轧机厚控系统状态监测与故障诊断的研究与应用

论文摘要

故障诊断是近年来发展起来的一门综合性的边缘学科，它涉及到的理论基础和技术手段十分广泛。随着科学技术和经济建设的发展，大型设备与控制系统的状态监测和故障诊断已成为保证系统运行稳定性、可靠性和安全性，提高产品质量和生产效率的关键技术和重要手段，并日益引起国内外学者的广泛重视。 轧机厚度自动控制系统(AGC)是现代板带轧机实现高精度轧制必不可少的关键环节。该系统是一复杂的综合控制系统，包括机械、液压、电气等方面的综合信息。因此，除了机械设备中所有可能发生的故障在该系统中都可能发生之外，厚控系统还具有液压系统特有的失效形式。故该系统的故障率较高且故障原因复杂，是维护轧机的重点和难点，也是造成故障停产和产品质量下降的主要原因。 本文就是基于此背景下所进行的研究工作，以某轧机厚控系统为对象，以故障诊断技术的实际应用为目的，主要开展了以下研究： 首先，筛选出了用于故障诊断的26种特征信号，并建立起信号的采集、处理和存储的状态监测系统； 然后，首次提出了包括从设备硬件到控制系统、直到最终产品检验三个层次的故障诊断策略； 其次，提出了基于轧机解折模型的故障诊断方案，建立了轧机厚控系统的数学模型，设计出了适合于该轧机厚控系统的故障检测观测器，实现了几类典型故障的检测与诊断； 提出了基于规则和案例的故障诊断方案，归纳出用于故障诊断具有代表性的18条规则和10个案例，并给出了具体的实现方法和步骤； 接着，基于神经网络的故障诊断思想，对该系统进行了功能上的分解，设计出了用于故障诊断的BP网络结构和参数，并就具体的应用实例进一步说明了基于神经网络诊断方法的可行性； 推导出了变刚度控制的控制模型，用仿真的方法对该模型进行了验证，并综合三个方面的效果，提出了变刚度的合理取值范围。然后，结合生产实践，在对轧机厚控系统机理分析的基础上，实现了对其控制系统几类典型故障的检测与诊断；

论文目录

• 独创声明
• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 状态监测和故障诊断概述
• 1.2 状态监测与故障诊断的研究意义
• 1.3 状态监测与故障诊断的发展与现状
• 1.4 状态监测与故障诊断的主要方法
• 1.4.1 基于信号处理的方法
• 1.4.2 基于解析模型的方法
• 1.4.3 基于知识的方法
• 1.4.4 基于离散事件的方法
• 1.5 轧机厚控系统的状态监测和故障诊断
• 1.6 本文的研究内容和论文结构
• 第二章 数据采集与监测系统的构建
• 2.1 监测信号源的选择
• 2.2 数据采集系统的设计
• 2.2.1 高速动态模拟量
• 2.2.2 缓变模拟量和开关量信号
• 2.3 数据采集与监测系统的集成
• 2.4 数字信号处理
• 2.4.1 滤波器的设计
• 2.4.2 快速付里叶变换
• 2.5 数据采集系统的应用
• 2.6 小结
• 第三章 基于解析模型的故障诊断
• 3.1 轧机厚控系统数学模型的建立
• 3.1.1 PID控制调节器模型
• 3.1.2 伺服阀放大器模型
• 3.1.3 伺服阀流量模型
• 3.1.4 液压缸流量模型
• 3.1.5 液压缸与负载之间的力平衡模型
• 3.1.6 位移传感器模型
• 3.1.7 轧机厚控系统模型的建立和仿真
• 3.2 系统的状态空间描述
• 3.3 厚控系统的故障分析
• 3.3.1 伺服放大器故障
• 3.3.2 液压控制器故障
• 3.3.3 伺服阀故障
• 3.3.4 液压缸故障
• 3.3.5 轧机辊系故障
• 3.4 故障检测观测器的设计
• 3.4.1 一般的故障检测观测器
• 3.4.2 具有鲁棒性的故障检测观测器
• 3.4.3 厚控系统数学模型的离散化
• 3.5 厚控系统故障的检测与分离
• 3.5.1 一般的故障检测观测器的设计
• 3.5.2 具有鲁棒性的故障检测观测器的设计
• 3.6 小结
• 第四章 基于规则和案例的故障诊断
• 4.1 基于规则的故障诊断
• 4.1.1 复杂系统的故障特性
• 4.1.2 监测系统的典型规则
• 4.2 基于案例的故障诊断
• 4.2.1 基于案例推理的基本思想
• 4.2.2 基于案例的伺服阀故障诊断
• 4.2.3 CBR中的专家知识
• 4.2.4 CBR案例的表示
• 4.2.5 CBR案例的组织
• 4.2.6 CBR案例的检索
• 4.2.7 CBR案例的修正和学习
• 4.3 小结
• 第五章 基于神经网络的故障诊断
• 5.1 层次分解诊断模型
• 5.2 人工神经元网络基本概况
• 5.3 BP网络及其学习算法
• 5.3.1 BP网络的学习算法
• 5.3.2 BP网络学习的改进算法
• 5.4 基于BP神经网络的故障诊断
• 5.5 小结
• 第六章 基于带钢厚度偏差的故障诊断
• 6.1 带钢厚度偏差影响因素分析
• 6.2 轧机厚度自动控制系统
• 6.2.1 带钢轧制理论
• 6.2.2 板带轧机变刚度控制原理
• 6.2.3 变刚度系数的取值范围
• 6.2.4 热连轧机变刚度控制的仿真与分析
• 6.3 厚度偏差的统计分析
• 6.3.1 等时间到等长度的折算
• 6.3.2 带钢厚度精度统计指标
• 6.4 基于带钢厚度偏差的故障诊断
• 6.4.1 系统故障
• 6.4.2 变刚度系数设定过小或压力AGC未投或失效
• 6.4.3 监控 AGC失效或未投入
• 6.4.4 其它原因
• 6.5 小结
• 第七章 结论与展望
• 7.1 结论
• 7.2 展望
• 参考文献
• 致谢
• 攻读博士期间所做的科研工作
• 攻读博士期间发表/待发表的论文
• 个人简介