基于EEMD和LSSVM的鋼絲繩輸送帶早期故障診斷研究.pdf

1、隨著科技的發(fā)展，鋼絲繩輸送帶因其負載重、運輸量大、傳輸距離長等特點，成為煤礦、鋼鐵和冶金等行業(yè)的主要運輸設備，并且這些行業(yè)對鋼絲繩輸送帶的依賴程度日益增強，人們也越來越關注鋼絲繩輸送帶的運行狀態(tài)。處于長期運行中的鋼絲繩輸送帶，一旦發(fā)生斷絲、形變、磨損等故障，會造成鋼絲繩的強度下降直至斷裂，最終造成嚴重的人員傷亡和經(jīng)濟損失。為了降低煤礦事故的發(fā)生，本文陳述了鋼絲繩輸送帶無損檢測國內(nèi)外的發(fā)展現(xiàn)狀，分析了鋼絲繩輸送帶故障的原理和金屬磁記憶檢測

2、的機理，研究了金屬磁記憶信號的降噪算法，證明了最小二乘支持向量機理論在鋼絲繩輸送帶早期故障診斷中的先進性和可行性。
　　本文首先介紹了鋼絲繩輸送帶無損檢測技術的發(fā)展現(xiàn)狀和金屬磁記憶技術的研究現(xiàn)狀。通過分析鋼絲繩輸送帶故障產(chǎn)生的原因，研究了金屬磁記憶技術的作用機理及金屬磁記憶法在故障檢測中的優(yōu)勢。與傳統(tǒng)檢測方法對比，提出金屬磁記憶技術應用于鋼絲繩輸送帶檢測，并對其進行了可行性分析。其次，金屬磁記憶信號非常微弱，極易受到現(xiàn)場環(huán)境的干擾

3、，如果不進行降噪處理會嚴重影響檢測結果。依據(jù)集合經(jīng)驗模態(tài)分解在信號處理領域的突出特點，提出了改進型的集合經(jīng)驗模態(tài)分解法對金屬磁記憶信號進行降噪。通過集合經(jīng)驗模態(tài)分解法與金屬磁記憶技術相結合，可以準確的判定鋼絲繩輸送帶應力集中的區(qū)域。然后，從降噪的金屬磁記憶信號中提取多個特征量，輸入到最小二乘支持向量機早期故障診斷系統(tǒng)內(nèi)?；诮⒌脑缙诠收显\斷系統(tǒng)，識別和診斷鋼絲繩輸送帶的運行狀態(tài)。最后，選用粒子群優(yōu)化算法對最小二乘支持向量機的參數(shù)進行尋