冶金除尘风机状态监测与故障诊断系统研究

论文摘要

设备监测和故障诊断一直以来都是工业领域研究的热点,一方面人们对设备的安全、稳定、可靠性的要求逐步提高;另一方面网络技术、信号分析与处理技术广泛成功应用,使得基于网络的远程监测和故障诊断模式越来越受到国内外的重视。正是在这一背景下,本文结合炼铁厂出铁场除尘风机监测和故障诊断课题做了相关的研究,文中着重研究了风机监测和故障诊断的技术实现,并对关键技术进行了分析,对需要解决的问题作了探讨。（1）设计风机状态监测与故障诊断系统的框架结构。系统主要由在线监测子系统和智能诊断子系统组成,并对数据采集系统、在线监测系统、信号分析和故障诊断系统等各部分进行了分析和设计。（2）开发基于单片机的数据采集系统。设计了数据采集方案,运用Proteus ISIS建立仿真系统,并写入KeilC平台下对应的编译程序对系统仿真,最后开发了基于AT89S52的数据采集系统。系统按照指令采集各个传感器上的状态值然后通过CAN总线传给服务器,服务器对数据进行处理并存储,用户可以通过网络远程监测风机的实时数据。（3）研究故障诊断数据融合处理的方法。首先要根据系统的要求以及信源的特点探讨一种以ART-2网络聚类分析为核心的数据融合算法,运用ART-2网络数据融合实现分类的机理实现同类数据融合,然后再根据己有的多源信息和系统的融合知识采用一定的学习方法,对所建立的神经网络系统进行离线学习,确定网络的连接权值和连接结构拓扑,最后把得到的网络用于冶金风机故障诊断系统中。系统采用BP网络实现异类数据融合并实现对风机系统设备运行状态的实时监测和故障诊断,验证了该算法的有效性和可行性。

论文目录

• 摘要
• Abstract
• 第一章 绪论
• 1.1 选题的背景与意义
• 1.2 旋转机械远程状态监测与故障诊断技术国内外发展状况
• 1.3 本课题主要研究内容
• 第二章 风机状态监测与故障诊断系统的原理和构成
• 2.1 风机结构参数和主要故障机理分析
• 2.1.1 风机结构参数说明
• 2.1.2 风机常见故障分析
• 2.2 系统总体设计方案
• 2.2.1 系统功能需求
• 2.2.2 系统组成结构
• 2.3 本章小结
• 第三章 基于MCU 的风机现场监测系统开发
• 3.1 开发工具介绍
• 3.2 风机在线监测系统结构设计
• 3.3 MCU 的选择
• 3.4 数据采集模块设计
• 3.4.1 传感器的选择与安装
• 3.4.2 电源及时钟电路硬件设计
• 3.4.3 A/D 采样电路
• 3.4.4 现场显示
• 3.4.5 多机通信
• 3.5 网络通信模块设计
• 3.5.1 设计方案的类比
• 3.5.2 网络通信设计
• 3.6 整体硬件原理图
• 3.7 本章小结
• 第四章 智能故障诊断系统的研究与实现
• 4.1 神经网络的传感器数据融合理论方法
• 4.1.1 自适应谐振理论网络原理
• 4.1.2 ART-2 神经网络聚类融合算法
• 4.2 数据融合神经网络故障诊断模型的建立
• 4.2.1 BP 网络学习算法的基本思想
• 4.2.2 融合诊断模型的建立
• 4.3 故障诊断模型的应用
• 4.4 软件实现关键技术研究
• 4.4.1 远程数据监测的实现
• 4.4.2 数据库管理
• 4.4.3 神经网络计算方法的实现
• 4.4.4 故障诊断网络的焦点问题
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 总结
• 5.2 研究展望
• 参考文献
• 致谢
• 硕士期间发表的论文