基于遗传神经网络的烧结抽烟机在线监测智能诊断系统的研制

论文摘要

随着科学技术的迅猛发展,现代工业生产的机械设备正朝着大型化、复杂化、高速化、自动化及大功率方向发展。然而伴随生产效率提高的同时,设备维修费用和难度亦增加,传统的“事后维修”、“定期维修”已经不能满足企业的需求。机械设备特别是工厂的关键设备的故障诊断技术越来越受到重视。无论是从企业的安全生产或是维修成本考虑,以设备状态监测的为基础“预防性维修”越来越受到企业的欢迎,特别是随着人工智能、模式识别等理论迅速发展,智能化诊断技术已成为故障诊断领域一个新的研究方向。本文对国内外智能诊断技术进行研究,特别是最近比较流行的基于BP神经网络的故障诊断技术的深入研究。详细介绍了神经网络理论的发展、模型、算法以及遗传算法理论。针对BP网络的局限性和弱点:如样本顺序对建模成果有一定影响、训练速度比较慢、训练抖动问题、容易收敛于局部极小点以及算法不收敛等,提出利用遗传算法全局搜索特性来训练BP网络的权值和阈值,将遗传算法和BP算法有机结合,使每一种诊断方法都在其优势空间发挥作用。本文用MATLAB对故障样本进行仿真论证了算法的可行性。最后针对炼铁厂烧结抽烟机,研制了一套基于遗传BP网络的烧结抽烟机在线监测与故障诊断系统,该系统能在监测抽烟机运行状态同时,实现实时数据采集与分析处理、组态参数设置、历史趋势回放分析、故障智能诊断等功能,系统采用人机交换界面,具有界面友好,操作简单,预报准备的特点。本文介绍了系统了硬件构成包括传感器选型、网络采集卡、现场布线情况和软件功能实现,并着重介绍了智能诊断模型的离线训练和在线诊断功能。

论文目录

• 摘要
• ABSTRACT
• 1 绪论
• 1.1 设备状态监测与故障诊断概述
• 1.2 旋转机械故障诊断的发展概况
• 1.3 常用的故障诊断方法
• 1.4 设备状态监测与故障诊断技术对工业企业的作用和意义
• 1.5 课题来源及意义
• 2 人工神经网络及其应用
• 2.1 人工神经网络简述
• 2.2 神经网络理论基础
• 2.2.1 人工神经网络的构成
• 2.2.2 神经元的结构模型
• 2.2.3 人工神经网络的学习规则
• 2.2.4 神经网络的信息表达能力
• 2.3 BP 神经网络
• 2.3.1 BP 神经网络发展
• 2.3.2 BP 网络设计的几个问题
• 2.3.3 BP 型人工神经网络的优缺点
• 2.3.4 BP 型人工神经网络的改进
• 2.4 神经网络在故障诊断中的应用
• 3 遗传算法及其应用
• 3.1 遗传算法的概述
• 3.2 遗传算法的思想
• 3.3 遗传算法的设计与实现
• 3.3.1 遗传算法有三个基本操作
• 3.3.2 遗传算法的实现
• 3.4 遗传算法的优点
• 3.5 遗传算法在故障诊断中的应用
• 4 遗传神经网络在旋转机械中的应用建模
• 4.1 基本思想
• 4.2 建模工具箱简介
• 4.3 BP 网络算法建模
• 4.4 遗传神经网络建模
• 4.5 仿真结论
• 5 1号烧结抽烟机在线振动监测故障诊断系统的研制
• 5.1 机组运行简介
• 5.1.1 测点选择
• 5.2 系统硬件实现
• 5.2.1 传感器选型及安装
• 5.2.2 数据采集仪
• 5.2.3 系统硬件布线图
• 5.3 系统软件开发的关键技术
• 5.3.1 软件功能设计
• 5.3.2 软件平台的选择
• 5.3.3 数据存储和管理
• 5.3.4 多线程技术的应用
• 5.3.5 软件开发流程
• 5.3.6 用户主界面设计
• 5.3.7 组态编辑模块设计
• 5.3.8 网络采集卡设置模块
• 5.3.8 历史趋势查询模块
• 5.3.10 智能诊断模块
• 6 结论
• 致谢
• 参考文献
• 附录