学位论文 > 优秀研究生学位论文题录展示

基于集成小波神经网络的铝电解故障诊断技术研究

作　者: 周昊
导　师: 李界家
学　校: 沈阳建筑大学
专　业: 控制理论与控制工程
关键词: 铝电解故障诊断 Elman神经网络小波分析集成小波神经网络
分类号: TP183
类　型: 硕士论文
年　份: 2011年
下　载: 47次
引　用: 0次
阅　读: 论文下载

内容摘要

铝电解过程是一个非线性、强耦合、时变和大时滞的工业体系。铝电解过程设备结构复杂,故障种类繁多,故障的发生,对整个电解系列的产生都有很大影响,使电流效率下降,影响电解系列的各项技术指标,降低了铝的产量和质量,破坏了整个电解系列的平稳供电。因此,及时有效地进行故障诊断,对保证整个电解系列平稳安全生产,节约电能具有十分重要的意义。由于铝电解的非线性特点,难以建立精确的机理模型进行分析。但是通过对铝电解过程各种故障的相关量分析,利用智能算法进行辨识已经成为一种有效的手段。比如,已经有研究人员将粗糙集、BP神经网络、Elman神经网络、小波神经网络应用到铝电解故障诊断中。尽管这些方法已经取得了一定的效果,但是有的模型在训练时收敛速度慢,容易陷入局部极小值,造成训练时间长,故障诊断的准确率不高,而且缺少对复合故障的诊断,不能满足要求。因此,本文以铝电解过程为研究对象,针对目前故障诊断方法存在的问题,提出了一套新的故障诊断方案,并做了如下工作:第一,概述了国内外铝电解的发展状况,对铝电解故障诊断意义进行了阐述。论述了现有故障诊断方法的应用及存在的问题,论证了改进现有故障诊断方法的必要性。第二,对控制系统的故障诊断方法进行了理论探讨。针对铝电解过程中各种故障,详细分析了其产生的原因和预防方法,并提取了故障诊断的特征量,提出了论文中所采用的故障诊断方法。第三,首先分析了神经网络应用于故障诊断的可能性和必要性。论述了小波分析与神经网络的结合途径,然后论述了阳极效应预报的常见方法,同时指出了目前阳极效应预报方法的不足之处。第四,分别采用Elman神经网络和小波Elman神经网络,根据阳极效应发生的机理,建立故障诊断模型,并对基本Elman神经网络模型结构进行改进,以期待达到理想的诊断效果。仿真结果表明:小波Elman神经网络诊断阳极效应具有诊断时间短,准确率高等特点,具有很好的实时性和可靠性。第五,根据铝电解过程中多种故障同时发生,并且各种故障之间存在着层次关系和因果关系的特点,提出了基于信息融合技术的集成小波神经网络的多故障诊断方法。并根据诊断流程设计了人机接口。仿真结果表明:该方法可对电解过程中多种故障的发生进行有效地诊断,解决了单一故障诊断方法难以解决的问题。第六,对基于神经网络的铝电解故障诊断方法进行了总结,对其优点和不足进行进一步地探讨,对为来工作进行了展望。

全文目录

摘要  4-5
Abstract  5-9
第一章绪论  9-15
  1.1 课题研究背景  9-12
    1.1.1 铝电解故障诊断简介  9
    1.1.2 国内外铝电解故障诊断研究现状  9-12
  1.2 课题研究的目的和意义  12-13
  1.3 本论文的主要工作  13-15
第二章铝电解的故障诊断技术  15-24
  2.1 控制系统的故障诊断技术  15-20
    2.1.1 故障诊断技术概述  15
    2.1.2 故障诊断的主要方法  15-18
    2.1.3 故障诊断中的热点问题  18-19
    2.1.4 故障诊断技术的发展趋势  19-20
  2.2 铝电解生产过程中的常见故障与特征  20-21
  2.3 故障诊断特征量的选取  21-23
  2.4 本章小结  23-24
第三章基于神经网络的阳极效应故障诊断方法研究  24-32
  3.1 神经网络与故障诊断  24-26
    3.1.1 神经网络应用于故障诊断的意义  24-25
    3.1.2 神经网络故障诊断原理  25
    3.1.3 神经网络故障诊断方法  25-26
  3.2 Elman 神经网络简介  26-27
  3.3 小波神经网络基础  27-29
    3.3.1 小波分析基础  27-28
    3.3.2 小波分析和神经网络的结合途径  28-29
  3.4 阳极效应发生机理  29-30
  3.5 阳极效应预报方法及存在的问题  30-31
  3.6 本章小结  31-32
第四章基于小波Elman 神经网络阳极效应故障诊断研究  32-43
  4.1 阳极效应参数的确定  32
  4.2 基于 Elman 神经网络的阳极效应故障诊断  32-34
    4.2.1 基于 Elman 神经网络的阳极效应故障诊断模型的结构  32-34
    4.2.2 Elman 神经网络的学习算法  34
  4.3 Elman 神经网络模型的改进  34-36
    4.3.1 改进Elman 网络的数学模型  35-36
    4.3.2 改进Elman 网络的学习算法  36
  4.4 基于小波 Elman 神经网络的阳极效应故障诊断  36-38
    4.4.1 小波Elman 神经网络的数学模型  36-37
    4.4.2 小波Elman 神经网络的学习算法  37-38
  4.5 仿真研究  38-42
    4.5.1 阳极效应故障诊断过程分析  38-39
    4.5.2 仿真研究  39-42
  4.6 本章小结  42-43
第五章基于集成小波神经网络的铝电解故障诊断研究  43-59
  5.1 基于集成小波神经网络的建模研究  43-47
    5.1.1 单子神经网络故障诊断的局限性  43
    5.1.2 基于信息融合的集成小波神经网络的基本思想  43-44
    5.1.3 集成小波神经网络的基本结构  44
    5.1.4 子神经网络的组建原则  44-45
    5.1.5 集成小波神经网络的实现策略  45-47
  5.2 基于集成小波神经网络的故障诊断的实现  47-53
  5.3 故障诊断系统的人机接口设计  53-57
    5.3.1 系统的组成和功能  53-54
    5.3.2 下位机硬件组成  54-55
    5.3.3 上位机管理软件的设计  55-57
  5.4 仿真研究  57-58
    5.4.1 故障诊断系统实现过程  57
    5.4.2 仿真实验结果  57-58
  5.5 本章小结  58-59
第六章总结与展望  59-61
  6.1 总结  59
  6.2 展望  59-61
参考文献  61-64
作者简介  64
作者在攻读硕士学位期间发表的学术论文  64-65
致谢  65-66

基于集成小波神经网络的铝电解故障诊断技术研究

内容摘要

全文目录

相似论文