基于模糊算法的采煤机故障诊断与预测系统下载

weixin_39820780 2020-10-02 05:31:03

采煤机作为目前我国煤矿主要开采设备,其安全性及稳定性使工作人员具有良好的工作环境及高效的开采效率,因此,采煤机的故障诊断及预测系统对于采煤过程的安全防护变得至关重要。模糊算法具有预测精度高、稳定性好等特点。结合模糊算法对采煤机的故障诊断预测系统进行模型建立,拓展模糊算法在我国煤炭产业中的应用范围。
相关下载链接：//download.csdn.net/download/weixin_38741101/12521131?utm_source=bbsseo

...全文

7 回复打赏收藏转发到动态举报

写回复

回复

切换为时间正序

请发表友善的回复…

发表回复

采煤机作为目前我国煤矿主要开采设备,其安全性及稳定性使工作人员具有良好的工作环境及高效的开采效率,因此,采煤机的故障诊断及预测系统对于采煤过程的安全防护变得至关重要。模糊算法具有预测精度高、稳定性好等特点。结合模糊算法对采煤机的故障诊断预测系统进行模型建立,拓展模糊算法在我国煤炭产业中的应用范围。

为了能够准确地对采煤机变频器进行故障诊断,深入研究了模糊神经网络技术在采煤机变频器故障诊断中的应用。建立了模糊神经网络理论模型,并且对传统的算法进行了改进。设定了模糊神经网络的输入和输出向量,设计出了合理的采煤机变频器模糊神经网络的结构。利用MATLAB数学计算工具对模糊神经网络进行训练,并且进行实验验证,结果表明模糊神经网络能够有效地对采煤机变频器进行故障诊断。

为了了解采煤工作面液压支架在不同时段的工作状态及出现的故障,在已检测到液压支架压力的基础上,利用这些采集到的压力数据,提出了利用模糊分析识别的方式,判断出支架的工作状态,同时采用stateflow(有限状态机)监测、诊断液压支架工作过程中产生的一些故障和错误,并通过简易的自适应控制算法进行自动调整。

瓦斯浓度预测是煤矿安全生产的重要环节。本文提出了一种基于时间卷积网络（TCN）和长短期记忆神经网络（LSTM）相结合的TCN-LSTM模型，用于瓦斯浓度多输入单输出预测。该模型充分利用了TCN在提取时间序列特征方面的优势，并结合了LSTM对长期依赖关系的建模能力，提高了预测精度。

瓦斯浓度预测是煤矿安全生产的重要环节。本文提出了一种基于时间卷积网络（TCN）和长短期记忆神经网络（LSTM）相结合的TCN-LSTM模型，用于瓦斯浓度多输入单输出预测。该模型充分利用了TCN在提取时间序列特征方面的优势，并结合了LSTM对长期依赖关系的建模能力，提高了预测精度。

下载资源悬赏专区

12,779

社区成员

12,307,874

社区内容

发帖

与我相关

我的任务

其他技术论坛（原bbs）

社区管理员

加入社区

近7日
近30日
至今

加载中

查看更多榜单

社区公告

暂无公告

试试用AI创作助手写篇文章吧

+ 用AI写文章