文献类型：期刊文章

作　　者：樊红卫[1,2] 张旭辉[1,2] 曹现刚[1,2] 万翔[1,2] 杨一晴[1]

FAN Hongwei;ZHANG Xuhui;CAO Xiangang;WAN Xiang;YANG Yiqing(School of Mechanical Engineering,Xi’an University of Science and Technology,Xi’an 710054,China;Shaanxi Key Laboratory of Mine Electromechanical Equipment Intelligent Monitoring,Xi’an 710054,China)

机构地区：[1]西安科技大学机械工程学院,西安710054 [2]陕西省矿山机电装备智能监测重点实验室,西安710054

出　　处：《振动与冲击》

基　　金：国家自然科学基金(51974228,51875451);陕西省自然科学基础研究计划(2019JLZ-08);陕西省重点研发计划(2019GY-093);陕西省重点实验室开放基金(SKL-MEEIM201910)。

年　　份：2020

卷　　号：39

期　　号：24

起止页码：194-204

语　　种：中文

收录情况：BDHX、BDHX2017、CSCD、CSCD2019_2020、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：目前,煤炭依然是我国主体能源,煤矿井下环境复杂恶劣,使煤矿设备故障频发,对采煤安全造成严重威胁。目前机械故障诊断技术以振动为主要手段,研究涉及动力学与故障机理、信号处理与特征提取、基于振动数据的智能诊断等。故障机理研究为信号特征提取和智能诊断提供基础,主要研究轴承、齿轮及机械系统在故障状态下的振动规律,特别是频率构成。信号处理算法的目的在于从实测信号中提取反映故障信息的成分,根据信号特点主要包括频谱分析、小波分析和经验模态分解等。基于数据的智能诊断方法发展迅速,其主要对监测数据进行分类、聚类和回归分析,根据数据特点有支持向量机、浅层神经网络和深度学习方法等,种群智能算法常用于这些方法的参数优化。研究表明煤矿设备机械故障诊断研究滞后,亟需加强理论研究、算法开发和工程应用,为我国智慧矿山和煤炭绿色、安全和高效开采提供支持。

关 键 词：智慧矿山  故障诊断 振动分析  信号处理 人工智能

分 类 号：TH17] TD40]