一种智能早期矿用通风机在线故障诊断系统

摘要

一种智能早期矿用通风机在线故障诊断系统属于设备早期故障诊断领域。针对矿用通风机对煤矿安全的重要性和早期故障诊断的复杂性，本发明实现了既能对矿用通风机运行状态特征的准确提取，又能识别矿用通风机运行状态的细微变化。由于目前矿用通风机故障诊断装置只能实现故障预警，而不能对早期故障做出诊断。本发明利用聚类和奇异值分解的方法对传感器、变送器提取的状态信息做预处理和提取矿用通风机的状态特征，且不受噪声的干扰。在故障识别与分类方面使用支持向量机模型，同时利用每次诊断的数据不断丰富与更新支持向量机的训练与学样本，使该模型包含更多的信息，达到矿用通风机早期故障的准确、快速和智能的目的。

主权项

1.一种智能早期矿用通风机在线故障诊断系统，以聚类和奇异值分解作为信号特征的提取方法，利用支持向量机识别和诊断故障，其特征在于：其中的信号特征提取方法包括以下步骤： S1.利用聚类的方法处理数据采集模块采集的数据x(θ)(k)(k=1,2…N),N采样点，θ为信号代码，代表温度、振动、负压、一氧化碳浓度、甲烷浓度、电压、电流，θ=1,2…s s为信号总数，设定簇数n，分析后，包含信号最多的簇为所求信号，其余的簇集中包含的信号作为为异常点，除去信号中的异常点，得到包含数据最多的簇集K_i(θ)(x)，K_i(θ)(x)=[x_i1,x_i2,…x_im]，i为所分的簇集的序数，i=1,2…n，m为包含数据最多的簇集的信号点数，m≤N； S2.对S1中的K_i(θ)(x)构造Hankel矩阵A， S3.对S2中的矩阵A做奇异值分解，取第一个奇异值λ(θ)为信号特征； S4.以S3中的λ(θ)构造X={λ(1),λ(2)…λ(s)}为支持向量机的输入，输出Y={y₁,y₂…y_s}，其中y_θ等于0或θ，某个位置出现故障，则输出对应的代码θ，正常则输出0，根据代码确定故障的位置。 S5.以表格的形式记录支持向量机模型的训练输入和输出，表格的横行表示支持向量机的输出，竖行表示样本的序号，支持向量机训练完成后的的诊断输出都要与该表格进行比对，若输出与表格 相同，则矿用通风机的状态与样本相同。