目前我国在煤矿通风机故障诊断系统方面的发展还相对比较落后，很多矿井通风 机大都带病运作，这严重威胁了矿工的生命财产安全。因此为了确保煤矿行业能够持 续的安全生产，被誉为“矿井肺脏”的煤矿通风机的正常运行就起着至关重要的作用。 煤矿通风机承担着向矿井下输送新鲜空气，排除有害、有毒气体的作用，因此，煤矿 行业能够安全生产的根本保障就是通风机能够可靠的运行。但是，目前我国在煤矿通 风机故障诊断领域的研究还不成熟，如果不能对通风机的故障进行及时有效的故障诊 断，就极易造成事故。所以对矿井通风机故障诊断的研究具有重要的意义，尤其是以 下三个方面：

1)实施故障诊断不仅可以节省维修的费用，还可以减少高事故的发生。

2)实施故障诊断可以延长通风机检修的周期，使其能够朝着智能化、科学化的方 向发展。

3)实施故障诊断能及时、有效的避免重大事故所造成的经济损失和人员伤亡。

1。2  煤矿通风机故障诊断系统的发展趋势

1。3 国内外相关问题现状

1。4 论文主要研究内容

本文对煤矿通风机振动信号进行研究，采用小波分析和神经网络相结合的方法， 推导出小波神经网络的训练算法以及算法的改进方案，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，实现对煤矿通风机的故障诊断，本文主要内 容围绕以下几个方面展开：文献综述

第一章主要对论文选题的背景和意义进行简单的介绍，然后对通风机故障诊断系 统的发展趋势和国内外研究的现状等问题进行概述。

第二章简要规划煤矿通风机故障诊断系统的硬件结构以及系统模型，并对振动信 号的故障特性进行简要分析，为MATLAB的算法仿真提供硬件基础。

第三章重点研究了神经网络和小波分析理论，在传统神经网络的基础上，引入了 小波函数，为构建通风机振动信号的故障预测与诊断模型奠定理论基础。

第四章通过对小波神经网络算法进行推导，给出了算法的改进方案，构建了通风 机振动信号故障预测与诊断的模型。通过故障诊断，得出达到期望的目标误差所需要 的训练次数以及误差曲线图，通过故障预测，能有效的证明小波神经网络在故障诊断 过程中的可行性和有效性，能有效地验证该模型在故障诊断过程中的可行性和有效 性。

2  煤矿通风机故障诊断系统的总体规划

2。1 通风机故障诊断系统的结构

本文把煤矿通风机作为系统监测的对象,通过传感器将采集到的信号转化为其它 形式的信号，通过信号调理电路来实现对信号的变换和放大作用，并用数据采集卡对 采集到的信号进行A/D和D/A转换，最后利用小波神经网络处理和分析振动信号故障诊 断收集到的数据，系统通过传感器把采集过来的信号送入到通风机的故障诊断系统中 进行深入的分析和处理，达到对通风机实时监测的目的，故障诊断系统框图如图2-1 所示。来*自~优|尔^论:文+网www.youerw.com +QQ752018766*

通风机故障诊断系统框图

研究故障诊断主要是以傅立叶变换的频谱分析为基础，通过研究它的频率分量， 确定通风机的故障类型。这种方法会造成诊断过程中振动信号的受损，而且分辨率是 恒定的，缺乏一定的柔韧性，不适用于非平稳信号的提取。因此对通风机故障类型进 行诊断一般利用小波神经网络的方法，由于小波变换具有自适应，主要在低频部分表 现出高的频率分辨率和低的时间分辨率的特性，高频部分则恰恰相反。同时输入层到 隐层的权值和阈值可以由小波函数中的尺度因子的和平移因子代替，从而使小波分析 可以作为解决信号处理问题的理想工具，所以本文采取一种紧致型的小波神经网络来 诊断通风机的故障类型，利用小波分析的方法对采集的信号进行故障特征值的提取， 将一部分数据作为样本数据进行训练，另一部分作为实际数据与待训练数据进行检 测