中国安全科学学报

作者：井庆贺, 张启良, 王增仁, 刘东星, 谢苗, 孟庆爽

单位：1 扎赉诺尔煤业有限责任公司, 内蒙古 满洲里 021400；2 辽宁工程技术大学 机械工程学院, 辽宁 阜新 123000

关键词：托辊故障,振动信号,离散小波变换(DWT),局部平均分解(LMD),反向传播神经网络(BPNN)

为及时准确地判断托辊的安全运行状态,减少托辊故障运行,以某矿带式输送机中间段托辊实际运行工况为背景,研究托辊正常工况、轴承损坏和断裂的故障工况振动信号特征,采用离散小波变换(DWT)降噪处理采集的振动信号,通过局部平均分解(LMD)成若干PF分量之和,选取相关系数大的分量作进一步分析,将提取到的最佳特征作为反向传播神经网络(BPNN)输入,构建反向传播神经网络对托辊运行状态分类,并在某矿带式输送机上进行托辊运行状态诊断试验。试验结果表明:通过DWT-LMD-BPNN算法可以准确识别托辊故障类型,并确定托辊故障发生的位置,实现带式输送机中间段托辊故障超前预警,融合DWT-LMD-BPNN方法检测托辊故障的准确度为93%,可为后续搭建带式输送机智能监测平台提供研究基础。

来源：2023年第S2期

《中国安全科学学报》期刊编辑部

查看中国安全科学学报杂志2023年第S2期