基于虚拟样机的气动执行器故障人工免疫诊断方法研究

发布时间：2017-10-21 01:30

  本文关键词：基于虚拟样机的气动执行器故障人工免疫诊断方法研究

  更多相关文章： 虚拟样机 气动执行器 故障诊断 人工免疫 主元分析

【摘要】：随着现代工业过程控制系统的日趋复杂化和集成化，对控制系统进行实时监控，及时发现并排除过程故障就突显得尤为重要。而执行器作为工业自动化过程的基础装备之一，是自动控制系统的终端执行仪表，在过程控制系统中起着非常重要的作用。随着计算机技术的不断发展，基于虚拟样机技术对执行器的建模研究为执行器的故障诊断研究奠定了基础。 通过对气动薄膜执行器工作原理及特性的分析，利用MATLAB软件搭建了气动薄膜执行器系统的虚拟样机模型，，并验证了模型的准确性。对气动薄膜执行器常见的典型故障进行了模拟仿真并分析了故障机理。 考察和分析现有的人工免疫算法，对本文提出的基于人工免疫的故障检测和诊断方法，采用气动薄膜执行器模型仿真数据对其有效性进行了检验。在研究中，对原始数据进行预处理时，运用核主元分析技术将其降维，以减小计算量和复杂度。在遗传算子的基础上，引入记忆和抗体更新机制，加快了记忆抗体的生成速度，改善了使用遗传算法生成抗体时的盲目搜索性，同时又保证了记忆抗体的多样性。在故障诊断方面，由于训练样本的充分性及其在状态空间的分布特点不同，从而导致对于不同故障类别，诊断的准确性存在较大差异。基于最大数量原则分类机制，提高了故障分类的准确率，应用此方法对气动薄膜执行器故障诊断，结果表明基于人工免疫的故障检测方法对故障样本的确诊率能够达到比较理想的水平。
【关键词】：虚拟样机 气动执行器 故障诊断 人工免疫 主元分析
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TP273;TH165.3
【目录】：

• 摘要5-6
• Abstract6-11
• 第1章 绪论11-18
• 1.1 课题研究背景及意义11-12
• 1.2 国内外故障诊断技术的研究现状和发展趋势12-15
• 1.2.1 国内外故障诊断技术现状及发展概况12-13
• 1.2.2 故障诊断的方法13-14
• 1.2.3 故障诊断技术中存在的问题14-15
• 1.3 基于虚拟样机技术的故障诊断15-16
• 1.3.1 虚拟样机的分类15
• 1.3.2 虚拟样机技术的应用15-16
• 1.4 人工免疫系统在故障诊断中的应用16-17
• 1.5 本文主要研究内容17-18
• 第2章 基于气动执行器虚拟样机的故障模拟18-39
• 2.1 气动执行器简介18
• 2.2 气动执行器组成及工作原理18-25
• 2.2.1 气动执行机构19-21
• 2.2.2 控制机构21-23
• 2.2.3 阀门定位器23-25
• 2.3 气动执行器常见故障25-26
• 2.4 气动执行器虚拟样机模型的建立26-29
• 2.4.1 DAMADICS 实验仿真平台简介26
• 2.4.2 气动执行器虚拟样机的建立原理26-29
• 2.5 气动执行器虚拟样机验证仿真29-32
• 2.6 气动执行器典型故障仿真32-37
• 2.6.1 电气转换器堵塞33-34
• 2.6.2 位置反馈信号传感器故障34-35
• 2.6.3 阀体堵塞35-36
• 2.6.4 阀体压差的不正常变化36-37
• 2.7 本章小结37-39
• 第3章 人工免疫系统与故障诊断39-50
• 3.1 免疫学基础39-43
• 3.1.1 免疫学基本概念40-41
• 3.1.2 免疫系统基本原理41-42
• 3.1.3 生物免疫系统的主要特点42-43
• 3.2 人工免疫系统起源43-44
• 3.2.1 人工免疫系统的仿生机理43-44
• 3.2.2 人工免疫系统的特点和应用范围44
• 3.3 人工免疫系统基本模型与算法44-49
• 3.3.1 人工免疫系统基本模型44-45
• 3.3.2 常见人工免疫算法45-49
• 3.4 本章小结49-50
• 第4章 基于核主元分析的故障数据降维50-60
• 4.1 执行器仿真故障样本数据的获取50-51
• 4.2 主元分析方法51-52
• 4.3 基于核主元分析的故障特征选择方法52-55
• 4.3.1 核主元分析的基本原理52-55
• 4.3.2 KPCA 算法步骤55
• 4.4 基于 Iris 数据集的仿真实例55-57
• 4.5 基于 KPCA 的执行器故障样本降维57-58
• 4.6 本章小结58-60
• 第5章 基于人工免疫的气动执行器故障诊断60-71
• 5.1 抗体的训练60-66
• 5.1.1 抗原与抗体的设计及编码60-61
• 5.1.2 亲和力的计算61
• 5.1.3 适应度函数的定义61
• 5.1.4 遗传算子操作61-63
• 5.1.5 抗体促进和抑制63-64
• 5.1.6 记忆抗体的更新64
• 5.1.7 抗体的训练步骤64-66
• 5.2 参数设置与记忆抗体的生成66-68
• 5.3 故障的识别与诊断68-70
• 5.4 本章小结70-71
• 结论71-73
• 参考文献73-77
• 攻读硕士学位期间承担的科研任务与主要成果77-78
• 致谢78-79
• 作者简介79

