氧化铝烧结窑排烟风机信息融合故障诊断方法与系统研究

论文摘要

排烟风机是国民经济建设中不可缺少的关键设备,对其进行故障诊断方法的研究具有重要意义。当前排烟风机故障诊断手段主要是频谱诊断,随着智能诊断技术的发展,相继出现了针对单个领域的诊断专家系统,如转子故障诊断系统、电机故障诊断系统等,但由于排烟风机结构差异、环境恶劣等因素的影响,特别是在冶金、矿山等恶劣环境,诊断效果较差,为了提高排烟风机监测与故障诊断的准确性,本文作者综合运用信息融合理论、提升小波信号预处理方法、盲源分离故障诊断方法、BP-ART2神经网络故障诊断、多专家协同诊断理论等先进理论和算法,对多传感器信息在多层结构上进行多诊断方法的信息融合,并在理论研究的基础上,开发了排烟风机运行状态监测与故障诊断微机集中式和DSP分布式两种系统。信号预处理方法中,在提升小波信号分析的基础上,设计了改进型小波去噪阈值函数和平滑递变的自适应提升小波函数,提出了基于信号局部特征的自适应提升小波信号去噪方法,该方法在大型排烟风机故障信号去噪处理中取得了良好的应用效果。在故障源数不确定情况下的动态源数估计中设计了引入拓展四阶累积量矩阵的盲源分离动态源数估计算法,并研究了根据源数与传感器数的关系（正定、超定、欠定）,选择相应分离算法的自适应盲源分离故障诊断方法,该方法在数据融合层面能有效地识别和诊断排烟风机动态故障。在特征融合层,研究了综合BP网络与ART2自适应共振网络二者优点的改进型BP-ART2神经网络故障诊断方法,在ART2结构的输入层增加非线性映射隐层,通过非线性映射降低输入特征的维数,从而提高ART2神经网络的诊断效率。在故障聚类中,提出了ART2警戒阈值的局部自适应调整算法,对每个聚类设置各自的警戒阈值,并根据聚类结果与期望值的误差来调整隐层映射权值;在聚类评判指标上,采用双重评判指标,将信号与相应聚类中心的幅值差,与警戒阈值一起作为判断聚类的评判指标,当两者同时满足时聚类成功。从而提高了排烟风机故障诊断的效率和准确性。针对排烟风机转子故障诊断、电气故障诊断以及机电耦合故障诊断等各种诊断方法,在排烟风机机械诊断与电气诊断的基础上,研究了综合时域诊断与频域诊断相融合、机械诊断与电气诊断相融合的黑板型多专家协同诊断系统,实现了机械与电气双重角度的故障诊断。并将多专家诊断黑板结构按照诊断逻辑划分为8个信息层,分别包含相应的诊断条件、诊断方法和诊断结论,并建立了相应的黑板监督机制,设计了多专家融合诊断算法。在决策融合层,模仿诊断专家综合考虑多个传感器诊断信息,设计了多传感器加权激励融合方法,实现多个传感器诊断结果相互比较与应证,根据两两传感器诊断故障之间的相关加权激励系数矩阵,分析各故障的相互激励与增强程度,计算加权融合结果,最后将所有两两传感器加权融合结果进行综合融合并归一化,得出多传感器故障融合诊断结果。并对多种诊断方:法得到的局部诊断结果,采用D-S证据理论决策融合得到全局诊断结论。在本文所研究的信号处理与故障诊断方法的基础上,结合排烟风机的力学分析与针对现场干扰信号的信号处理以及故障诊断的要求,研究开发了排烟风机运行状态监测与故障诊断微机集中式监测和DSP分布式监测两种系统,并已成功应用于生产实践的风机监测现场,实现了大型排烟风机状态实时监测与故障诊断。

