發(fā)布時(shí)間：2024-07-09 03:13

　　礦井提升設(shè)備是煤礦能源開采中連接井上與井下的關(guān)鍵設(shè)備,其能否安全可靠地運(yùn)行直接關(guān)系到企業(yè)的經(jīng)濟(jì)效益和工人的生命安全,制動(dòng)系統(tǒng)又是提升設(shè)備的最重要的組成部分之一,因此,進(jìn)行礦井提升設(shè)備制動(dòng)系統(tǒng)的故障診斷對(duì)于安全高效生產(chǎn)具有重要意義。本文以礦井提升機(jī)為工程研究背景,通過采用粗糙集(Rough Set)、MATLAB、貝葉斯網(wǎng)絡(luò)(Bayesian Net)和改進(jìn)啟發(fā)式搜索算法相融合的故障診斷方法,重點(diǎn)是針對(duì)提升機(jī)制動(dòng)系統(tǒng)故障診斷中的知識(shí)獲取和知識(shí)推理等關(guān)鍵技術(shù),并對(duì)其進(jìn)行了深入的研究:第一,采用組態(tài)王技術(shù)實(shí)現(xiàn)了提升機(jī)制動(dòng)系統(tǒng)的數(shù)據(jù)實(shí)時(shí)監(jiān)測和儲(chǔ)存。通過ODBC數(shù)據(jù)源和在MATLAB中編寫代碼,將MATLAB和數(shù)據(jù)庫連接起來,可以實(shí)現(xiàn)直接從數(shù)據(jù)庫中調(diào)用數(shù)據(jù),并在MATLAB中進(jìn)行數(shù)據(jù)處理。第二,針對(duì)故障診斷知識(shí)獲取困難、計(jì)算量大的問題,提出了改進(jìn)的粗糙集和MATLAB相融合的方法,建立了故障診斷規(guī)則知識(shí)獲取模型。改進(jìn)的粗糙集中包含改進(jìn)的差別矩陣求核和改進(jìn)的屬性重要度求屬性的重要性,這種方法適用于任何決策表的約簡;最后在MATLAB中實(shí)現(xiàn)的改進(jìn)粗糙集的轉(zhuǎn)化,并且實(shí)現(xiàn)了故障診斷知識(shí)自動(dòng)獲取。第三,針...

