基于小波包和神经网络的矿用通风机故障预警研究.pdfVIP

维普资讯 第 17卷第 3期 中 国 矿 业 Vol_17，No．3 2008年 3月 CHINA M INING MAGAZINE March 2008 基于小波包和神经网络的矿用通风机故障预警研究 朱 全，付 胜 (北京工业大学 机械工程与应用电子技术学院，北京 100022) 摘 要：矿用通风机在长时间的运行过程中，可能存在着多种故障隐患，及时准确地发现其隐患， 对于煤矿的安全生产具有极其重要意义。本文提 出了基于小波包分解技术和BP神经网络的 “能量一故 障”方法 。用小波包分解技术将含有通风机不 同故障状态信息的特征 向量 ，从不同的频带提取 出来 ，并 作为故障样本输入神经网络 ，建立 BP神经网络模型。利用该模型可对矿用通风机 的不 同故障状态进行 识别 。研究结果表 明，基于小波包和 BP神经网络 的故障诊断技术有效地利用 了两者 的优点，是提取设 备故障状态特征，进行故障诊断的有效方法 ，并利用该方法实现矿用通风机 的故障预警 。 关键词 ：小波包 ；神经网络 ；故障诊断；预警；通风机 中图分类号：TD441 文献标识码 ：A 文章编号：1004—4051(2008)03—0051—04 Studyonventilatorsfaultswarningbasedon waveletpackageandneuralnetwork ZHU Quan，FU Sheng (CollegeofMechanicalEngineeringandAppliedElectronicsTechnology， BeijingUniversityofTechnology，Beijing100022，China) Abstract：Theremaybesomekindsofhiddenfaultswhileventilatorsarerunningduringlongtime．Itis veryimportanttOdetecthidden faultsofventilatorsquicklyforproduction and safetyinmines． “Energy- faults”methodisintroducedinthispaper，whichisbasedonwaveletpackagedecompositionandBPneural network．Charactervectorswhichreflectdifferentfaultstateofventilatorsareextractedfrom differentfre— quencysegmentswiththetechnologyofwaveletpacketdecomposition，andtakingthem inputneuralnet— workasfaultsamplestOestablishthemode1ofBP neura1network．Thefaultstatesofventilatorscanbei— dentifiedbytheBP neuralnetworkmodel，Theresultsofresearchshow thatthefaultsdiagnosistechnolo— gY，basedon waveletpacketand BP neuralnetwork，could exertboth strongpoint，and itSan effective methodoffaultsdiagnosisbymeansofextra