1.1. 目的及意义

随着生产自动化的普及，带式输送机应用越来越广泛，体积越来越庞大，构造越来越复杂多样，通常集多功能于一体，这样虽然生产效率得到了较大程度的提高，但在生产运输中涉及到的维修难度、运行可靠行与安全性及准确性等问题也随之面来。

带式输送机的输送能力强，输送距离短，能够方便地实行程序化控制和自动化操作。但是它的故障种类多并且部件繁多不易检测到，为此我们需要对症下药，应用先进的检测分析方法和设备，检测分析传感器搜集到的原始数据，通过这部分数据及时发现设备中存在的隐形故障，准确分辨出故障类型、故障数量和故障位置，为研究人员和维修人员提供必要的辅助，从而确保整机的安全性能。因此，带式输送机故障诊断应具有以下典型的理论和实际意义：

(1)对带式输送机各种故障及状态做出诊断，识别设备在运行过程中是否存在安全隐患，使工程设计人员能够及时地确定出维修方案、制定合理的操作规程，确保设备在正常的运行状态，提高带式输送机的运行效率，避免设备隐性故障再次恶化，防止事故发生，从而降低整机经济损失。

(2)为确保带式输送机的输送能力，提高其利用率，必须进行在线实时监测，及时了解设备的故障前兆，提前对设备故障进行预报。这样，不仅能够降低维修费用，而且还减少不必要的劳动时间，提高维修效果。与此同时，故障率的降低，会使带式输送机整机的使用寿命延长。

(3)通过在线状态检测得到的数据对故障进行测评，验证带式输送机输送能力，融合监测到的数据，对带式输送机的结构设计进一步优化，为带式输送机的制造厂商提供改进依据，同时，为带式输送机的故障诊断数据库提供必要数据，填补该方面数据库的缺陷，为后来设计人员带来方便。

本文以神经网络为理论研究基础，重点研究BP ( Back Propagation)神经网络带式输送机中的应用，以该设备为研究对象，对机械故障诊断进行研究。结合Matlab，实现对带式输送机系统智能化故障检测与诊断的仿真。并通过遗传算法对BP神经网络进行优化，得到性能更好的优化神经网络，对带式输送机的故障进行准确的诊断和预测。

1.2. 研究现状

1.2.1. 国内研究现状

我国对故障诊断技术的深入研究始于20世纪80年代初，为保证设备运行安全可靠，企业与各大高校联合发展故障诊断技术。虽然国内故障诊断技术相对于国外起步较晚，但随着信号处理，模式识别，人工智能和计算机工程等学科的发展，国内的故障诊断研究已经取得一定的进展。一方面，故障诊断促进小波分析、傅里叶变换、遗传算法等基础理论分析的发展，另一方面，这些理论方法陆续应用于煤矿机械等许多过程控制设备的安全检测上。

对于带式输送机的故障检测和诊断，国内目前主要采取以下三种方法:

第一种是对带式输送机故障的原因、现象和解决方法进行文字描述和理论分析。将带式输送机的一个或者几个重要组件作为研究对象，逐一讨论可能的故障类型，并从各部件的设计、安装、使用等方面探讨故障原因，最终得出解决方案。这种故障分析方法很大程度依赖于专家意见和决策，并且效率较低。

第二种方法是使用故障树分析法分析带式输送机系统的可靠性。通过逻辑推理的方法，分析可能造成故障各种因素，如环境、人为、软硬件等，并构建故障树模型，从而确定故障原因、影响及其发生概率。在此方面，崔扬扬学者应用基于故障树的带式输送机故障诊断专家系统，可以协助用户及时发现输送机的故障征兆与判断运行情况，在故障发生后采取相应的故障处理方法终止故障。故障树分析法是进行复杂系统安全分析的一种有效方法，但依赖于准确全面地构建故障树结构，一旦故障树建立不准确或不全面，诊断结果的可信度将大大降低。因此故障树模型往往需要覆盖所有可能的故障源。在实际生产过程中，由于成本、环境、设备等限制，不仅难以对每种故障建立全面的故障树模型，对于故障源的查找也难以做到面面供到，因此这种方法局限性较大。