煤矿局部通风机的噪声控制方法

    公开(公告)号:CN114046273B

    公开(公告)日:2023-05-02

    申请号:CN202111418680.5

    申请日:2021-11-26

    IPC分类号: F04D29/66 F04D27/00 E21F1/00

    摘要: 本发明涉及一种煤矿局部通风机的噪声控制方法,通过对主动降噪与被动降噪融合。步骤一:被动降噪包括对风机的降噪消声器的长度l、降噪消声材料的厚度D的参数确定;步骤二:主动降噪包括对气流通道宽度a与消声材料厚度D之比γ的参数确定;步骤三:通过主动降噪与被动降噪结合,确定风机的降噪消声器的长度l、降噪材料的厚度D以及气流通道宽度与消声材料厚度之比γ三个参数之间的关系,并以噪声消声量ΔL与气流再生噪声LA表示局部通风机降噪效果,说明该方法的可靠性。步骤四:通过三个参数之间和噪声之间的关系,使用蚁群算法对三个参数进行寻优,以使噪声降到最低。本发明实现对煤矿局部通风机最优降噪,提高生产安全系数与生产效率。

    一种基于超声导波的方管检测方法及装置

    公开(公告)号:CN110887898A

    公开(公告)日:2020-03-17

    申请号:CN201911239980.X

    申请日:2019-12-06

    IPC分类号: G01N29/04

    摘要: 本发明公开了一种基于超声导波的方管检测方法及装置,其方法包括以下步骤:通过半解析有限元的方法计算出方管的相速度和群速度频散曲线,据此选择激励模态和激励频率;在方管的一端布置超声传感器,既是激励传感器,也是接收传感器;信号发生器产生以激励频率为中心频率的脉冲信号,通过功率放大器和转换开关输入激励传感器,在方管中激发所需要的模态和频率超声导波;频率超声导波在方管中传播,到达端面反射后由接收传感器接收,并输送至示波器进行显示,得到信号波形显示图;对比被测方管的波形显示图与无损方管的波形显示图。本发明既可以检测试样表面缺陷,也可以对试样内部损伤进行检测与评估。

    一种基于超声导波的方钻杆检测方法

    公开(公告)号:CN108760881A

    公开(公告)日:2018-11-06

    申请号:CN201810500012.9

    申请日:2018-05-23

    发明人: 万翔

    IPC分类号: G01N29/04 G01N29/44 G01N29/48

    摘要: 本发明公开了一种基于超声导波的方钻杆检测方法,包括以下步骤:通过半解析有限元的方法计算出方钻杆的相速度和群速度频散曲线;在频散曲线上相对较平直的范围内,选择激励模态和激励频率;在方钻杆的一端布置激励传感器,另一端布置接收传感器;信号发生器产生以激励频率为中心频率的脉冲信号,通过功率放大器输入激励传感器,在方钻杆中激发所需要的模态和频率超声导波;频率超声导波在方钻杆中传播,由接收传感器接收,并输送至示波器进行显示,得到信号的幅值At;计算透射系数,然后将被测方钻杆的透射系数Td与无损方钻杆的透射系数T0进行比较。本发明既可以检测试样表面缺陷,也可以对试样内部损伤进行检测与评估。

    一种煤矿局部通风机智能监控系统

    公开(公告)号:CN114151123A

    公开(公告)日:2022-03-08

    申请号:CN202111418743.7

    申请日:2021-11-26

    IPC分类号: E21F1/08 E21F17/18 E21F17/00

    摘要: 本发明公开了一种煤矿局部通风机智能监控系统,涉及通风机技术领域。所述系统包括:地面调度室、井下监控分站、控制柜、局部通风机、传感器,本发明利用传感器检测局部通风机状态和井下环境信息,经通讯网络将检测的信息传输到地面调度室与井下监控分站,并在监控界面实时显示局部通风机状态、控制柜电气参数、井下环境信息,根据监控信息实时调整风机运行参数,保证井下通风安全。系统具有“远程监控、实时预警、人机双控、按需供风、防灾减灾”的功能,本发明解决了长期以来以人工手动操控、维护通风机的难题,实现了通风机实时远程监控,提升了矿井安全。

    煤矿变频局部通风机工况监测与故障预警方法

    公开(公告)号:CN114139635A

    公开(公告)日:2022-03-04

    申请号:CN202111469203.1

    申请日:2021-12-03

    摘要: 本发明涉及一种煤矿变频局部通风机工况监测与故障预警方法,包括故障诊断和故障预警,本发明对矿井主通风机的运行状态监测、诊断与预警进行研究。通过分析矿井主通风机常见故障机理及特征,制定矿井主通风机设备运行状态监测方案,在传统的BP神经网络基础上,用粒子群算法(PSO)优化BP算法提高故障诊断的准确性。经PSO‑BPNN在电机故障类型识别中,无论是从算法收敛速度还是诊断精度都明显优于BPNN,能更好地适应实际工况下的电机故障诊断。通过仿真实验分析,可以得出结合动态时间序列的PSO‑BPNN预测方法能够在转速波动工况和变转速工况下均具有较好的预测能力。