论文部分内容阅读
在港口专业化、自动化日益发展的今天,港口安全是港口作业的前提,尤其在第五代智慧港口发展的蓬勃时期。带式输送机是连接陆地和海洋的桥梁,是港口作业必不可少的组成部分,带式输送机在作业中故障时有发生,直接造成重大经济损失,严重甚至会损害人的生命安全。目前针对这些问题主要采用的方式是人工巡检,人工巡检存在效率低下、故障诊断率低、反馈效率低等缺陷。正因如此,本文基于日照某港的实际情况对带式输送机相关故障产生的原因进行分析、归类,然后根据港口作业模式研发了一种基于声音信号的带式输送机故障诊断系统,主要从以下几个方面进行研究:(1)对于带式输送机故障信号所处的复杂噪声环境,提出了一种贝叶斯定理与小波阈值去噪相结合的去噪算法,对带式输送机采集的声音信号进行小波变换得到小波系数,将其进行系统分析,通过先验概率和代价因子构成似然比,然后根据似然比检测阈值门限进行阈值估算确定小波阈值的最佳阈值。通过实验验证,基于贝叶斯阈值的小波去噪算法可以更好地提高声音信号的信噪比。(2)针对带式输送机故障信号的特征提取,为了较少信号特征提取过程中的模态混叠等问题,提出了一种集合经验模态分解(EEMD)算法与Hilbert变换相结合的方法。对去噪后的带式输送机信号进行EEMD分解,然后利用Hilbert变换提取EEMD后的特征模态函数(IMF)的信号特征。(3)对于带式输送机的故障诊断,将Hilbert变换提取经验模态分解后的特征模态函数(IMF)的信号特征作为对照组,把实时采集的信号提取到的故障特征频率域对照组比对,根据差异化实现带式输送机的故障诊断。为了更好的实现故障诊断,对基于贝叶斯阈值去噪的声音信号EEMD分解后得到的各个模态分量分别求特征值并形成初步的特征向量,根据各模态中故障模式的聚类效果选定合适的表征分量,并得到不同带式输送机故障的特征向量,根据欧氏距离最小法计算训练集特征向量和各故障的特征向量,可以实现故障状态识别。最后将得出的诊断结果与人工判断的标准进行比对验证故障诊断准确率并分析影响正确率的原因。通过对实地采集的多组带式输送机声音进行实验仿真分析,验证了本系统的可行性。同时,比起传统人工故障诊断,本系统减小了处理延迟时间,故障的诊断效率大大提高,直接减少输送带的连续性损伤,对减少日照某港口经济损失,工人的生命安全保障有重要贡献。