学位论文 > 优秀研究生学位论文题录展示

神经网络技术在鞍钢高炉鼓风机状态监测与故障诊断中的应用

作　者: 郑贵海
导　师: 张化光；李恒旭
学　校: 东北大学
专　业: 电气工程
关键词: 频谱分析傅立叶变换特征量集成神经网子神经网络
分类号: TP183
类　型: 硕士论文
年　份: 2010年
下　载: 30次
引　用: 0次
阅　读: 论文下载

内容摘要

随着科学技术的不断进步,机械设备向着高性能、高效率、高自动化和高可靠性的方向发展。风机在很多生产过程中都起着至关重要的地位。因此,对风机进行状态监测及故障诊断意义重大,不仅可以缩短维修时间、降低维修成本,还可提高诊断准确性和维修质量,创造可观的经济效益。鞍钢炼铁总厂立于2000年7月份,由原炼铁厂和烧结总厂合并后成立的集团公司,现有8座大中型高炉,总容积达20191立方米,是我国钢铁企业中最大的炼铁厂。高炉鼓风机在炼铁过程中起着至关重要的作用,它的稳定运行直接关系着生产是否能正常进行。本文是以鞍钢炼铁总厂为研究背景,以炼铁总厂高炉鼓风机研究对象,依据设备振动诊断技术的相关理论,利用人工神经网络技术,对鼓风机的状态及故障进行了分析及诊断。系统采用先进的信息检测设备,进行数据的采集。软件部分提出了先进的分析方法,首先采用傅立叶变换将采集的信号转换成频域上的信号,将所得到的综合信息,构建了两个子神经网络,其中子神经网络1是以频谱能量做为输入,以常见的故障做为输出,子神经网络2是以振动相对量和油温做为输入,以常见故障做为输出,然后将两个子网络进行融合后再进行网络训练和诊断,得出了的故障诊断系统。本文结合先进的硬件检测设备,对实测的风机振动数据进行结论验证,结果表明,本文提出的以集成神经网络为基础的风机故障诊断方法具有准确、实用等特点。

全文目录

摘要  5-6
ABSTRACT  6-9
第1章绪论  9-15
  1.1 选题的来源及意义  9
  1.2 风机状态监测与故障诊断的现状与常用诊断方法比较  9-12
  1.3 神经网络在设备状态监测与故障诊断中的应用  12-14
  1.4 主要研究内容  14-15
第2章特征量的提取与常见故障分析  15-27
  2.1 风机振动信号的采集  15-19
    2.1.1 信号预处理和信号采集  15-16
    2.1.2 信号采集  16
    2.1.3 系统参数的确定  16-19
  2.2 信号的处理  19-24
  2.3 常见故障的振动特征及分析  24-26
  2.4 本章小结  26-27
第3章 BP神经网络及其改进算法  27-47
  3.1 引言  27-30
    3.1.1 人工神经网络的基本概念  27-30
    3.1.2 人工神经网络的特点及分类  30
  3.2 BP神经网络  30-37
    3.2.1 BP神经网络的模型和学习算法  30-34
    3.2.2 BP神经网络的设计  34-36
    3.2.3 BP神经网络用于故障诊断  36-37
  3.3 本文BP神经网络的构建  37-43
    3.3.1 BP神经网络的构造与确定  37-38
    3.3.2 输出结果的再处理  38-39
    3.3.3 BP神经网络算法的改进  39-40
    3.3.4 BP神经网络的训练与诊断  40-43
  3.4 BP神经网络的集成  43-46
  3.5 本章小节  46-47
第4章高炉鼓风机的故障诊断实例  47-61
  4.1 高炉鼓风机状态监测系统的硬件构成  47-56
    4.1.1 鼓风机简介  47-48
    4.1.2 检测系统硬件结构  48-49
    4.1.3 测点的数量的选取与布置  49-50
    4.1.4 传感器安装位置的选择  50-53
    4.1.5 高炉鼓风机的检测点布置及检测硬件的选择  53-56
  4.2 特征量提取  56-57
  4.3 应用神经网络的故障诊断的实例  57-59
  4.4 本章小结  59-61
第5章结论与展望  61-63
附录  63-69
参考文献  69-73
致谢  73

神经网络技术在鞍钢高炉鼓风机状态监测与故障诊断中的应用

内容摘要

全文目录

相似论文