论文目录

• 摘要
• ABSTRACT
• 目录
• 符号说明
• 第一章 绪论
• 1.1 机械故障诊断的发展与现状
• 1.2 故障诊断方法与技术概述
• 1.2.1 信息融合故障诊断
• 1.2.2 信号预处理技术
• 1.2.3 神经网络故障诊断
• 1.2.4 盲源分离故障诊断
• 1.2.5 故障诊断专家系统
• 1.3 论文研究意义与应用前景
• 1.4 论文主要内容与结构安排
• 第二章 自适应提升小波信号处理方法研究
• 2.1 排烟风机信号预处理问题的提出
• 2.2 小波去噪阈值函数设计
• 2.2.1 现有阈值函数分析
• 2.2.2 本文设计的改进阈值函数
• 2.2.3 阈值函数去噪性能比较
• 2.3 提升小波自适应去噪算法研究
• 2.3.1 信号局部特征的时域估计方法设计
• 2.3.2 基于信号局部特征的小波函数选择
• 2.3.3 信号突变点的平滑递变阶次提升小波函数设计
• 2.3.4 基于信号局部特征的自适应小波阈值选择
• 2.3.5 仿真与实验
• 2.4 信号频域特征的小波消混校正方法设计
• 2.4.1 小波分析的频域特征提取
• 2.4.2 小波分解中频率混淆的校正方法设计
• 2.4.3 消除小波分析频率混淆算法设计
• 2.4.4 小波混频改进算法应用
• 2.5 本章小结
• 第三章 动态故障源数估计的自适应盲源分离方法研究
• 3.1 数据层融合诊断问题的提出
• 3.2 动态故障源的源数估计算法研究
• 3.2.1 现有信号源数估计方法
• 3.2.2 基于拓展四阶累积量矩阵与奇异值分解的源数估计算法研究
• 3.2.3 拓展四阶累积量矩阵源数估计实验
• 3.3 基于动态故障源数估计的自适应盲源分离算法研究
• 3.3.1 基于主元分析的超定盲源分离算法
• 3.3.2 基于稀疏元分析的欠定盲源分离算法
• 3.3.3 自适应盲源分离算法
• 3.4 盲源分离实验分析
• 3.5 本章小结
• 第四章 综合 BP与 ART2网络的改进型神经网络故障诊断方法研究
• 4.1 神经网络故障诊断的不足
• 4.2 改进型 BP-ART2神经网络设计
• 4.2.1 引入非线性映射的BP-ART2神经网络结构设计
• 4.2.2 ART2神经网络自适应警戒参数与聚类设计
• 4.3 改进型 BP-ART2神经网络故障诊断系统的计算方法
• 4.4 实验分析
• 4.5 本章小结
• 第五章 黑板型多专家机电融合故障诊断方法研究
• 5.1 多专家诊断问题的提出
• 5.2 排烟风机故障诊断的黑板型多专家融合系统结构设计
• 5.3 黑板型多专家机电融合诊断方法研究
• 5.3.1 排烟风机机电融合诊断方法研究
• 5.3.2 多专家机电信息融合诊断算法
• 5.4 实验与诊断
• 5.5 本章小结
• 第六章 多传感器与多诊断方法的决策融合诊断
• 6.1 排烟风机全局决策融合诊断结构设计
• 6.2 多传感器加权激励融合诊断方法研究
• 6.3 多诊断方法局部诊断结果的决策融合设计
• 6.3.1 决策融合规则
• 6.3.2 排烟风机故障诊断决策融合算法设计
• 6.4 决策融合实验与诊断
• 6.5 本章小结
• 第七章 排烟风机状态监测与故障诊断系统设计
• 7.1 排烟风机监测测点与传感器设置
• 7.2 微机集中监测式与DSP分布式监测系统硬件设计
• 7.2.1 微机集中监测与故障诊断系统
• 7.2.2 DSP分布式实时监测与故障诊断系统
• 7.3 排烟风机监测与故障诊断系统软件设计
• 7.3.1 微机集中监测系统数据采集软件设计
• 7.3.2 DSP分布式监测系统软件设计
• 7.3.3 上位机监测与管理软件设计
• 7.4 系统调试与现场应用实例
• 7.5 本章小结
• 全文结论与认识
• 参考文献
• 致谢
• 攻读学位期间主要研究成果