基于集成小波神经网络的铝电解故障诊断技术研究

基于集成小波神经网络的铝电解故障诊断技术研究

论文摘要

铝电解过程是一个非线性、强耦合、时变和大时滞的工业体系。铝电解过程设备结构复杂,故障种类繁多,故障的发生,对整个电解系列的产生都有很大影响,使电流效率下降,影响电解系列的各项技术指标,降低了铝的产量和质量,破坏了整个电解系列的平稳供电。因此,及时有效地进行故障诊断,对保证整个电解系列平稳安全生产,节约电能具有十分重要的意义。由于铝电解的非线性特点,难以建立精确的机理模型进行分析。但是通过对铝电解过程各种故障的相关量分析,利用智能算法进行辨识已经成为一种有效的手段。比如,已经有研究人员将粗糙集、BP神经网络、Elman神经网络、小波神经网络应用到铝电解故障诊断中。尽管这些方法已经取得了一定的效果,但是有的模型在训练时收敛速度慢,容易陷入局部极小值,造成训练时间长,故障诊断的准确率不高,而且缺少对复合故障的诊断,不能满足要求。因此,本文以铝电解过程为研究对象,针对目前故障诊断方法存在的问题,提出了一套新的故障诊断方案,并做了如下工作:第一,概述了国内外铝电解的发展状况,对铝电解故障诊断意义进行了阐述。论述了现有故障诊断方法的应用及存在的问题,论证了改进现有故障诊断方法的必要性。第二,对控制系统的故障诊断方法进行了理论探讨。针对铝电解过程中各种故障,详细分析了其产生的原因和预防方法,并提取了故障诊断的特征量,提出了论文中所采用的故障诊断方法。第三,首先分析了神经网络应用于故障诊断的可能性和必要性。论述了小波分析与神经网络的结合途径,然后论述了阳极效应预报的常见方法,同时指出了目前阳极效应预报方法的不足之处。第四,分别采用Elman神经网络和小波Elman神经网络,根据阳极效应发生的机理,建立故障诊断模型,并对基本Elman神经网络模型结构进行改进,以期待达到理想的诊断效果。仿真结果表明:小波Elman神经网络诊断阳极效应具有诊断时间短,准确率高等特点,具有很好的实时性和可靠性。第五,根据铝电解过程中多种故障同时发生,并且各种故障之间存在着层次关系和因果关系的特点,提出了基于信息融合技术的集成小波神经网络的多故障诊断方法。并根据诊断流程设计了人机接口。仿真结果表明:该方法可对电解过程中多种故障的发生进行有效地诊断,解决了单一故障诊断方法难以解决的问题。第六,对基于神经网络的铝电解故障诊断方法进行了总结,对其优点和不足进行进一步地探讨,对为来工作进行了展望。

论文目录

  • 摘要
  • Abstract
  • 第一章 绪论
  • 1.1 课题研究背景
  • 1.1.1 铝电解故障诊断简介
  • 1.1.2 国内外铝电解故障诊断研究现状
  • 1.2 课题研究的目的和意义
  • 1.3 本论文的主要工作
  • 第二章 铝电解的故障诊断技术
  • 2.1 控制系统的故障诊断技术
  • 2.1.1 故障诊断技术概述
  • 2.1.2 故障诊断的主要方法
  • 2.1.3 故障诊断中的热点问题
  • 2.1.4 故障诊断技术的发展趋势
  • 2.2 铝电解生产过程中的常见故障与特征
  • 2.3 故障诊断特征量的选取
  • 2.4 本章小结
  • 第三章 基于神经网络的阳极效应故障诊断方法研究
  • 3.1 神经网络与故障诊断
  • 3.1.1 神经网络应用于故障诊断的意义
  • 3.1.2 神经网络故障诊断原理
  • 3.1.3 神经网络故障诊断方法
  • 3.2 Elman 神经网络简介
  • 3.3 小波神经网络基础
  • 3.3.1 小波分析基础
  • 3.3.2 小波分析和神经网络的结合途径
  • 3.4 阳极效应发生机理
  • 3.5 阳极效应预报方法及存在的问题
  • 3.6 本章小结
  • 第四章 基于小波Elman 神经网络阳极效应故障诊断研究
  • 4.1 阳极效应参数的确定
  • 4.2 基于 Elman 神经网络的阳极效应故障诊断
  • 4.2.1 基于 Elman 神经网络的阳极效应故障诊断模型的结构
  • 4.2.2 Elman 神经网络的学习算法
  • 4.3 Elman 神经网络模型的改进
  • 4.3.1 改进Elman 网络的数学模型
  • 4.3.2 改进Elman 网络的学习算法
  • 4.4 基于小波 Elman 神经网络的阳极效应故障诊断
  • 4.4.1 小波Elman 神经网络的数学模型
  • 4.4.2 小波Elman 神经网络的学习算法
  • 4.5 仿真研究
  • 4.5.1 阳极效应故障诊断过程分析
  • 4.5.2 仿真研究
  • 4.6 本章小结
  • 第五章 基于集成小波神经网络的铝电解故障诊断研究
  • 5.1 基于集成小波神经网络的建模研究
  • 5.1.1 单子神经网络故障诊断的局限性
  • 5.1.2 基于信息融合的集成小波神经网络的基本思想
  • 5.1.3 集成小波神经网络的基本结构
  • 5.1.4 子神经网络的组建原则
  • 5.1.5 集成小波神经网络的实现策略
  • 5.2 基于集成小波神经网络的故障诊断的实现
  • 5.3 故障诊断系统的人机接口设计
  • 5.3.1 系统的组成和功能
  • 5.3.2 下位机硬件组成
  • 5.3.3 上位机管理软件的设计
  • 5.4 仿真研究
  • 5.4.1 故障诊断系统实现过程
  • 5.4.2 仿真实验结果
  • 5.5 本章小结
  • 第六章 总结与展望
  • 6.1 总结
  • 6.2 展望
  • 参考文献
  • 作者简介
  • 作者在攻读硕士学位期间发表的学术论文
  • 致谢
  • 相关论文文献

