基于神經(jīng)網(wǎng)絡(luò)的2378AZ-1515風(fēng)機智能故障診斷系統(tǒng)的研究.pdf

1、4號燒結(jié)風(fēng)機(2378AZ／1515型)是韶鋼燒結(jié)廠的關(guān)鍵設(shè)備，開展此類風(fēng)機的故障診斷工作，對風(fēng)機運行的可靠性和安全性具有十分重要的意義。人工智能作為上世紀中葉出現(xiàn)的一門技術(shù)，在其出現(xiàn)之初就己被用于機械設(shè)備的故障診斷工作之中，經(jīng)過幾十年不斷的發(fā)展與完善，將智能技術(shù)與傳統(tǒng)的故障診斷技術(shù)相結(jié)合已成為故障診斷技術(shù)發(fā)展的必然趨勢。 本文全面綜述了故障診斷的意義、歷史、現(xiàn)狀和發(fā)展。介紹了幾種常見的智能故障診斷技術(shù)以及神經(jīng)網(wǎng)絡(luò)技術(shù)在故障診

2、斷中的現(xiàn)狀與發(fā)展。提出了利用神經(jīng)網(wǎng)絡(luò)對4號燒結(jié)風(fēng)機進行故障診斷的方案，以實現(xiàn)對該風(fēng)機的故障進行智能診斷。精確的含故障信息的原始數(shù)據(jù)是進行故障診斷的基礎(chǔ)，因此本文中根據(jù)該風(fēng)機的特點，提出了信號采集子系統(tǒng)的整體方案，對信號測點進行了布置，確定了采樣的各項參數(shù)。研究了信號與處理與變換的方案。采用了模擬低通濾波與數(shù)字高通濾波相結(jié)合的方法，解決了采集的信號中含有趨勢項的問題，取得了很好的濾波效果。同時，提出了一套基于FFT的、將采集到的時域信號轉(zhuǎn)

3、化為特征向量的信號變換方案，為故障特征向量表和神經(jīng)網(wǎng)絡(luò)故障樣本的建立提供了依據(jù)。 本文對4號燒結(jié)風(fēng)機的主要故障類型及其主要來源進行了統(tǒng)計。分析了該風(fēng)機運行時的動力學(xué)特性。通過研究該風(fēng)機幾種常見故障的機理，得出了故障信號的特征，并以此為依據(jù)建立了4號燒結(jié)風(fēng)機各種常見故障的故障征兆表，從理論上為故障的精確診斷工作打下了堅實的基礎(chǔ)。之后，對故障診斷系統(tǒng)進行了總體設(shè)計，確定了本系統(tǒng)中所用神經(jīng)網(wǎng)絡(luò)的算法和結(jié)構(gòu)，并根據(jù)故障征兆表建立了網(wǎng)絡(luò)的

4、訓(xùn)練樣本。 利用VB開發(fā)了故障診斷系統(tǒng)，構(gòu)建了相關(guān)的數(shù)據(jù)庫，它們將故障診斷網(wǎng)絡(luò)的建立、訓(xùn)練與診斷功能無縫的結(jié)合成為一個整體，大大提高了執(zhí)行效率。同時，利用訓(xùn)練樣本數(shù)據(jù)庫與歷史記錄數(shù)據(jù)庫之間的數(shù)據(jù)交換，實現(xiàn)了將現(xiàn)場實際故障信號加入到訓(xùn)練樣本重新訓(xùn)練神經(jīng)網(wǎng)絡(luò)的功能，使得該套系統(tǒng)對4號風(fēng)機的實際運行情況的適應(yīng)能力可以得到不斷地增強。 針對部分故障頻譜特征較為相似，可能造成系統(tǒng)診斷不準確的問題，提出了一種利用風(fēng)機工藝參數(shù)通過神經(jīng)