第
6
期
选
煤
技
术
No.
6
2019
年
12
月
COAL
PREPARATION
TECHNOLOGY
Dec.
2019
文章编号
：
1001
-3571
(2019)
06
-0102
-04
基于小波包和
bp
神经网络的破碎机故障
识别技术研究
蔡先锋
▽
(1.
中煤科
T.
集团唐山研究院有限公司
，
河北唐山
063012
；
2.
河北省煤炭洗选
T
•程技术研究中心
，
河北唐山
063012)
摘要
：
在分析破碎机典型故障原理及其基本特征的基础上
，
利用小波包分析将振动信号分解到不
同波段
，
采用能量归一化处理后形成特征向量输入
bp
神经网络
，
通过网络训练后用于实际故障
识别
，
结果证明该方案具有较高的正确率
，
可有效识别和预警破碎机各类故障
。
关键词
：
破碎机
；
故障
；
小波包
；
神经网络
中图分类号
：
TD451
文献标志码
：
A
Study
on
Wavelet
packet
and
bp
neural
network-based
crusher
fault
identification
technology
CAI
Xianfeng
1
'
2
(
1
.
Tangshan
Research
Institute
Co.
Ltd.
,
China
Coal
Technology
&
Engineering
Group
,
Tangshan
063012
,
China
；
2.
Hebei
Province
Coal
Preparation
Engineering
&
Technology
Research
Center,
Tangshan
063012
,
China
)
Abstract
:
Based
on
analysis
of
the
principle
of
typical
faults
and
the
basic
charateristics
of
coal
crusher
,
the
vibration
signal
generated
by
crusher
in
operation
can
first
be
decomposed
into
different
wave
bands
by
analysis
and
then
inputted
into
bp
neural
network
in
forms
of
eigenvectors
after
energy
normalization
process.
The
network-trained
neural
network
can
be
used
for
identification
of
any
actual
fault
of
the
crusher.
As
evidenced
by
test
result
,
the
technology
is
high
in
accuracy
and
capable
of
effectively
identif-
ying
and
early
warning
of
any
kinds
of
faults
of
crusher
in
speration.
Keywords
:
crusher
；
fault
；
wavelet
packet
；
neural
破碎机是选煤厂的主要生产设备
，
其工作环境
恶劣
，
运行中难免会发生故障
，
一旦出现故障
，
将
导致整个选煤系统无法正常运转
，
从而造成严重的
经济损失
。
因此对破碎机进行状态监测与故障诊
断
，
保障破碎机安全可靠的运行
，
可以减少企业的
损失
，
提高生产效率和经济效益
。
基于
bp
神经网络的破碎机故障诊断技术
，
是
通过对故障特征识别和判断能力的训练
，
采用节
点间连接权值和阈值来运用所学习的故障诊断知
network
识
，
其具有对故障模式的联想记忆
、
模式匹配和
相似归纳能力
，
能够实现故障与征兆之间复杂的
非线性映射关系"
。
破碎机故障时主要特征为振
动信号异常
，
通过分析故障征兆
，
研究故障的振
动机理
，
利用小波包分析把振动信号分解到各个
频率段
，
并提取各频率段能量作为特征向量
，
建
立
bp
神经网络模型并用样本集训练该网络
，
最终
实现用训练完成的
bp
网络模型对实测数据进行分
析
，
判断出故障类型
，
获得准确的诊断结果
。
收稿日期
：
2019
-06
-
12
责任编辑
：
李志斌
DOI
：
10.
16447/j.
cnki.
cpt.
2019.
06.
025
作者简介
：
蔡先锋
(
1977
—
)
，
男
，
山东微山人
，
高级
I
：
程师
，
从事自动化控制研究工作
“
E
-
mail
：
tsl3930536573
@
163.
com,
Tel
：
18633165298
引用格式
：
蔡先锋.基于小波包和叶神经网络的破碎机故障识别技术研究
[J]
.
选煤技术
，
2019
(6)
：
102
-105,
109.
CAI
Xianfeng.
Study
on
Wavelet
packet
and
hp
neural
network-based
crusher
fault
identification
technology
[J]
.
Coal
Preparation
Technol
ogy
.
2019
(6)
:
102
-
105,
109.
102
资源评论
数据资源
- 粉丝: 133
- 资源: 23万+
