通过对矿井通风机常见故障的分析,建立了基于BP神经网络的矿井通风机故障诊断模型,并应用MATLAB7.0实现了对通风机不同故障状态的识别。实例诊断结果表明,该方法能可靠地实现通风机的故障诊断,具有简单、快捷的特点,为非线性系统的控制提供了一种新方法。

矿井通风机是煤矿安全生产的重要设备之一。为了提高矿井通风机故障诊断的精确性,提出模拟退火神经网络故障诊断模型。利用BP神经网络高度的自学习和容错能力,通过模拟退火算法全局搜索能力优化BP神经网络的连接权重与阈值,克服BP神经网络的缺陷,以提高评价结果的准确性。结果表明,BP与SABP网络40组检测样本准确率分别为92. 5%和97. 5%。该诊断方法具有预测准确性高,稳定性好等优点,在生产中具有很好的应用价值。

通过对已采集的矿井通风机振动信号的处理,提出应用小波包-人工神经网络对其进行故障诊断与监测。以G4-73-11No25D离心式通风机为研究对象,利用小波包提取振动信号的能量特征作为特征向量,并利用L-M算法对BP网络进行改进,建立了神经网络模型。经实际验证,该方法能够准确、快速地对通风机的故障进行诊断和监测。