托辊作为在矿业生产中具有枢纽位置的矿用带式输送机的核心部件,其发挥着支撑传输带和降低传输阻力等重要作用。作为矿用带式输送机关键的旋转机构,托辊在连续高负荷的运转后难免发生相应的机械故障。托辊发生故障后产生的皮带撕裂及皮带燃烧将直接影响矿用带式输送机的正常连续运输,而其故障引起的链式反映会对整个煤矿开采带来安全威胁。长距离的运输、庞大数量的托辊以及恶劣的工况使得日常巡检和定期维护不仅浪费大量的人力和物力,而且存在增加已经严重退化部件超期服役的风险。因此,需要对矿用带式输送机托辊进行远程故障诊断,通过信号处理方式分析监测参数及时诊断出是否出现故障,从而合理的安排检修活动,降低时间、人力及物力成本,确保矿用带式输送机运行的可靠性和安全性。本课题来源于国家自然科学基金项目“基于多时间尺度模型的变工况大型旋转机械健康管理研究”(项目编号:51475455),以矿用带式输送机托辊为研究对象,结合测量技术、信号处理技术、特征提取算法以及模式识别方法,开展基于振动信号的量化误码特性、多数据流传输策略和故障模式识别方法的研究,以期形成基于振动信号分析的矿用带式输送机托辊远程故障诊断技术,为矿用带式输送机的安全运行提供理论支撑和技术解决方案。主要研究内容包括:(1)根据托辊故障信号特点,在分析均匀量化机理基础上,利用傅里叶变换方法,建立了托辊故障信号量化误差模型,涉及的指标包括量化误差及量化误差平方、量化误差一阶矩及二阶矩、量化误差功率谱及理论量化信噪比;基于二进制编码及吉尔伯特-艾略特误码原理,构建了托辊故障信号误码模型,涉及指标包括误码编码一阶矩和误码误差一阶矩;揭示了量化误差和误码误差对故障信号的影响,为量化和误码存在下的故障振动信号分析提供了理论基础。(2)针对矿用带式输送机托辊远程故障诊断中涉及的多传感器采集数据传输问题进行了研究。在分析多传感器故障敏感性差异基础上,提出了无丢包条件下基于优先级的多数据流传输策略;在分析了丢包对故障信号频谱影响的基础上,提出了基于丢包干扰激励的重传机制;解决了远程故障诊断中如何传输多传感器采集数据问题,降低了远程诊断成本,提高了远程诊断效率。(3)在分析托辊数据变工况条件下域间特征分布差异的基础上,受迁移学习的启发,提出了基于领域适配可迁移特征的变工况诊断方法和基于领域适配迁移学习的变工况故障诊断方法,利用提取的可迁移特征和域不变可迁移特征降低了托辊故障数据域间分布差异,提高了诊断模型泛化能力,改善了变工况故障诊断性能。(4)搭建了矿用带式输送机托辊实验平台,包括托辊故障模拟实验台及矿用带式输送机模拟故障实验台。然后,利用上述实验台托辊真实数据对前文所述的远程故障诊断方法有效性进行验证和评估。大量实验结果表明:提出的远程故障诊断方法可实现矿用带式输送机托辊远程故障诊断。论文最后对全文工作进行了总结,并对课题未来研究方向进行了展望。该论文有图130幅,表41个,参考文献217篇。