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

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
  • 相关论文文献

    • [1].基于BP神经网络对地震前兆的研究[J]. 科学技术创新 2019(33)
    • [2].基于BP神经网络的涡轴发动机故障诊断研究[J]. 智库时代 2019(52)
    • [3].基于BP神经网络的磁流变阻尼器逆向模型研究[J]. 海军工程大学学报 2019(06)
    • [4].基于BP神经网络的电梯噪声评价方法[J]. 数字技术与应用 2019(12)
    • [5].基于BP神经网络和支持向量机的荨麻疹证候分类探讨[J]. 广州中医药大学学报 2020(03)
    • [6].基于BP神经网络代理模型的交互式遗传算法[J]. 计算机工程与应用 2020(02)
    • [7].基于BP神经网络的虚拟机评估[J]. 数字通信世界 2020(01)
    • [8].基于BP神经网络的科研项目经费管理风险评估[J]. 财务与会计 2019(22)
    • [9].基于BP神经网络的断层封闭性评价[J]. 复杂油气藏 2019(04)
    • [10].基于BP神经网络识别的曲堤油田低阻油层研究[J]. 宁夏大学学报(自然科学版) 2020(01)
    • [11].基于贝叶斯-BP神经网络的机械制造企业安全预警方法研究[J]. 安全与环境工程 2020(01)
    • [12].基于BP神经网络的扇区空管运行亚健康关联因子预测[J]. 安全与环境工程 2020(02)
    • [13].基于改进灰狼算法优化BP神经网络的短时交通流预测模型[J]. 交通运输系统工程与信息 2020(02)
    • [14].心理护理对于双相情感障碍(BP)病患认知功能产生的影响[J]. 临床医药文献电子杂志 2020(08)
    • [15].BP神经网络在雷达故障诊断中的应用[J]. 通信电源技术 2020(06)
    • [16].基于BP人工神经网络的英那河流域径流模拟研究[J]. 黑龙江水利科技 2020(03)
    • [17].基于BP神经网络的节能车弯道降速数学模型分析[J]. 汽车实用技术 2020(10)
    • [18].基于BP神经网络的临床路径优化[J]. 计算机技术与发展 2020(04)
    • [19].基于改进BP神经网络的羊肉价格预测[J]. 计算机仿真 2020(04)
    • [20].财务BP在企业管理中的应用与研究[J]. 商场现代化 2020(07)
    • [21].人工智能技术的热带气旋预报综述(之一)——BP神经网络和集成方法的热带气旋预报研究和业务应用[J]. 气象研究与应用 2020(02)
    • [22].基于改进BP神经网络的岩心图像分割方法研究[J]. 西安石油大学学报(自然科学版) 2020(04)
    • [23].基于BP神经网络的光纤陀螺误差补偿方法[J]. 物理与工程 2020(04)
    • [24].基于主成分分析和BP神经网络对大学生价值观的研究[J]. 科技经济导刊 2020(20)
    • [25].基于粒子群算法的BP模型在地下水位埋深预测研究中的应用[J]. 吉林水利 2020(08)
    • [26].基于BP神经网络的煤炭企业人岗匹配研究[J]. 煤炭经济研究 2020(07)
    • [27].基于改进BP神经网络的飞行落地剩油预测方法[J]. 飞行力学 2020(04)
    • [28].基于BP神经网络的网络安全态势预测[J]. 网络安全技术与应用 2020(10)
    • [29].以财务BP制度推进“业财融合”的研究[J]. 中国总会计师 2020(09)
    • [30].财务BP的企业实践研究[J]. 现代国企研究 2019(04)

    标签:;  ;  ;  ;  ;  ;  

    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
    下载Doc文档

    猜你喜欢