基于云平台的隧道掘进机监测系统研究
发布时间：2021-06-05 12:28
掘进机是现代隧道施工的关键装备,如何保证其在施工过程中安全运行是学术界与工程界共同关注的重要课题,其中,状态监测和诊断是安全保障的重要技术手段。论文在研究影响隧道掘进机安全运行关键问题、关键部件及系统基础上,基于云平台技术,开发了监测系统硬件和软件,在监测平台上能够实时监测掘进机整机运行参数和关键部件状态参数,并能对检测的数据进行分析。论文首先研究了掘进机监测内容、监测方法和监测点,并设计了基于云平台的监测架构。其次,研究了关键状态识别中信号传感检测技术、数据处理与状态识别技术等。重点开展了基于电涡流传感器的刀具磨损的监测研究,基于支持向量机核函数油液含气量分析的液压系统故障诊断研究,基于掘进参数和BP神经网络的地质状况与运行状态识别研究等。在前述研究基础上,开发了基于云平台的掘进机监测系统,优选了监测系统硬件,设计了接口程序和监测应用程序,包括信号采集、传输、数据库以及监测分析、显示报警等各个模块。最后,在所建立的平台上初步测试了现场施工过程中掘进机的运行参数,并对所设计的相关程序进行了测试。
【文章来源】：石家庄铁道大学河北省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
隧道掘进机结构图
针对各监测内容的监测点位置设置如下：对于刀具磨损的监测，由于采用的是电涡流传感器，其测量方量，因此监测点的具体位置是传感器监测探头正对刀具刃口处对于油液气体含量的监测，采用 AMD-1000 含气量测量仪，仪进油管“T”字型接口处最为合适；对于掘进参数的监测，由于采用 PDV 数据采集器，本文直接此不再进行测点的选择。平台监测系统构架监测系统总体构架设计云平台的隧道掘进机监测系统总体设计见图 2-1 所示。利用掘感器对掘进机各部件和参数进行远程监测，云平台服务器收序处理，可以实时监测掘进机各部分的工作状态，并预测其变
.2 监测系统数据采集设计本监测系统中数据采集传感器主要为电涡流传感器，机载监测仪表主V 数据采集器和 AMD-1000 含气量测量仪。其中电涡流传感器和 PDV 数采集的数据由机载 PLC 读取，AMD-1000 含气量测量仪显示的数据由地面终端计算机。监测系统数据采集示意图如下图 2-2 所示：
【参考文献】：
期刊论文
[1]工业大数据技术综述[J]. 王建民. 大数据. 2017(06)
[2]基于VW-FDA的盾构机液压系统故障诊断方法研究[J]. 郝用兴,周洋,郑淑娟,陈子义. 液压与气动. 2017(09)
[3]面向产业安全的中国隧道掘进机产业前景展望[J]. 王超,张立超,彭晴晴. 中国软科学. 2014(10)
[4]油液含气量检测设备的设计与实现[J]. 孔洁. 科技资讯. 2014(19)
[5]电涡流传感器的技术优势及应用[J]. 孙艳秋. 电子元件与材料. 2014(03)
[6]基于核函数支持向量回归机的耕地面积预测[J]. 王霞,王占岐,金贵,杨俊. 农业工程学报. 2014(04)
[7]隧道掘进机技术的发展和研究现状[J]. 彭琦. 隧道建设. 2013(06)
[8]电涡流传感器的特性分析与标定方法[J]. 刘柱,李巍,金建新. 机械与电子. 2013(02)
[9]电涡流传感器电路设计[J]. 汪晓凌,杜嘉文. 硅谷. 2013(01)
[10]盾构掘进机土压舱和刀具工作状况监测的方案设计[J]. 马利华,魏晓玉,何於琏. 郑州轻工业学院学报(自然科学版). 2009(02)
博士论文
[1]基于复合网络拓扑结构的悬臂式掘进机故障诊断方法[D]. 尹同舟.中国矿业大学(北京) 2017
[2]全断面岩石掘进机刀具磨损状态的分析与识别[D]. 王立辉.天津大学 2012
[3]基于MAS的盾构机故障诊断知识引擎系统的研究[D]. 谈理.上海大学 2008
[4]人工神经网络的结构学习算法及问题求解研究[D]. 朱大铭.中国科学院研究生院（计算技术研究所） 1999
硕士论文
[1]盾构机的监控及管理系统的研究[D]. 金晶.上海应用技术大学 2017
[2]基于云平台的视频监控和存储系统研究与实现[D]. 赵纪伟.内蒙古大学 2017
[3]基于支持向量机的高速公路物流量预测研究[D]. 杨健.昆明理工大学 2017
[4]飞机液压含气量检测系统研究[D]. 赵天菲.浙江大学 2017
[5]基于油液分析的盾构机状态监测技术研究[D]. 刘江然.石家庄铁道大学 2016
