基于虚拟仪器的采煤机在线监测与故障诊断系统研究综述

本研究论文聚焦于"基于虚拟仪器的采煤机在线监测与诊断系统"，针对传统测控系统的局限性，引入了虚拟仪器技术，特别是利用LabVIEW开发平台。该系统旨在解决采煤机在复杂工作环境中可能遇到的问题，如恶劣的负载条件、冲击、污染等，这些都可能导致机械部件和液压元件过早磨损，影响设备的可靠性和安全性。 研究的核心是将齿轮与轴承的失效作为主要故障类型，通过集成必要的传感器和调理电路，采集信号并使用虚拟声卡进行采集。系统的关键环节包括信号的处理，如滤波、加窗、功率谱分析和快速傅立叶变换（FFT），以获得高质量的波形和数据。这些处理方法使得用户能够自定义操作界面，提升系统的易用性。 论文还提到，系统运用了BP神经网络进行故障识别，通过对训练样本的学习，能够对采煤机的不同故障类型，如不平衡、不对中、转子弯曲等进行基本正确的识别。此外，小波包分析被用来对原始数据进行噪声抑制，提取信号的频段能量作为特征向量输入神经网络，这有助于更准确地捕捉非平稳振动信号中的故障信息。 论文引用了多本专业书籍，强调了机械故障诊断的重要性，以及神经网络在故障识别中的应用。作者董超，一个从事采煤机研发工作的硕士实习生，表明了研究团队的专业背景。论文的结论部分详细列出了各种故障类型的识别正确率，展示了系统的性能。 这项研究提供了一种创新的在线监测与诊断解决方案，不仅提升了采煤机的维护效率，也增强了设备的安全性，对于提高整个行业的生产效率和设备健康度具有重要意义。