Affiliation of Author(s):

资源工程学院

Journal:

金属矿山

Key Words:

露天矿;旋回式破碎机;故障诊断;BP;神经网络;

Abstract:

矿石破碎是露天矿采矿生产工艺的重要环节,旋回式破碎机作为露天矿进行破碎的大型设备,其故障的诊断通常较为复杂,难以利用主观经验进行精确及快速诊断。针对旋回式破碎设备的故障诊断问题,利用传感器实时采集数据,基于改进后BP神经网络构建故障诊断模型,以偏心套故障、轴承磨损、平行轴缺油、平行轴油温异常作为故障类型,以回流油温、润滑油油压、轴承振动频率、轴承转速作为故障特征参数,利用已知故障类型和故障样本数据对BP神经网络故障诊断模型进行了训练和优化,最后通过测试数据对优化后的旋回式破碎机故障诊断模型进行了验证。结果表明:基于BP神经网络的故障诊断模型能够对旋回式破碎机故障状态实时地做出有效判断,实现以预防为主的故障诊断方式,满足了露天矿大型旋回式破碎机的故障诊断的需求。

Co-author:

连民杰

First Author:

lucaiwu,Gu Qinghua

Indexed by:

Journal paper

Correspondence Author:

田晶晶

Discipline:

Engineering

Volume:

中文核心期刊:167-171,5

ISSN No.:

1001-1250

Translation or Not:

no

Date of Publication:

2017-11-15