针对现有带式输送机托辊故障检测方法准确率及效率低等问题,提出一种基于φ-OTDR技术的带式输送机托辊故障检测方法。该方法利用相干脉冲光的后向瑞利散射对托辊的振动信号进行检测,从而实现对异常托辊的识别和定位。实验及测试结果表明,该方法能够实现带式输送机托辊故障检测,故障定位误差不大于5m。

针对现有带式输送机托辊故障检测方法采用接触式测量、不便于安装操作、不适合于井下大范围故障检测等问题，提出了一种基于小波去噪和BP-RBF神经网络的托辊故障检测方法。采集托辊运行时的音频信号，采用结合了软阈值法和硬阈值法的折中法对音频信号进行小波去噪处理；将每一层小波分解信号的能量和作为该层的特征值，通过处理系数对低频部分的特征值进行转换，以减小其在总能量中的占比，使故障特征更加明显；将提取的特征向量输入BP-RBF神经网络模型中进行故障检测。测试结果表明，对于正常托辊信号、托辊表面存在裂痕、托辊表面磨损3种情况，该方法的故障识别率达到96.7%。与传统的频谱分析诊断技术相比，该方法所需的工作量更少、准确率更高；相较于基于温度检测等的故障检测技术，该方法采用非接触安装方式，安装更方便，检测范围更大，具有良好的应用前景。

针对当前带式输送机托辊卡死故障监测布线、通信困难、故障监测定位不准确等弊端,设计了一种基于Zig Bee无线传感网络的托辊卡死故障监测系统。基于Zig Bee无线传感网络实现了对托辊轴端温度的采集以及组网传输,通过串口上传到labview设计的上位机,可以实现动态实时在线监测。经过现场测试,该系统实现了故障定位准确、自动化监测的目的。

不对称故障下STATCOM的运行和控制，黄科元，谭勇，随着电网负荷日益复杂化，电网常出现不对称故障，而且传统静止同步补偿器（STATCOM）存在参数整定难，计算复杂的缺点，故不能很好�

鉴于传统单一预测对非平稳信号处理不佳且滤波不足、预测精度不够等缺点,提出基于SVM-Wavelet组合算法对通风机进行故障预测,运用小波进行信号滤波和特征提取,结合SVM训练样本建立模型,最终在与Matlab无缝连接的Lab VIEW上位机软件中实现模型预测。

为了解决现实生产生活中的具有两阶段服务性质的休假排队问题,利用马尔可夫过程理论建立系统稳态概率方程组,并利用分块矩阵解法,得到了稳态概率的矩阵解。由此得出系统的平均队长、平均等待队长等性能指标。该成果对解决两阶段服务排队模型具有重要的理论意义和应用价值。

刮板输送机是煤矿井下重要的开采设备之一,简要分析了现阶段刮板输送机的故障诊断现状,针对刮板输送机故障种类繁多,相互影响大且不易诊断的问题,根据多传感器数据融合理论,提出了RBF和模糊积分相结合的刮板输送机故障诊断数据融合方法。在特征级采用RBF,可以对同类传感器采集的数据进行快速学习和收敛,得到同源数据对每一类故障的模糊测度,以便在高维空间内进行同源数据的线性可分。决策级采用模糊积分理论利用该模糊测度通过模糊积分计算,获得刮板输送机故障信息的预测结果,该方法具有较好的容错性,简化了冗余信息,降低了故障相互影响的关联性。刮板输送机减速器电机故障的诊断研究表明,文中所提出的方法有助于克服故障类型的不确定性,在整体上确保故障数据的完备性,正确地判定故障的类型,提高了故障诊断的准确性。

液压支架产品在设计、制造和使用等过程中会发生很多失效形式,而每种失效形式都存在潜在的不合理设计、制造等。针对液压支架一些故障进行了支架设计的潜在失效模式及后果分析(FMEA),详细论述了如何建立设计FMEA的过程,给出了在液压支架产品中的应用实例。结果表明,FMEA作为可靠性设计的一种重要方法,应用于液压支架的设计,可以找出设计的薄弱方面,对于液压支架产品可靠性的提高、系统成功研发和后期客户的使用等都起到了及其重要的作用。

带式输送机传动滚筒轴承发生故障时,特别是早期故障,其振动信号中隐含的脉冲故障信息很微弱,且常被淹没在强烈的噪音中,直接做频谱分析或包络分析,很难提取其故障特征。最小熵解卷积(Minimum Entropy Deconvolution,MED)通过最优滤波器对轴承微弱故障信号进行最优滤波,提高了信号的信噪比,然后对滤波后的信号进行包络解调分析,能够提取出信号中隐含的故障特征。将该方法应用于带式输送机传动滚筒中的滚动轴承故障诊断,成功提取出了轴承内圈的早期微弱点蚀故障特征。对FIR滤波器阶数L的选择进行了分析,以确保最优的MED解卷积效果。仿真与应用验证了最小熵解卷积方法在滚动轴承故障诊断的有效性和优点。

三速电动机常用于煤矿开采、冶金、造船等工程领域,工作条件恶劣,转子断条是三速电动机的常见故障之一。转子断条故障在线检测中必须考虑电动机实际运行和检测条件。借助三速电动机定子铁芯上嵌放2套或者3套绕组的结构特点,在理论分析、仿真的基础上,提出了基于自适应滤波的三速电动机转子断条在线检测的新方法。仿真和诊断表明该方法可以抑制干扰因素的影响,有效提取故障特征量并实现故障准确诊断,是一种切实可行的在线诊断方法。