论文部分内容阅读
滚筒载荷识别与预测是实现采煤机煤岩识别、自动截割及截割部传动系统故障诊断的关键问题。本文通过理论分析、仿真模拟及实验测试相结合的方法,设计发明基于多传感器的滚筒载荷感知方法,构建了多传感器数据特征提取与降噪模型,研究了基于多传感器信息融合的滚筒载荷辨识策略,实现了采煤机滚筒载荷实时感知与精确预测,具体如下:(1)针对采煤机滚筒截割载荷无法获取的问题,制定了基于多传感器融合的采煤机滚筒载荷感知系统总体方案,设计发明截齿载荷测试方法、滚筒扭矩测试方法、摇臂连接销轴测试方法、摇臂变形量测试方法,研究基于多传感器的多参量数据同步采集与传输方法,为滚筒载荷的精确感知奠定基础。(2)针对截割部摇臂壳体和多级齿轮传动系统结构复杂,传感器安装位置无法确定的问题,建立了采煤机截割部传递系统刚柔耦合动力学模型,分析了研究摇臂壳体变形与滚筒载荷间的相互影响关系,通过对比摇臂壳体关键位置的变形规律,得到摇臂前后两侧12个应变传感器最佳安装位置;分析研究了截割部多级齿轮传递系统与滚筒载荷间的相互影响关系,确定了距滚筒端距离最近的齿轮轴6是滚筒扭矩感知传感器的最佳安装位置。(3)针对缩小比例采煤机滚筒截割实验测试结果误差大、精度底的问题,根据采煤机实际结构,研制了截齿三向力、惰轮轴载荷、摇臂连接销轴载荷及摇臂应变测试传感器及数据采集、传输平台,并在张家口煤机厂国家能源煤矿采掘机械装备研发(实验)中心进行1:1模拟井下工况的采煤机滚筒截割实验,获取滚筒工作过程中各传感器的实验测试数据,为多传感器融合滚筒载荷辨识与预测提供支撑。(4)针对滚筒实验数据中包含大量噪声干扰信号问题,构建了基于独立成分和小波分析滚筒测试特征数据提取模型与方法,完成了对各传感器的测试数据进行时域和频域分析,时域分析结果表明:各传感器所得到的测量结果均能体现出滚筒截割载荷的变化规律;频域分析结果表明:各传感器数据的1阶波峰频率均为0.467Hz,为滚筒的回转频率,通过各传感器的各阶频率峰值大小可描述滚筒截割载荷变化。(5)针对单一传感器对滚筒载荷识别测试精度低、稳定性差的问题,以截齿载荷直接测试的滚筒载荷为输出样本,以惰轮轴传感器、摇臂连接轴传感器、摇臂变形传感器测试数据为输入样本,建立基于深度神经网络的滚筒载荷辨识与预测模型,并通过实验数据对预测模型进行验证,验证结果表明预测模型对滚筒三向截割载荷的预测精度达到了83%以上,对滚筒扭矩预测精度可达到95%,说明预测模型具有较高的精度。该论文有图104幅,表16个,参考文献156篇。