticalgorithm (GA—BP)wasproposed．Accordingtohtenormalizedfailurecharacteristicssamples anddesiredoutput，thediagnosisnetworkwastrainedforthestnadradgoa1．ThedataWas verifiedwitllhtetrained net， andtheresultsprovedtherapidityandaccuracyoftheproposedmehtod． Keywords：fanunit；faultdiagnosis；geneticalgorithm；BPneuralnetwork 煤矿主扇风机是煤矿的四大主要设备之一，主要负责 征频率上会有幅值 的变化。振动信号能够实时反映出转子 煤矿井下的通风，散热，给氧以及污浊气体的排出，被人 旋转时大多数振动故障的特征 ，因此对风机振动信号的分 们成为 “矿井肺脏”。煤矿主扇风机的作用决定了其必将大 析是煤矿风机组故障诊断的有效途径之一。结合旋转机械 功率长时问的不间断工作，其不可替代的作用更是从另一 的特点，本文重点分析如下8种主要的风机振动故障类型： 侧面显示出风机故障诊断系统对煤矿企业的重要意义。作 转子不对中、转子不平衡、基座松动、转子径向摩擦、喘 为一个由流体，机械，电磁三部分互相耦合的复杂非线性 振、油膜涡动、轴承裂纹 、轴承损失。通过利用快速傅里 系统 ，风机系统的很多振动故障类型和故障现象之间难以 叶变换提取信号在频域上的幅值特征量作为故障分析的支 建立明确的数学线性关系…。 撑数据。 BP神经网络以其解决非线性问题的优 良效果在故障诊 本文以中国矿业大学实验室积累的振动信号数据为基 断方面获得了大量的应用，本文采用 了基于遗产算法优化 础，结合通用的J．Sohre提出的故障特征征兆表 ，选