矿用强力输送带缺陷弱磁特性与智能识别研究

Wire rope defects characteristics of steel cord conveyor belt and intelligent recognition algorithms based on weak magnetic testing will be studied, which is used to solve the problem of location, quantitative and qualitative analysis of the defects. For the problem of signal acquiring under strong noise, a variable step-size LMS adaptive filter algorithm based on wavelet transform is presented to improve signal-to-noise of defect signal. For the problem of feature extraction of the defects with high-dimensional spaces, a modified neighborhood rough set is given to gain nature feature vectors of the defects. For the problemof defects recognition under the finite samples, a fuzzy binary tree SVM multi-class classification algorithm based on particle swarm optimization is put forward to improve accuracy and efficiency of defects recognition. This research have important academic value andapplication prospect on location, quantitative and qualitative analysis of weak magnetic defects, as well as defects detection and evaluation of steel cord conveyor belt. It has very important significance for improving operation reliability of conveyor belt and ensuring safety production.

针对矿用强力输送带缺陷定位、定量和定性分析难题，研究基于弱磁检测的强力输送带钢丝绳芯缺陷特性与智能识别理论与算法。针对强噪声背景下的信号获取问题，提出基于小波变换的变步长LMS自适应信号去噪算法，提高缺陷信号的信噪比；研究高维模式空间钢丝绳芯缺陷特征提取问题，提出基于改进邻域粗糙集的弱磁检测信号特征约简算法，获得反映缺陷本质的特征向量；研究有限样本情况下钢丝绳芯缺陷模式识别问题，提出基于粒子群优化的模糊二叉树支持向量机多类分类的缺陷分类算法，提高识别的准确率和效率。本研究成果对于弱磁检测缺陷定位、定量和定性分析以及强力输送带缺陷检测与评价均具有重要的学术价值和应用前景，对于提高矿用强力输送带运行的可靠性、确保安全生产具有极其重要的意义。

矿用强力带式输送机是目前大多数煤矿的主运输设备，在现代化煤矿生产中发挥着极其重要的作用。强力输送带使用过程中因发生接头位移、断绳和疲劳等缺陷导致输送带断裂事故频发，造成了人员伤亡和重大经济损失。项目运用理论与实验相结合的方法对缺陷弱磁信号降噪、特征提取和缺陷智能识别理论和算法进行了深入研究。.针对强力输送带缺陷弱磁检测信号容易受到煤矿工况非平强稳噪声干扰问题，提出了一种小波包与RLS自适应滤波相结合的缺陷信号降噪算法。该方法将小波包多层高频细节信号之和作为RLS自适应滤波算法的噪声参考信号，有效地融合了小波包和RLS自适应滤波优点。运用该降噪方法对断绳缺陷和接头弱磁信号中的非平稳强噪声进行降噪实验，结果表明该方法对强力输送带缺陷信号中的非平稳噪声具有良好的降噪效果，确保了缺陷信号有效提取。.研究了强力输送带缺陷本质特征提取难题，提出了一种基于属性数据标准差的改进邻域粗糙集特征约简算法，对输送带的断绳、疲劳和接头3类弱磁信号特征进行约简。该方法根据不同属性的标准差分别确定不同的邻域值，并运用前向贪心和后向剪枝相结合的属性约简算法，解决了原邻域粗糙集难以为不同属性选择最佳邻域值的难题，并克服了前向贪心属性约简算法得不到最小约简的缺点。运用UCI数据集和输送带缺陷弱磁检测信号特征向量进行特征约简实验，结果表明：该改进的邻域粗糙集特征约简算法不仅有效地降低了特征维数，而且在保证识别准确率的同时提高了缺陷的识别速度。.研究了强力输送带多类缺陷分类难题，提出了一种收缩因子的粒子群优化模糊二叉树支持向量机多类分类算法。通过UCI数据集和强力输送带断绳、疲劳和接头位移3类缺陷信号进行分类识别测试实验，实验结果表明该算法不仅可以较快地获得支持向量机的最优参数，而且能有效地对强力输送带缺陷进行分类，分类准确率高达97.9%。.本项目研究成果对预防强力输送带断带事故发生，确保煤矿生产安全具有极其重要的科学意义和应用价值。