论文部分内容阅读
矿井提升设备是煤矿能源开采中连接井上与井下的关键设备,其能否安全可靠地运行直接关系到企业的经济效益和工人的生命安全,制动系统又是提升设备的最重要的组成部分之一,因此,进行矿井提升设备制动系统的故障诊断对于安全高效生产具有重要意义。本文以矿井提升机为工程研究背景,通过采用粗糙集(Rough Set)、MATLAB、贝叶斯网络(Bayesian Net)和改进启发式搜索算法相融合的故障诊断方法,重点是针对提升机制动系统故障诊断中的知识获取和知识推理等关键技术,并对其进行了深入的研究:第一,采用组态王技术实现了提升机制动系统的数据实时监测和储存。通过ODBC数据源和在MATLAB中编写代码,将MATLAB和数据库连接起来,可以实现直接从数据库中调用数据,并在MATLAB中进行数据处理。第二,针对故障诊断知识获取困难、计算量大的问题,提出了改进的粗糙集和MATLAB相融合的方法,建立了故障诊断规则知识获取模型。改进的粗糙集中包含改进的差别矩阵求核和改进的属性重要度求属性的重要性,这种方法适用于任何决策表的约简;最后在MATLAB中实现的改进粗糙集的转化,并且实现了故障诊断知识自动获取。第三,针对提升机故障诊断推理中较多的不确定问题,建立了提升机制动系统故障诊断贝叶斯网络结构;对网络结构进行结构学习,并且为了减小外界较强干扰因素,采用期望最大优化算法(EM)对贝叶斯网络进行参数学习,以及对制动系统制动力矩不足等故障贝叶斯网络结构的知识表示,建立了制动系统的不确定推理模型。第四,根据制动力矩不足的不确定推理模型建立了制动力矩不足故障搜索树;然后提出了改进的A-star算法,并用其对故障搜索树进行搜索,得到故障树搜索的最佳故障路径;最后,将诊断故障和维修建议发布,便于用户故障分析和维护。第五,搭建试验台并制定切实可行的试验方案,分别对数据采集、故障诊断规则知识获取和不确定推理进行了试验研究,得到了预期的结果,验证了故障诊断结果正确性和有效性,上述成果已成功应用到了某矿提升机的故障诊断中。