学位论文 > 优秀研究生学位论文题录展示

大型预焙铝电解槽槽电压波动特征提取

作 者: 单峰
导 师: 周孑民;李贺松
学 校: 中南大学
专 业: 热能工程
关键词: 铝电解槽 功率谱分析 小波分析 特征提取 槽电压波动
分类号: TF351
类 型: 硕士论文
年 份: 2009年
下 载: 64次
引 用: 1次
阅 读: 论文下载
 

内容摘要


大型预焙铝电解槽的稳定性研究是铝电解生产中的热点课题,从铝电解槽可在线检测量入手诊断其运行状况,进行相应的操作是提高其稳定性的重要措施。槽电压是铝电解槽中一个能够在线检测的参数,其波动信号中包含大量的与电解槽运行相关的信息。从槽电压波动中提取特征,是建立相应的槽况诊断系统的重要基础。本论文以320kA系列预焙铝电解槽为研究对象,大量采集了典型故障槽的槽电压波动信号,利用小波除噪技术对其进行了预处理,然后分别利用功率谱估计算法以及小波包分解技术对槽电压波动信号进行了分析,得到以下重要结论:(1)利用小波除噪技术对电压波动信号进行除噪不但能够保留原始信号中的重要信息,而且能够很好的剔除噪声,使信号变得平滑,不同的槽电压波动信号有不同的最优基小波。(2)基于非参数法的功率谱估计分辨率很差,不能很好的提取槽电压波动信号的特征,而基于参数法的功率谱估计的分辨率大大的提高,能够很好的提取某些槽况下槽电压波动的特征,而且得到的结果物理意义明确;但是对于平稳性很差,突变信息多的信号,参数法不能很好的提取特征。虽然子空间法比参数法分辨率更高,但是其算法过于复杂,不适宜在工程实际中应用。(3)对槽电压波动信号进行一至三层小波包分解,发现三层小波包分解能够很好的提取槽电压波动的能量特征向量,而且由于向量维数较高,抗干扰能力强。对三层小波包分解进行了优化,发现不同的信号有不同的最优小波包分解树。(4)对功率谱分析小波分析两种算法进行比较,发现两种算法相辅相成,各有优缺点。频谱分析算法较简单,耗时少,得到的结果物理意义明确,但小波分析处理平稳性差、突变信息多的信号要优于频谱分析,结合两种算法能够很好的提取槽电压波动的特征。

全文目录


摘要  4-5
ABSTRACT  5-7
目录  7-9
第一章 绪论  9-21
  1.1 铝电解槽及其电压波动  9-12
    1.1.1 铝电解过程  9
    1.1.2 电解槽重要参数的测量  9-10
    1.1.3 国内外铝电解槽槽电压波动的研究现状  10-12
  1.2 频谱分析与小波分析的理论基础  12-16
    1.2.1 FFT算法和频谱分析概述  12-13
    1.2.2 小波变换的基础理论  13-16
  1.3 随机过程信号的描述  16-19
    1.3.1 随机过程信号的频谱描述  16-18
    1.3.2 广义正交展开  18-19
    1.3.3 随机过程信号的小波描述  19
  1.4 本论文的研究意义与研究内容  19-21
第二章 槽电压波动的原因分析与数据采集  21-26
  2.1 槽电压波动信号的构成  21
  2.2 铝电解槽槽电压波动的原因分析  21-23
  2.3 槽电压波动的数据采集  23-25
  2.4 本章小结  25-26
第三章 槽电压波动信号的除噪研究  26-41
  3.1 基于小波变换的信号除噪研究  26-33
    3.1.1 小波除噪的基本原理  26-27
    3.1.2 小波除噪的方法  27-33
    3.1.3 小波除噪性能的评价  33
  3.2 特征槽况下槽电压波动信号的除噪  33-40
    3.2.1 最优基小波和分解层数的确定  33-36
    3.2.2 阈值函数与阈值的选取  36-38
    3.2.3 小波除噪结果  38-40
  3.3 本章小结  40-41
第四章 基于功率谱估计的槽电压波动特征提取  41-55
  4.1 基于非参数法的槽电压波动的功率谱分析  41-46
    4.1.1 周期图法  41-43
    4.1.2 Welch法  43-46
  4.2 基于参数法的槽电压波动的功率谱分析  46-52
    4.2.1 基于Yule-Walker AR法的槽电压波动的频谱分析  46-50
    4.2.2 基于Burg法的槽电压波动的功率谱分析  50-52
  4.3 基于子空间法的槽电压波动的功率谱分析  52-54
  4.4 本章小结  54-55
第五章 基于小波包分解的槽电压波动特征提取  55-66
  5.1 小波包分解算法  55-56
  5.2 基于小波包分解的槽电压波动特征提取  56-57
  5.3 基于小波包的槽电压波动信号特征提取结果  57-64
    5.3.1 一层小波包分解的结果  57-58
    5.3.2 两层小波包分解的结果  58-60
    5.3.3 三层小波包分解的结果  60-62
    5.3.4 三层小波包分解的优化  62-64
  5.4 频谱分析与小波包分析的比较  64-65
  5.5 本章小结  65-66
第六章 结论与展望  66-68
  6.1 结论  66-67
  6.2 展望  67-68
参考文献  68-72
致谢  72-73
攻读硕士学位期间发表的学术论文  73

相似论文

  1. 基于SVM的高速公路路面浅层病害的自动检测算法研究,U418.6
  2. 航天继电器时间参数测试分析技术的研究,TM58
  3. 空间目标ISAR成像仿真及基于ISAR像的目标识别,TN957.52
  4. 胆囊炎和肾病综合症脉象信号的特征提取与分类研究,TP391.41
  5. Q学习在基于内容图像检索技术中的应用,TP391.41
  6. 直推式支持向量机研究及其在图像检索中的应用,TP391.41
  7. 中医舌诊中舌形与齿痕的特征提取及分类研究,TP391.41
  8. 空间交会接近视觉测量方法研究,TP391.41
  9. 图像实时采集、存储与处理方法研究,TP391.41
  10. 唇读中的特征提取、选择与融合,TP391.41
  11. 多币种纸币处理技术的研究与实现,TP391.41
  12. 基于类Harr特征和最小包含球的纸币识别方法的研究,TP391.41
  13. 基于图像的路面破损识别,TP391.41
  14. 移动机器人视觉检测和跟踪研究,TP242.62
  15. 高光谱与高空间分辨率遥感图像融合算法研究,TP751
  16. 基于汉语听觉认知的事件相关电位的研究,R318.0
  17. 基于随机森林的植物抗性基因识别方法研究,Q943
  18. 基于图像处理技术的烟叶病害自动识别研究,S435.72
  19. 基于视觉的番木瓜外观品质检测技术研究,S667.9
  20. 羊绒与羊毛纤维鉴别系统的研究,TS101.921
  21. 红外图像目标识别及跟踪技术研究,TP391.41

中图分类: > 工业技术 > 冶金工业 > 冶金机械、冶金生产自动化 > 有色冶金机械与生产自动化 > 有色冶金机械
© 2012 www.xueweilunwen.com