买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：西安重装韩城煤矿机械有限公司;西安科技大学

摘要：本发明涉及一种煤矿变频局部通风机工况监测与故障预警方法，包括故障诊断和故障预警，本发明对矿井主通风机的运行状态监测、诊断与预警进行研究。通过分析矿井主通风机常见故障机理及特征，制定矿井主通风机设备运行状态监测方案，在传统的BP神经网络基础上，用粒子群算法PSO优化BP算法提高故障诊断的准确性。经PSO‑BPNN在电机故障类型识别中，无论是从算法收敛速度还是诊断精度都明显优于BPNN，能更好地适应实际工况下的电机故障诊断。通过仿真实验分析，可以得出结合动态时间序列的PSO‑BPNN预测方法能够在转速波动工况和变转速工况下均具有较好的预测能力。

主权项：1.煤矿变频局部通风机工况监测与故障诊断方法，包括故障诊断和故障预警，其特征在于，故障诊断包括以下步骤：1数据采集，提取故障特征数据；2建立BP神经网络模型，确定BP神经网络的拓扑结构，该结构包括神经网络的输入层m、输出层n、权值p以及阈值q；3确定PSO粒子维度M；4确定粒子群的初始参数，包括粒子群的规模N、惯性权重ω以及学习因子c1和c2，最大进化次数Tmax，位置搜索范围[-Xmax，Xmax]和最大速度Vmax；5利用采集的故障特征数据与步骤4共同确定新的适应度函数；6根据新的适应度函数确定粒子个体以及全局最优值与适应度函数关系，得到PSO-BP故障诊断模型；7根据步骤6建立的PSO-BP故障诊断模型确定个体、全局极值最优取值与适应度函数关系；8更新粒子群的速度、位置；9更新个体极值、全局极值；10进行判断，是否满足结束条件，若满足结束条件进行下一步，若不满足结束条件返回步骤8；11得到诊断模型的最优权值以及阈值；12计算诊断结果与训练目标的误差；13根据上一步计算的误差更新模型的权值p与阈值q；14判断训练目标是否满足要求，若不满足目标要求返回步骤12继续执行，满足训练目标要求输出结果；故障预警包括以下步骤：15确定基于振动信号变量的时间序列y1，y2，…，ym；16确定粒子群、BP神经网络BPNN的输入层m、隐含层l、输出层n具体结构参数；17通过网络训练得到y1，y2，…，ym时间序列的下一时刻时间序列预测值18通过时间滚动技术得到新变量时间序列作为网络输入，迭代训练得到预测值19按步骤17-18方式迭代运行，最终实现对后续的时间序列进行预测，达到多步预测的目的；其中，预测过程如下公式所示： 20得到预测数据并与理论预警限值进行比较，判断通风机未来一段时间会否会发生故障。

全文数据：

权利要求：

百度查询： 西安重装韩城煤矿机械有限公司 西安科技大学 煤矿变频局部通风机工况监测与故障预警方法