【文章頁數(shù)】：102 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
abstract
第一章 緒論
    1.1 引言
    1.2 研究目的與意義
        1.2.1 研究目的
        1.2.2 研究意義
    1.3 國內(nèi)外研究現(xiàn)狀
        1.3.1 礦井提升機(jī)故障實(shí)時(shí)檢測技術(shù)
        1.3.2 .提升機(jī)故障診斷知識(shí)獲取模型的構(gòu)建
        1.3.3 提升機(jī)故障診斷規(guī)則挖掘技術(shù)
    1.4 主要研究內(nèi)容
    1.5 小結(jié)
第二章 提升機(jī)制動(dòng)系統(tǒng)故障實(shí)時(shí)監(jiān)測與診斷方法
    2.1 引言
    2.2 制動(dòng)系統(tǒng)組成及技術(shù)參數(shù)
        2.2.1 系統(tǒng)組成
        2.2.2 技術(shù)參數(shù)
    2.3 實(shí)時(shí)監(jiān)測方法
        2.3.1 傳感器布置
        2.3.2 監(jiān)測方法設(shè)計(jì)
    2.4 常見故障及診斷標(biāo)準(zhǔn)
        2.4.1 制動(dòng)系統(tǒng)常見的故障
        2.4.2 監(jiān)測參數(shù)的診斷標(biāo)準(zhǔn)
    2.5 提升機(jī)制動(dòng)系統(tǒng)故障診斷方法
        2.5.1 故障診斷知識(shí)獲取
        2.5.2 故障診斷規(guī)則挖掘
    2.6 數(shù)據(jù)采集試驗(yàn)
    2.7 小結(jié)
第三章 基于改進(jìn)粗糙集和MATLAB融合方法的提升機(jī)故障診斷知識(shí)獲取
    3.1 引言
    3.2 故障診斷知識(shí)的概念
    3.3 數(shù)據(jù)的預(yù)處理
        3.3.1 數(shù)據(jù)的補(bǔ)齊與冗余處理
        3.3.2 數(shù)據(jù)離散化
    3.4 基于粗糙集的知識(shí)獲取
        3.4.1 粗糙集理論基礎(chǔ)
        3.4.2 基于差別矩陣的屬性約簡
        3.4.3 基于屬性重要度的屬性約簡
        3.4.4 基于改進(jìn)差別矩陣和改進(jìn)屬性重要度的屬性約簡
    3.5 基于MATLAB的粗糙集轉(zhuǎn)換實(shí)現(xiàn)方法
        3.5.1 不可區(qū)分關(guān)系的轉(zhuǎn)化
        3.5.2 求決策系統(tǒng)的正域約簡
    3.6 基于粗糙集和MATLAB提升機(jī)制動(dòng)系統(tǒng)故障診斷知識(shí)獲取
        3.6.1 構(gòu)建故障診斷知識(shí)獲取模型
        3.6.2 故障診斷知識(shí)獲取算法步驟
    3.7 基于改進(jìn)的粗糙集和MATLAB融合方法的故障診斷知識(shí)獲取試驗(yàn)
        3.7.1 模擬試驗(yàn)故障
        3.7.2 試驗(yàn)方案設(shè)計(jì)
        3.7.3 試驗(yàn)結(jié)果分析
    3.8 小結(jié)
第四章 基于貝葉斯網(wǎng)絡(luò)提升機(jī)制動(dòng)系統(tǒng)故障診斷不確定推理模型的建立
    4.1 引言
    4.2 基礎(chǔ)理論概述
        4.2.1 不確定推理模式
        4.2.2 貝葉斯網(wǎng)絡(luò)概述
    4.3 貝葉斯網(wǎng)絡(luò)的知識(shí)表示
        4.3.1 條件獨(dú)立
        4.3.2 三種基本網(wǎng)絡(luò)結(jié)構(gòu)表示及其獨(dú)立判斷
    4.4 貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)
        4.4.1 貝葉斯網(wǎng)絡(luò)的結(jié)構(gòu)學(xué)習(xí)
        4.4.2 貝葉斯網(wǎng)絡(luò)的參數(shù)學(xué)習(xí)
    4.5 基于Netica的提升機(jī)制動(dòng)系統(tǒng)貝葉斯網(wǎng)絡(luò)模型
    4.6 構(gòu)建提升機(jī)制動(dòng)系統(tǒng)貝葉斯網(wǎng)絡(luò)模型條件概率表
        4.6.1 組建樣本數(shù)據(jù)
        4.6.2 處理樣本數(shù)據(jù)
        4.6.3 樣本數(shù)據(jù)學(xué)習(xí)
    4.7 基于Netica的貝葉斯網(wǎng)絡(luò)模型的不確定推理
        4.7.1 預(yù)測推理
        4.7.2 診斷推理
        4.7.3 支持推理
    4.8 小結(jié)
第五章 基于貝葉斯網(wǎng)絡(luò)和改進(jìn)A-star的提升機(jī)制動(dòng)系統(tǒng)故障診斷
    5.1 引言
    5.2 貝葉斯網(wǎng)絡(luò)推理方法分類
        5.2.1 精確推理
        5.2.2 近似推理
    5.3 基于啟發(fā)式搜索的算法
        5.3.1 A-star算法
        5.3.2 改進(jìn)的A-star算法
    5.4 提升機(jī)制動(dòng)系統(tǒng)故障搜索樹的建立
    5.5 基于貝葉斯網(wǎng)絡(luò)啟發(fā)式搜索的提升機(jī)制動(dòng)系統(tǒng)故障診斷試驗(yàn)
        5.5.1 試驗(yàn)設(shè)備簡介
        5.5.2 實(shí)驗(yàn)方案設(shè)計(jì)
        5.5.3 制動(dòng)盤偏擺試驗(yàn)
        5.5.4 閘瓦間隙大和制動(dòng)盤篇擺大混合試驗(yàn)
    5.6 與傳統(tǒng)專家系統(tǒng)故障診斷方法對(duì)比的優(yōu)勢
    5.7 故障診斷關(guān)鍵技術(shù)應(yīng)用研究
    5.8 小結(jié)
第六章 結(jié)論與展望
    6.1 工作總結(jié)
    6.2 主要結(jié)論
    6.3 工作展望
參考文獻(xiàn)
致謝
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文



本文編號(hào)：4004302