水泥回转窑故障诊断系统研究

发布时间：2017-09-20 19:05

  本文关键词：水泥回转窑故障诊断系统研究

  更多相关文章： 回转窑 故障诊断 模式识别 分形理论 相关系数 支持向量机

【摘要】：水泥产业所消耗的煤炭量约占全国煤炭消耗总量的15%,是当之无愧的耗能大户。我国吨水泥综合能耗要比国际水平高出20%左右,氮氧化物排放约占全国总量的10%,水泥行业节能降耗对国家节能降耗目标的实现具有重要作用。水泥生产过程机理复杂,工况的非正常运行甚至是工艺故障时有发生,严重影响水泥生产质量和产量的稳定。因此,水泥生产流程中工况的实时监测与工艺故障的诊断不仅是实现节能优化目标的前提,也是实现安全生产的保证。本文依托平邑中联水泥有限公司节能优化项目,运用分形理论与支持向量机相结合的方法,实现了水泥工艺流程中工况的监测与工艺故障的分类诊断。水泥回转窑主机电流的变化与窑内热工制度、结皮厚度、窑圈垮塌等工况具有很强的关联性。鉴于水泥回转窑窑电流信号在不同工况下表现出的不同分形特性,本文研究提取了不同工况下窑电流信号的广义分形维数作为特征参数,通过求取待检信号的广义分形维数序列与各工况所对应窑电流的分形维数序列的最大相关系数,实现窑电流水平和变化趋势的归类,从而达到对窑内工况的有效识别。单纯利用支持向量机的方法进行故障分类时,对数据样本的要求较高,在数据样本某些属性的特征区分不明显的条件下,分类效果并不理想。本文尝试将分形理论引入到数据样本的处理中,先利用得到的广义分形维数替代原数据样本中的特征性不强的属性,然后通过支持向量机实现模式分类。针对新型干法水泥生产过程中常见的6种工艺故障,运用这两种分类策略进行分类,测试的分类准确率分别为88.67%和99.67%。结果表明:运用广义分形维数与支持向量机的结合算法,可以更加有效地实现故障的分类诊断。
【关键词】：回转窑 故障诊断 模式识别 分形理论 相关系数 支持向量机
【学位授予单位】：天津理工大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TQ172.622
【目录】：

• 摘要5-6
• Abstract6-9
• 第一章 绪论9-13
• 1.1 课题的研究背景与意义9-10
• 1.2 水泥生产系统故障诊断国内外研究现状10-11
• 1.2.1 国外研究现状10
• 1.2.2 国内研究现状10-11
• 1.3 目前国内外研究所存在的问题11-12
• 1.4 本论文研究的主要内容12-13
• 第二章 新型干法水泥工艺与回转窑常见工艺故障13-24
• 2.1 新型干法水泥生产工艺流程13-18
• 2.1.1 生料的制备与均化14-15
• 2.1.2 生料的预热与分解15-17
• 2.1.3 熟料的烧成与冷却17-18
• 2.2 水泥生产现场的工艺参数与操作参数18-19
• 2.3 回转窑常见工艺故障分析19-23
• 2.3.1 常见工艺故障及故障原因分析19-20
• 2.3.2 常见工艺故障与监测参数对应关系分析20-23
• 2.4 本章小结23-24
• 第三章 分形理论与支持向量机工作原理概述24-34
• 3.1 单重分形24-28
• 3.1.1 分形理论概述24-25
• 3.1.2 典型的单重分形维数及推导25-27
• 3.1.3 单重分形应用的优缺点分析27-28
• 3.2 广义分形维数的定义与计算28-31
• 3.2.1 广义分形维数概述28
• 3.2.2 广义分形维数的计算推导28-29
• 3.2.3 广义分形维数与单重分形维数优缺点对比29-31
• 3.3 支持向量机31-33
• 3.3.1 统计学习理论31
• 3.3.2 支持向量机的分类原理31-33
• 3.4 本章小结33-34
• 第四章 回转窑系统工况识别算法研究34-42
• 4.1 窑电流模式与异常工况的对应关系分析34-36
• 4.2 广义分形维数识别窑电流模式的方法36-38
• 4.3 广义分形维数最大相关性判别法38-39
• 4.4 仿真结果与验证39-40
• 4.5 本章小结40-42
• 第五章 回转窑系统故障诊断算法的研究与实现42-50
• 5.1 支持向量机在回转窑故障诊断中的应用42-44
• 5.2 SVM在故障分类诊断中的局限性分析44-45
• 5.3 广义分形维数与SVM算法结合的实现45-47
• 5.4 改进算法的故障分类仿真验证47-48
• 5.5 本章小结48-50
• 第六章 结论与展望50-52
• 6.1 结论50-51
• 6.2 展望51-52
• 参考文献52-55
• 发表论文和科研情况说明55-56
• 致谢56-57

【参考文献】

中国期刊全文数据库 前10条

1 连可;黄建国;王厚军;龙兵;;一种基于遗传算法的SVM决策树多分类策略研究[J];电子学报;2008年08期

2 郭虎升;王文剑;;基于神经网络的支持向量机学习方法研究[J];计算机工程与应用;2009年02期

3 朱凤明;樊明龙;;混沌粒子群算法对支持向量机模型参数的优化[J];计算机仿真;2010年11期

4 文贵华;向君;丁月华;;基于商空间粒度理论的大规模SVM分类算法[J];计算机应用研究;2008年08期

5 陈果;;基于遗传算法的支持向量机分类器模型参数优化[J];机械科学与技术;2007年03期

6 徐玉秀;钟建军;闻邦椿;;旋转机械动态特性的分形特征及故障诊断[J];机械工程学报;2005年12期

7 王孝红;房喜明;于宏亮;;基于专家系统的回转窑窑头工况识别[J];控制工程;2010年03期

8 张萍,王桂增,周东华;动态系统的故障诊断方法[J];控制理论与应用;2000年02期

9 栗青,陈长征;集成神经网络在旋转机械故障诊断中的应用[J];沈阳工业大学学报;2001年04期

10 李兆飞;柴毅;李华锋;;多重分形的振动信号故障特征提取方法[J];数据采集与处理;2013年01期

中国博士学位论文全文数据库 前1条

1 刘晓颖;复杂过程的智能故障诊断技术及其在大型工业窑炉中的应用研究[D];中南大学;2003年

中国硕士学位论文全文数据库 前5条

1 张加良;新型干法水泥生产线烧成与冷却过程控制研究[D];济南大学;2011年

2 王兰军;水泥回转窑故障诊断系统的研究[D];浙江大学;2004年

3 刘炳春;基于模糊神经网络的故障诊断方法与应用研究[D];河北工业大学;2005年

4 李永亮;基于信息融合的水泥回转窑工况的智能识别[D];济南大学;2008年

5 王聪;基于.NET的水泥回转窑故障诊断专家系统的研究与应用[D];山东建筑大学;2010年

，

本文编号：889842