基于信息融合与数据挖掘的采煤机故障特征提取和故障诊断方法研究开题报告演示幻灯片.pptVIP

辽 宁 工 程 技 术 大 学 研究生论文选题报告及论文工作计划 研究生姓名 谢国民 学科(专业) 机械设计及理论 研究方向 机械设计与智能控制 指导教师 付 华 2010年 10 月 8 日 填 论文题目（或选题范围） 基于信息融合与数据挖掘的采煤机故障 特征提取和故障诊断方法研究 一、综 述： 1 前言 目前，在大型煤矿企业（及集团）的采煤机的状态检测和故障诊断领域，知识获取技术、信息综合利用以及诊断系统等方面才刚刚起步或者存在较多不完善。随着数据挖掘技术与信息融合理论的发展和完善，综合运用挖掘、融合技术和各种电子技术、通讯技术解决采煤机系统问题及构建分布时诊断系统已经成为当前采煤机故障诊断发展的主要趋势。为此本论文在国家自然科学基金“煤矿瓦斯融合决策与预测控制理论研究”以及辽宁省优秀人才项目“大型压铸机实时监控系统研究”和辽宁省重点攻关项目“煤矿综掘综采设备安全性研究”的支持下，以数据挖掘和信息融合为理论基础，数据库技术和网络技术为应用基础，对基于数据挖掘的的诊断方法、基于数据融合的诊断方法、决策预警的可靠性以及基于挖掘和融合的诊断系统的原型进行了理论上、和实现的研究，期待取得更新的突破进展和预期成果。 2 煤矿采掘设备及其故障诊断的发展状况 煤炭目前仍然是我国的基本能源，据统计仍然占我国总能源的70%左右。尽管国家能源局发布新的规划中提出了“多元发展”的方略，但煤炭仍然占据重要基础地位。自进入二十世纪末以来，以神华、中煤集团为首的大型煤炭企业投巨资发展综采自动化技术，采煤机也逐渐向连续化、大型化、高速化、智能化方向发展，来保证采煤机高效性和连续作业能力。而这种连续化、大型化、高速化、智能化满足了国家和生产企业的产能目标，加速实现采煤自动化水平，降低了生产成本，提高了生产效率，但是身为采煤生产核心设备的采煤机工作环境恶劣；除了电磁干扰，煤尘、瓦斯、岩石压力、水雾侵蚀影响性能，同时运转时还要承受岩石、煤体等巨大冲击负载，一旦发生事故，轻则影响生产效率，重则停产整顿，甚者会发生机毁人亡几连带恶性事故。因此，为了能使采煤机系统更高效、更可靠运转，就必须掌握采煤机实时运行信息，找出其本质特征，并总结变化规律，实现对采煤机关键部分实行状态监测和故障预测。 防止采煤机事故发生的有效手段之一是提高采煤机监测监控及故障预测水平。目前我国采煤机监测、监控及其故障诊断技术已有很大发展，但还存在一些迫切需要解决的关键技术问题。随着国家煤炭需求不断扩大，采煤机系统应用规模、深度和广度的扩展，煤矿企业获取的监测数据也越来越多。与此同时进行故障信息检测、特征抽取和状态识别及故障融合决策的难度也逐渐加大。海量数据信息蕴含丰富 的故障诊断相关的内容，而煤炭生产企业并不能“去粗取精，去伪存真”，对此，以往的信号分析处理和人工智能方法已经不能够充分利用采集的振动、生产工艺参数等现场数据，不能够及时、准确发现重大故障隐患，状态监测和故障诊断特征获取与决策出现障碍。 数据挖掘，又称为数据库中知识发现 (Knowledge Discovery in Database, KDD)， 起始于二十世纪九十年代初期。目前主要应用在银行、保险、交通等领域。知识发现过程以下三个阶段组成：（1）数据准备，（2）数据挖掘，（3）结果表达和解释。数据挖掘可以与用户或知识库交互。 他不但能对海量数据进行关联、分类和模式预测，特别在高维海量数据分析、识别上表现出独有的优势。正因此为我们突破传统状态监测和故障诊断特征获取障碍提供了全新解决方案。 同时，在采煤机状态监测与故障诊断中，由于系统的大型化，结构复杂，多传感器必须采集振动、生产工艺等参量信号，但是这些信号与外环境的干扰、噪声信号一起被采集，加上系统导出数据、报警数据等，使得到初级采集信息更加丰富和层次不一。另方面，采煤机工作环境复杂，影响因素很多，同一种故障有很多表现类型，相同一种症状可能是几种故障共同作用的结果。 具体即监测信号和故障特征、故障特征与故障类别之间均为非线性映射，单凭一种或几种检测信号和诊断方法很难或无法准确实现故障诊断及预报。