带式输送机是一种被广泛使用的现代化连续运输机械，在工作中时常遇到恶劣工作环境和复杂工况，这就要求其必须具有较高的工作可靠性。传统的带式输送机故障诊断方法是将阈值视为异常指标，通常只采用单一的检测方法，诊断结果常有遗漏和错误，且发现故障存在一定的滞后性。为了提高故障诊断方法的准确率和诊断效率，避免故障结果滞后，本文结合现代智能诊断技术进行了如下研究：
（1）首先对带式输送机的基本构成、常见故障类型及相应故障机理进行了分析研究，得出输送机非正常工作的影响因子。然后对几类现代故障诊断方法如专家系统诊断法、神经网络诊断法、支持向量机诊断法等进行对比，提出了一种利用神经网络进行参数预测、支持向量机对预测结果进行分类的故障诊断方案。
（2）基于MATLAB仿真平台，为了实现以较少易测参数（如瞬时流量等）获得难测参数（如滚筒张力、筒速等）的目标，以带式输送机历史运行数据为依据，在分别对普通神经网络和经遗传算法优化的神经网络进行训练后，对比分析训练结果，以最优模型对带式输送机实际数据进行参数预测。仿真试验表明预测结果曲线与实际数据曲线变化趋势基本吻合。
（3）利用LIBSVM工具箱，依据带式输送机历史故障数据，以带速、滚筒速度、滚筒张力、滚筒轴承温度等为输入参数，对带式输送机的正常状态和故障状态（跑偏、打滑、纵撕）进行仿真研究，建立支持向量机故障诊断模型并对其可靠性进行了验证；将神经网络输出的参数预测结果集成后输入到诊断模型中，得出相应故障类型，验证了本文诊断方法具有超前预测故障的特性。
（4）将故障诊断方法与监控系统相结合，以数据库为媒介，MATLAB为故障分析中心，组态软件开发为显示终端建立了故障诊断系统，并针对多级带式输送机在正常和故障状态下的启停对PLC控制策略进行了设计，实现了整个监控系统的参数采集、通讯和调控。该监控系统具有实时参数监测、故障诊断、电机启停控制以及历史运行参数查询、打印等功能。利用该监控系统针对本文所研究的纵撕、跑偏和打滑三种故障进行了实验测试，对比传统支持向量机故障诊断模式，验证了本文所述故障诊断方法（以少量易测参数获得故障诊断结果）的优越性。
本文研究结果表明在参数预测的基础上进行故障诊断，准确率较高；相比传统的故障诊断方法，能够弥补传统故障诊断存在的滞后性缺点，提前对故障情况进行了解。由于本文所设计的参数预测方法为利用少量参数对多数不易检测的参数进行预测，在工程实际应用中能够减少传感器的布置数量，降低监控系统的设备成本，同时还能避免因故障产生重大事故，提高企业综合效益，对工程实践具备一定的现实意义。
谷歌
火狐