【参考文献】

中国期刊全文数据库 前10条

1 唐宏宾;吴运新;马昌训;高明;;小波变换在液压油缸泄漏故障诊断中的应用[J];计算机工程与应用;2012年05期

2 姜万录,张淑清,王益群;液压泵故障的小波变换诊断方法[J];机械工程学报;2001年06期

3 左兴权,李士勇,李远贵;人工免疫系统研究的新进展[J];计算机自动测量与控制;2002年11期

4 李丹;李印川;;虚拟样机技术在制造业中的应用及研究现状[J];机械;2008年06期

5 樊友平,黄席樾,柴毅,周欣;基于细胞免疫应答理论重建故障诊断智能体[J];系统仿真学报;2003年01期

6 任伟建,刘铁男,赵永玲,张正刚;小波变换基神经网络故障诊断系统及其应用[J];系统仿真学报;2005年04期

7 张霖;林建生;张宝欢;刘元阁;马长孝;;基于Pro/E和ADAMS的内燃机虚拟样机技术[J];小型内燃机与摩托车;2008年03期

8 吴海燕;尚群立;;气动定位系统基本特性和模型研究[J];液压与气动;2007年08期

9 郑蕊蕊;赵继印;赵婷婷;李敏;;基于遗传支持向量机和灰色人工免疫算法的电力变压器故障诊断[J];中国电机工程学报;2011年07期

10 张邦基;于德介;杨胜;;基于小波变换与粗集理论的滚动轴承故障诊断[J];中国机械工程;2008年15期

中国博士学位论文全文数据库 前2条

1 武和雷;集成智能故障诊断策略及其应用研究[D];浙江大学;2003年

2 续欣莹;基于免疫应答原理的人工免疫算法及其应用[D];太原理工大学;2009年

中国硕士学位论文全文数据库 前8条

1 李蓉一;基于核主元分析的故障检测与诊断研究[D];南京师范大学;2011年

2 刘冰;人工免疫算法及其应用研究[D];重庆大学;2004年

3 谢涛;基于神经网络和小波变换的模拟电路故障诊断理论与方法[D];湖南大学;2007年

4 胡婕;小波变换在数据处理和故障诊断中的应用[D];浙江工业大学;2007年

5 刘志伟;过程控制系统执行器与传感器故障诊断研究[D];河北工业大学;2007年

6 吴康;基于SVM与小波变换的微小型无人直升机传感器故障诊断[D];浙江大学;2010年

7 潘腾;基于虚拟样机的四驱采煤机搬运车的研究[D];太原理工大学;2010年

8 赵晋丽;基于KPCA与SVM的工业过程故障诊断方法的应用研究[D];东北大学;2008年

本文编号：1070514