基于振动监测和BP神经网络的连铸下渣自动检测方法的研究

论文摘要

本论文主要介绍了连铸钢包到中间包的下渣检测方法。在对国内外下渣检测技术的广泛调研和总结的基础上，提出了基于水口操纵臂振动信号监测，BP神经网络模式识别的下渣检测判断方法，并对钢流的振动信号处理与钢渣特征参数的提取方法进行了研究。除了采用传统的时域和频域分析方法对钢流的振动信号进行分析处理外，还应用了小波及小波包分析理论和人工神经网络理论，对振动信号的处理与识别过程中的主要环节进行了深入的讨论和研究，提出了新的钢渣特征参数的提取和识别方法。 文章详细介绍了系统的总体设计、硬件调理电路的设计及软件设计。软件按照软件工程的步骤进行开发，充分利用LabVIEW图形化编程工具，强调模块化编程，使得软件开发周期短，可维护性好，并体现了软件的实用性和通用性。通过调试与测试，系统的设计达到了预期的要求。

论文目录

• 摘要
• Abstract
• 目录
• 第一章 绪论
• 1.1 下渣检测概述
• 1.2 国内外的下渣检测应用状况
• 1.3 基于振动监测的下渣检测方法
• 1.3.1 基于振动的下渣检测技术的关键
• 1.3.2 从操作臂振动信号中提取钢渣信号的方法
• 1.4 提取特征信号后的模式识别
• 1.5 在模式识别时需要考虑的因素
• 1.6 本文的研究思路与主要内容
• 第二章 保护浇注操作臂振动机理分析
• 2.1 下渣振动检测技术的应用环境
• 2.1.1 钢包长水口保护浇铸概述
• 2.1.2 保护浇铸机构及其特点
• 2.2 钢水浇铸的结构振动机理
• 2.3 作用力的计算分析
• 2.3.1 钢包出水口钢水流速的计算
• 2.3.2 作用力与水口开度、保护套下端截面、拉速、钢坯截面间的关系
• 2.4 影响因素与实验结果分析
• 2.4.1 影响测振点振动的主要因素及实验结果分析
• 2.4.2 影响钢水作用力的主要因素及实验验证
• 2.5 本章小结
• 第三章 操作臂振动信号检测与分析处理
• 3.1 数据采集与预处理
• 3.1.1 数据采集与控制装置
• 3.1.2 数据预处理
• 3.2 下渣振动信号的一般分析
• 3.2.1 时域波形分析
• 3.2.2 下渣振动信号的方差分析
• 3.2.3 频谱分析
• 3.3 本章小结
• 第四章 振动信号的分析方法
• 4.1 概述
• 4.2 小波变换原理及离散小波变换
• 4.2.1 小波变换原理
• 4.2.2 离散小波变换
• 4.3 小波包分析理论和下渣特征信号提取
• 4.3.1 小波包理论
• 4.3.2 使用小波包提取下渣振动特征信息
• 4.4 本章小结
• 第五章 神经网络基本原理和方法
• 5.1 神经网络概述
• 5.2 人工神经网络的学习与各类模型
• 5.2.1 人工神经网络的学习
• 5.2.2 人工神经网络的各种模型
• 5.3 BP神经网络
• 5.4 BP神经网络参数确定和训练
• 5.4.1 BP神经网络参数确定
• 5.4.2 BP神经网络训练
• 5.5 本章小结
• 第六章 下渣检测系统设计
• 6.1 硬件系统设计与实现
• 6.1.1 系统硬件总体结构
• 6.1.2 前置滤波放大电路
• 6.1.3 高速信号采集卡
• 6.2 软件系统设计与实现
• 6.2.1 LabView介绍
• 6.2.2 在LabVIEW中使用驱动及C代码
• 6.3 本章小结
• 第七章 结论与展望
• 7.1 论文主要工作
• 7.2 工作总结
• 7.3 工作展望
• 附录A 系统界面
• 参考文献
• 感谢