煤气鼓风机组状态监测与智能诊断系统的研制

论文摘要

煤气鼓风机是煤化工厂的重点关键设备,为了保证煤气鼓风机运行的安全性和可靠性,建立一个对鼓风机的运行情况能够实时监测,对发生的故障能够早期预测、及时报警和准确诊断的智能系统是十分重要的。本文针对煤气鼓风机的故障特点,利用面向对象技术、数据库技术和智能诊断等技术开发了煤气鼓风机组状态监测与智能诊断系统。文中介绍了该系统的基本功能,系统的一般构成以及系统实现的一些关键技术。本文研究的重点是煤气鼓风机智能诊断系统的实现。目前,模糊理论、神经网络和专家系统已经成为人工智能领域研究的热点,并在故障诊断领域得到了广泛的应用,但三者在各自独立的实际应用中却存在着一定的缺陷。本文经过分析和比较三者的优缺点,得出三者存在着很强的互补性,可以通过结合的方式来弥补各自不足的结论。因此本文将三者结合在一起,提出了一种模糊神经网络与专家系统集成的故障诊断系统模型。并以煤气鼓风机为诊断对象,建立了煤气鼓风机故障智能诊断系统,采用VC 6.0程序开发工具和SQL Server 2000数据库开发工具使该系统得以实现。本文将反映故障的振动信号运用模糊量化法进行处理,使之能更好的反映故障的随机性和不确定性。选用BP反向传播神经网络,利用神经网络学习算法获取知识,通过神经网络的连接模型表示知识,以充分利用神经网络学习能力的优势。在传统专家系统方法中,知识是通过符号以某种数据结构来表示的。本文将煤气鼓风机故障知识库信息分布到神经网络的网络结构、权值和阀值中,从而可以较好地表示专家知识。仿真结果验证了模糊神经网络用于煤气鼓风机组振动故障诊断专家系统的合理性与可行性。从现场安装投入试运行至今,系统实现了数据采集和信号分析、实时状态监测和运行趋势分析、异常参数与异常状况报警与诊断等功能,达到了预期设计目的,满足了用户的要求,得到了用户的好评。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 设备诊断技术发展的历史和现状
• 1.2 设备诊断技术的意义、方法
• 1.2.1 设备诊断的意义
• 1.2.2 设备故障诊断的基本方法
• 1.3 智能故障诊断
• 1.3.1 智能故障诊断系统发展概况
• 1.3.2 故障智能诊断系统的一般结构
• 1.4 课题的来源、研究内容及研究意义
• 1.4.1 课题的来源及背景
• 1.4.2 研究的目的及意义
• 1.4.3 论文的主要内容
• 2 系统总体设计
• 2.1 系统功能要求
• 2.2 煤气鼓风机系统主要设备参数及测点布置
• 2.2.1 煤气鼓风机系统主要设备参数
• 2.2.2 煤气鼓风机系统的测点布置
• 2.3 系统硬件选型
• 2.3.1 传感器
• 2.3.2 网络数据采集卡
• 2.3.3 其他硬件组成的选择
• 2.4 系统的功能模块组成
• 3 煤气鼓风机智能诊断系统研究
• 3.1 智能诊断理论与方法
• 3.1.1 模糊逻辑理论基础
• 3.1.2 神经网络的基本理论及学习算法
• 3.1.3 专家系统基本理论
• 3.1.4 模糊神经网络
• 3.1.5 模糊神经网络与专家系统的结合
• 3.2 煤气鼓风机智能诊断系统的设计
• 3.2.1 诊断系统的总体设计
• 3.2.2 模糊神经网络系统的设计
• 3.2.3 专家经验解释系统的设计
• 3.2.4 煤气鼓风机故障处理咨询设计
• 3.3 煤气鼓风机故障诊断实例
• 4 系统软件实现及关键技术
• 4.1 软件运行环境
• 4.2 软件实现的关键技术
• 4.2.1 转速测量原理
• 4.2.2 多线程技术
• 4.2.3 数据库管理技术
• 4.3 软件系统主要功能模块及其界面
• 4.3.1 网络学习模块
• 4.3.2 故障诊断模块
• 4.3.3 状态监测模块
• 5 项目的实践
• 5.1 项目的进程
• 5.2 现场安装及布线
• 5.2.1 传感器的安装
• 5.2.2 现场布线
• 6 结论与展望
• 致谢
• 参考文献
• 附录