    • [1].小波神经网络在水库流量预测中的应用[J]. 四川建材 2020(03)
    • [2].基于模糊小波神经网络的营运客车运行风险评估模型研究[J]. 安全与环境学报 2020(03)
    • [3].基于小波神经网络模型的公交客流预测[J]. 武汉轻工大学学报 2020(03)
    • [4].基于小波神经网络的移动网络流量预测研究[J]. 电子世界 2020(15)
    • [5].基于小波神经网络的温室番茄产量预测[J]. 中国瓜菜 2020(08)
    • [6].基于小波神经网络的高速自动机故障预测方法研究[J]. 国外电子测量技术 2020(08)
    • [7].小波神经网络在玉米营养品质鉴定中的应用[J]. 江苏农业科学 2020(17)
    • [8].依赖小波神经网络算法的信息安全风险评估方法[J]. 信息技术 2018(12)
    • [9].基于小波神经网络的独立光伏发电量模型的探究[J]. 电子质量 2019(04)
    • [10].灰色-小波神经网络支持下对地铁工程沉降变形的预测[J]. 测绘通报 2019(05)
    • [11].小波神经网络背景下的大数据在线负载异常监测技术[J]. 粘接 2019(09)
    • [12].基于相似日和小波神经网络的光伏短期功率预测[J]. 电网与清洁能源 2019(03)
    • [13].基于小波神经网络的收割机测产系统振动信号分析[J]. 农机化研究 2018(06)
    • [14].基于小波神经网络的定制公交目标乘客出行意愿预测[J]. 重庆交通大学学报(自然科学版) 2018(08)
    • [15].基于小波神经网络的电力系统负荷预测[J]. 科技创业月刊 2017(05)
    • [16].小波神经网络在桥梁施工监控中的应用[J]. 地理空间信息 2017(08)
    • [17].基于小波神经网络的软件错误定位研究[J]. 电子设计工程 2016(08)
    • [18].自构建小波神经网络的内模控制研究与应用[J]. 计算机测量与控制 2014(09)
    • [19].基于小波神经网络的模拟电路故障诊断技术[J]. 计算机测量与控制 2014(11)
    • [20].一种自适应模糊小波神经网络及其在交流伺服控制中的应用[J]. 兵工学报 2015(05)
    • [21].基于小波神经网络的沪深300指数收盘价预测[J]. 中国集体经济 2013(27)
    • [22].一种基于小波神经网络的图像分割方法[J]. 信息通信 2020(10)
    • [23].基于递归小波神经网络的江苏城镇夏季最高气温预报预警技术[J]. 自然灾害学报 2019(06)
    • [24].基于改进小波神经网络的协同作战能力评估[J]. 指挥信息系统与技术 2020(01)
    • [25].基于固定网格小波神经网络的不规则波中船舶横摇运动在线预报(英文)[J]. 船舶力学 2020(06)
    • [26].基于小波神经网络的股票预测[J]. 云南民族大学学报(自然科学版) 2019(02)
    • [27].基于小波神经网络PID的战车自适应巡航算法[J]. 兵器装备工程学报 2019(03)
    • [28].基于粒子群优化小波神经网络的风洞风机振动故障的诊断[J]. 吉林农业 2019(16)
    • [29].基于小波神经网络的智慧武汉信息化发展评价及对策研究[J]. 情报科学 2018(02)
    • [30].基于小波神经网络的话题热度预测模型研究[J]. 现代信息科技 2018(05)

    标签:;  ;  ;  ;  ;  

    基于集成小波神经网络的铝电解故障诊断技术研究
    下载Doc文档

    猜你喜欢