摘 要 : 煤矿通风机作为煤矿“四大件”之一，通风机突发故障或病态运行，极易导 致灾难性后果。对通风机进行故障的在线预测和故障诊断，并产生检修提示，可以预 防故障停风和提高检修效率，对提高煤矿的安全性具有重要的意义。75452

本文对煤矿通风机振动信号进行研究，通过对小波神经网络算法推导，给出了算 法的改进方案，构建了小波神经网络通风机振动信号的故障与诊断模型，并进行训练。 经验证，该模型能够有效预测和诊断通风机的故障类型，从而实现通风机故障的在线 预测，进一步的提高矿井通风系统的安全性能以及通风机的检修效率，确保矿井的安 全生产。

毕业论文关 键 词 : 通风机，故障诊断，神经网络，诊断模型

Abstract:As one of the "four big" coal mine ventilators, the ventilator fault or pathological operation can lead to disastrous consequences easily。 Studyed the failure of the ventilator online prediction, fault diagnosis and maintenance can prevent the failure to stop the wind and improve the efficiency of maintenance, it has the vital significance  to improve coal mine safety。

In this paper, Through studying the coal mine ventilator vibration signals which based on wavelet neural network algorithm is derived, it can present algorithm improvement scheme。It constructed wavelet neural network ventilator vibration signal fault diagnosis model and trained these datas。Verified that the model can effectively predict and diagnose fault type of the ventilator, the safety of mine ventilation system and the maintenance efficiency of the fan are improved which guaranteed the Coal mine production。

Keywords:The ventilator , fault diagnosis , neural network , diagnosis model

目 录

1 前言 4

1。1 论文背景和意义 4

1。2 煤矿通风机故障诊断系统的发展趋势 4

1。3 国内外相关问题现状 5

1。4 论文主要研究内容 5

2 煤矿通风机故障诊断系统的总体规划 6

2。1 通风机故障诊断系统的结构 6

2。2 振动数据采集和工控机 7

2。3 通风机故障振动特性分析 7

3 小波神经网络 9

3。1 神经网络概述 9

3。2 小波分析理论 11

3。3 连续小波变换 13

3。4 小波基选择标准 14

4 小波神经网络通风机故障诊断 15

4。1 小波神经网络算法 15

4。2 小波神经网络参数选择 19

4。3 小波神经网络训练过程 19

4。4 小波神经网络故障预测推导 22

4。5 通风机的故障诊断及预测 23

结论 28

参考文献 29

致谢 30

附录 31

1 前言

1。1 论文背景和意义

中国经济实力和科技水平的飞速发展，使得大多数企业逐渐增加了对能源的需求 量，我国不仅是世界上开采煤炭量最大的国家，也是世界上煤炭量消耗最多的国家。 据统计，我国绝大部分经济生产的主要能源是煤炭，但是在实际的矿井操作中，煤矿 通风机通常处于不停机的状态，一旦通风机突发故障，极易导致矿井下瓦斯浓度的升 高，从而引发灾难性后果。所以针对高频率矿井事故的发生，我国逐步加强了对煤矿 行业的监督和管理工作，提高了工矿人员的安全和防范意识，但如何加大对煤矿通风 机故障诊断技术的力度，依然面临着十分严峻的考验。因此，近几年来煤矿行业的生 产安全也逐渐成为各行各业关注的焦点。论文网