APP下载

基于数字孪生和概率神经网络的矿用通风机预测性故障诊断研究

2021-11-30经海翔黄友锐徐善永唐超礼

工矿自动化 2021年11期
关键词:故障诊断优化故障

经海翔, 黄友锐, 徐善永, 唐超礼

(安徽理工大学 电气与信息工程学院,安徽 淮南 232001)

0 引言

矿用通风机工作环境恶劣,工作时间长,一旦发生故障,会造成井下循环风量不足,瓦斯及其他有害气体浓度超限,导致重大安全事故的发生[1-2]。通风机的安全运行是保障矿工生命与井下安全作业的基础,对通风机进行实时监测与预测性故障诊断具有重要意义。

现有通风机故障诊断方法主要有基于信号处理、基于数学模型和基于机器学习的方法等。基于信号处理的诊断方法通过小波分析[3]、傅里叶变换[4-5]等方法分析信号时频特性与故障类型之间的关系,以实现故障诊断。这些方法不需要数学建模,实现简便,但是无法全面地提取信号特征,造成诊断结果误差较大。基于数学模型的故障诊断方法需建立能反映物理设备特性的数学模型,通过分析模型中输入量与输出量的对应关系,实现故障诊断[6-7]。但是很多设备的结构与运行规则相当复杂,其数学模型建立困难,甚至无法建立,导致这些方法实际应用很难实现。基于机器学习的故障诊断方法包括BP神经网络算法[8]、支持向量机[9]等,这些方法都是基于故障特征进行故障诊断,需用不同的方法提取多个故障特征,使用较为繁琐且故障诊断准确率较低。

针对现有通风机故障诊断方法存在的问题,本文提出了一种基于数字孪生和概率神经网络(Probabilistic Neural Network,PNN)的矿用通风机预测性故障诊断方法。搭建了通风机数字孪生模型,并以其为基础建立了通风机的预测性故障诊断模型。……

登录APP查看全文

猜你喜欢

故障诊断优化故障
超限高层建筑结构设计与优化思考
民用建筑防烟排烟设计优化探讨
关于优化消防安全告知承诺的一些思考
一道优化题的几何解法
故障一点通
奔驰R320车ABS、ESP故障灯异常点亮
故障一点通
江淮车故障3例
基于LCD和排列熵的滚动轴承故障诊断
基于WPD-HHT的滚动轴承故障诊断