煤样制样是通过粉粹、混合、缩分和干燥等步骤将煤样达到分析或测试状态,用于检测煤样质量是否达标。通过煤样制备、抓取和化验一体化,并将在线监测和故障诊断等功能引入煤样制样系统,可以加快实现煤样制样系统的智能化发展。通过实时在线监测和故障诊断,可以减少煤样制样设备的故障率,提高系统工作效率,为企业创造显著的经济效益。本文以煤样制样系统为研究对象,研究了基于卷积神经网络和D-S证据理论的故障诊断方法,并完成了系统监测与故障诊断设计。首先,通过分析系统的工作原理和工艺流程,了解系统的整体架构、控制方法和技术参数,对缩分、破碎、干燥称重等环节做具体阐述,为后续对煤样制样系统的监测与故障诊断做铺垫。然后,根据煤样制样系统的工作原理、结构模块、故障类型以及故障成因等,总结系统的主要故障集中在三个方面:皮带机故障、电机故障和轴承故障。分析三类故障的成因、表现形式和特性,选用合适的故障检测方法、传感器,设计信号处理电路。传感器采集的信号传输给上位机,用于后续的故障诊断。其次,论文对卷积神经网络和D-S证据理论等研究方法做出了详细研究,包括基本概念、基本原理和算法等内容。对轴承的故障诊断采用了基于卷积神经网络的故障诊断方法研究,对皮带机采用了D-S证据理论的方法进行故障诊断,对电机采用D-S证据理论的信息融合方法,通过小波包分析提取特征向量,再通过信息融合得出故障诊断结果,通过数据验证,表明信息融合比卷积神经网络能更好的处理故障中的不确定性,并提高了故障诊断准确率。最后,论文构建了基于Lab VIEW的煤样制样系统故障诊断软件平台,采用Lab VIEW可视化编程语言对系统的信号采集、记录和处理,实现了煤样制样系统的工作状态监测,并给出相应的故障诊断结果。