基于小波包和BP神经网络的刚性罐道故障诊断

摘要：

针对现有刚性罐道故障诊断方法不能消除环境因素影响、接头故障识别率较低等问题,以提高罐道故障种类识别精度为目标,提出了基于小波包和BP神经网络的刚性罐道故障诊断方法.搭建了立井提升系统实验台,模拟台阶突起故障和罐道接头故障这2种典型的罐道故障,采集提升容器振动加速度信号;运用小波包分解对采集的信号进行能量分析并提取故障特征参数,将故障特征参数作为BP神经网络的输入,并选取新的测试样本检测神经网络的诊断效果.测试结果表明,基于小波包分析和BP神经网络的刚性罐道故障诊断方法具有较高的故障识别精度,置信度达到了0.91.

关键词：立井提升、刚性罐道、故障诊断、故障种类识别、小波包、BP神经网络

所属期刊栏目：44

分类号：TD53(矿山运输与设备)

资助基金：国家自然科学基金项目51305003;安徽省博士后基金项目2017B172;安徽省高校自然科学研究重大项目KJ2015ZD19;安徽理工大学国家自然基金预研项目2016yz004

在线出版日期：2018-09-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：76-80