[6]基于云平台的消防设备远程在线监测系统的研究与实现[D]. 路昊.东华大学 2016
[7]基于人工神经网络预测与分类的应用研究[D]. 牛志娟.中北大学 2016
[8]基于云平台的工业仪表监测系统的研究[D]. 刘宏银.合肥工业大学 2016
[9]工业大数据环境下的混合故障诊断模型研究[D]. 钟福磊.西安电子科技大学 2015
[10]基于云平台的物联网远程监控系统研究[D]. 王灿.华中科技大学 2015
本文编号：3212168
【文章来源】：石家庄铁道大学河北省
【文章页数】：78 页
【学位级别】：硕士
【部分图文】：
隧道掘进机结构图
针对各监测内容的监测点位置设置如下：对于刀具磨损的监测，由于采用的是电涡流传感器，其测量方量，因此监测点的具体位置是传感器监测探头正对刀具刃口处对于油液气体含量的监测，采用 AMD-1000 含气量测量仪，仪进油管“T”字型接口处最为合适；对于掘进参数的监测，由于采用 PDV 数据采集器，本文直接此不再进行测点的选择。平台监测系统构架监测系统总体构架设计云平台的隧道掘进机监测系统总体设计见图 2-1 所示。利用掘感器对掘进机各部件和参数进行远程监测，云平台服务器收序处理，可以实时监测掘进机各部分的工作状态，并预测其变
.2 监测系统数据采集设计本监测系统中数据采集传感器主要为电涡流传感器，机载监测仪表主V 数据采集器和 AMD-1000 含气量测量仪。其中电涡流传感器和 PDV 数采集的数据由机载 PLC 读取，AMD-1000 含气量测量仪显示的数据由地面终端计算机。监测系统数据采集示意图如下图 2-2 所示：
【参考文献】：
期刊论文
[1]工业大数据技术综述[J]. 王建民. 大数据. 2017(06)
[2]基于VW-FDA的盾构机液压系统故障诊断方法研究[J]. 郝用兴,周洋,郑淑娟,陈子义. 液压与气动. 2017(09)
[3]面向产业安全的中国隧道掘进机产业前景展望[J]. 王超,张立超,彭晴晴. 中国软科学. 2014(10)
[4]油液含气量检测设备的设计与实现[J]. 孔洁. 科技资讯. 2014(19)
[5]电涡流传感器的技术优势及应用[J]. 孙艳秋. 电子元件与材料. 2014(03)
[6]基于核函数支持向量回归机的耕地面积预测[J]. 王霞,王占岐,金贵,杨俊. 农业工程学报. 2014(04)
[7]隧道掘进机技术的发展和研究现状[J]. 彭琦. 隧道建设. 2013(06)
[8]电涡流传感器的特性分析与标定方法[J]. 刘柱,李巍,金建新. 机械与电子. 2013(02)
[9]电涡流传感器电路设计[J]. 汪晓凌,杜嘉文. 硅谷. 2013(01)
[10]盾构掘进机土压舱和刀具工作状况监测的方案设计[J]. 马利华,魏晓玉,何於琏. 郑州轻工业学院学报(自然科学版). 2009(02)
博士论文
[1]基于复合网络拓扑结构的悬臂式掘进机故障诊断方法[D]. 尹同舟.中国矿业大学(北京) 2017
[2]全断面岩石掘进机刀具磨损状态的分析与识别[D]. 王立辉.天津大学 2012
[3]基于MAS的盾构机故障诊断知识引擎系统的研究[D]. 谈理.上海大学 2008
[4]人工神经网络的结构学习算法及问题求解研究[D]. 朱大铭.中国科学院研究生院（计算技术研究所） 1999
硕士论文
[1]盾构机的监控及管理系统的研究[D]. 金晶.上海应用技术大学 2017
[2]基于云平台的视频监控和存储系统研究与实现[D]. 赵纪伟.内蒙古大学 2017
[3]基于支持向量机的高速公路物流量预测研究[D]. 杨健.昆明理工大学 2017
[4]飞机液压含气量检测系统研究[D]. 赵天菲.浙江大学 2017
[5]基于油液分析的盾构机状态监测技术研究[D]. 刘江然.石家庄铁道大学 2016
[6]基于云平台的消防设备远程在线监测系统的研究与实现[D]. 路昊.东华大学 2016
[7]基于人工神经网络预测与分类的应用研究[D]. 牛志娟.中北大学 2016
[8]基于云平台的工业仪表监测系统的研究[D]. 刘宏银.合肥工业大学 2016
[9]工业大数据环境下的混合故障诊断模型研究[D]. 钟福磊.西安电子科技大学 2015
[10]基于云平台的物联网远程监控系统研究[D]. 王灿.华中科技大学 2015
本文编号：3212168
本文链接：https://www.wllwen.com/kejilunwen/jiaotonggongchenglunwen/3212168.html
