针对煤矿带式输送机故障诊断存在较大的数据不确定性而导致的诊断可靠性低问题,提出了一种基于D-S证据理论的带式输送机故障智能诊断方法。通过多种传感器对带式输送机信号数据进行采集,利用D-S证据理论的数据融合规则将采集到的多类数据进行融合,并根据判断规则对带式输送机的故障进行判断。

针对煤矿带式输送机故障种类繁多且各征兆存在交叉,严重影响故障诊断的时效性和可靠性的问题,提出了一种煤矿带式输送机故障诊断方法。该方法采用粗糙集与神经网络相结合的故障诊断技术,通过粗糙集属性约简算法优化输入的故障征兆集,得到最优约简集;将约简后的最小条件属性集输入BP神经网络进行合理训练,经过不断学习优化,最终得到诊断决策规则;将约简的相应测试征兆属性样本输入训练好的网络进行故障诊断,判别出相应故障。仿真结果表明,该方法能够充分删除冗余信息,加快网络训练速度,提高带式输送机故障诊断精度。

介绍了一种基于C#的带式输送机故障诊断系统的设计与实现方法,利用该系统可以对带式输送机进行实时监控与故障诊断,及时发现、排除带式输送机的各种故障,保证其稳定运行,提高生产效率,在煤矿企业具有良好的推广前景与应用价值。