气动薄膜式调节阀的智能故障诊断方法及实验验证

发布时间：2020-06-08 01:33

【摘要】：气动调节阀广泛应用于多种工业领域,是工业过程控制系统的执行器之一。气动调节阀大多工作于高温、高压、潮湿的环境中,容易出现故障。故障会导致工厂效益下滑甚至是意外停工和伤亡事故。传统的人工检修方式一般对阀门拆解维修,浪费大量人力物力和时间。因此,可在非拆解情况下进行故障判断的方法引起广泛关注,目前主要有两类方法:基于专家系统的方法和基于机器学习的方法。前者存在参数选择主观性较强,参数调整困难,容易漏报误报的问题。后者面临现场可获得的样本少,分布不均匀,往往个别型号样本多,同类型其他型号样本不足的挑战。鉴于此,本文研究气动薄膜式调节阀的智能故障诊断和实验验证方法。主要研究工作如下:1.分析气动薄膜式调节阀的常见故障,设计开发验证平台。首先,分析气动薄膜式调节阀常见故障,给出人工制造故障和控制故障强度的方法;然后,分析实验系统的软硬件需求,对实验平台进行总体设计与各模块选型设计;最后,利用高精度仪表对实验平台的有效性进行验证。2.针对传统专家系统存在的参数选择主观性较强、参数调整困难、容易漏报误报的问题,提出基于改进专家系统的气动薄膜式调节阀故障诊断方法。首先,分析针对气动薄膜式调节阀的故障诊断专家经验,对专家经验的合理性进行论证;然后,利用粒子群算法改进专家系统,提出基于改进专家系统的气动薄膜式调节阀故障诊断方法;最后,使用实验平台采集故障样本,对比所提方法和传统专家系统方法的诊断正确率,以验证所提方法的有效性。3.针对机器学习方法面临的现场可获得的样本少,分布不均匀,往往个别型号样本多,同类型其他型号样本不足的问题,提出基于半监督迁移极限学习机(ELM)和自编码器(AE)的气动薄膜式调节阀故障诊断方法。首先,综述ELM、迁移学习和自编码器等机器学习算法的基本原理和特性;其次,根据故障工况与无故障工况下气压与位移的差异,选取适当的特征函数,利用特征函数值在故障情况下的异常反映故障,并用函数值构成实验样本;然后,提出基于半监督迁移ELM和自编码器的气动薄膜式调节阀故障诊断方法;最后,利用实验平台采集故障样本,验证所提方法的有效性。
【学位授予单位】：中国矿业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：TH138.52

【相似文献】