冷轧机智能故障诊断系统研究

发布时间：2017-05-17 04:13

  本文关键词：冷轧机智能故障诊断系统研究，由笔耕文化传播整理发布。

【摘要】：随着钢铁工业的快速发展,冷轧机的用途越来越广泛。冷轧机不是一部简单的旋转机器,它有许多特殊的问题,对其进行故障诊断的难度很大。虽然经历了几十年的发展,但对冷轧机的故障机理及诊断方法了解还不够成熟,应用传统的诊断方法很难精确诊断。随着人工智能技术的日益成熟,在故障诊断领域的应用越来越广泛,用智能诊断技术代替传统诊断方法对冷轧机进行诊断已成为一种必然的发展趋势。 本文对鞍钢冷轧厂一号生产线1700型冷轧机的具体结构和工作原理进行了系统分析和研究,总结其工作机座、减速机以及主电动机的常见故障类型和产生原因。采用时域分析和小波包分析的方法对其振动信号进行特征提取,并结合现场监测的轧制力、张力以及带钢速度对其运行状态进行监测与诊断。 在建立智能故障诊断系统时,分析了BP神经网络的基本原理以及在故障诊断领域的应用,在对冷轧机振动信号处理基础之上,建立了神经网络样本集、测试集,并对神经网络进行仿真训练。在系统具体实现中,采用Visual C++6.0进行人机界面的设计,利用MATLAB进行神经网络部分的训练、测试和仿真,充分利用二者的交互性完成整个系统的设计。经过测试,证明本系统达到实际应用要求,具有较高的准确率。
【关键词】：冷轧机 特征提取 神经网络 故障诊断
【学位授予单位】：东北大学
【学位级别】：硕士
【学位授予年份】：2013
【分类号】：TG333;TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-17
• 1.1 课题背景及研究意义10-11
• 1.2 冷轧机故障诊断方法研究11-13
• 1.2.1 状态监测11
• 1.2.2 特征提取11
• 1.2.3 故障诊断11-13
• 1.2.4 维修决策13
• 1.3 国内外冷轧机故障诊断技术研究现状及发展前景13-14
• 1.3.1 国外冷轧机故障诊断技术研究现状13
• 1.3.2 国内冷轧机故障诊断技术研究现状13-14
• 1.3.3 冷轧机故障诊断技术发展前景14
• 1.4 人工神经网络的发展与应用14-16
• 1.5 本论文主要研究内容和工作16-17
• 第2章 1700型冷轧机结构及常见故障分析17-25
• 2.1 鞍钢一号冷轧线工艺设备路线简介17
• 2.2 1#机架1700型冷轧机结构组成及主要技术参数17-19
• 2.2.1 结构组成17-18
• 2.2.2 主要技术参数18-19
• 2.3 1700型冷轧机常见故障分析19-24
• 2.3.1 工作机座常见故障19-21
• 2.3.2 减速机常见故障21-23
• 2.3.3 主电动机常见故障23-24
• 2.4 本章小结24-25
• 第3章 冷轧机特征信号提取方法研究25-42
• 3.1 鞍钢一号冷轧线在线监测系统25-26
• 3.2 数据采集系统26-41
• 3.2.1 数据采集概念26
• 3.2.2 数据采集传感器26-29
• 3.2.3 信号的预处理29-30
• 3.2.4 A/D转换30
• 3.2.5 信号分析30-41
• 3.3 本章小节41-42
• 第4章 智能故障诊断原理42-51
• 4.1 智能故障诊断概述42
• 4.2 神经网络基本理论42-50
• 4.2.1 神经网络的基本组成43
• 4.2.2 人工神经网络的典型模型43-45
• 4.2.3 神经网络的拓扑结构45-46
• 4.2.4 神经网络诊断原理及学习方法46-47
• 4.2.5 BP神经网络原理47-50
• 4.3 本章小结50-51
• 第5章 基于BP神经网络的冷轧机故障诊断系统研究51-65
• 5.1 系统总体分析与设计51-53
• 5.2 基于BP神经网络的冷轧机减速机故障诊断53-60
• 5.2.1 训练样本的选择53
• 5.2.2 减速机BP神经网络模型53-57
• 5.2.3 网络传递函数构造57
• 5.2.4 BP神经网络训练参数确定57-58
• 5.2.5 BP神经网络的训练与测试58-60
• 5.3 基于BP神经网络的冷轧机主电动机故障诊断60-62
• 5.3.1 主电动机故障样本数据说明60
• 5.3.2 主电动机BP神经网络模型及参数的确定60-61
• 5.3.3 BP神经网络的训练与测试61-62
• 5.4 基于BP神经网络的冷轧机工作机座故障诊断62-64
• 5.4.1 工作机座故障样本数据说明62
• 5.4.2 工作机座BP神经网络模型及参数的确定62-63
• 5.4.3 BP神经网络的训练与测试63-64
• 5.5 本章小结64-65
• 第6章 冷轧机智能故障诊断系统的实现65-71
• 6.1 系统的软件平台65-66
• 6.1.1 MATLAB软件实现65
• 6.1.2 Visual C++软件实现65-66
• 6.2 软件功能设计66-67
• 6.3 软件界面设计67-70
• 6.3.1 智能诊断界面67-68
• 6.3.2 数据管理界面68
• 6.3.3 系统拓展界面68-69
• 6.3.4 用户管理界面69-70
• 6.4 本章小结70-71
• 第7章 结论与展望71-72
• 参考文献72-76
• 致谢76

【参考文献】

中国期刊全文数据库 前10条

1 江瀊,汤丽萍,边信黔,施小成;利用Matlab引擎实现VC和Matlab的混合编程[J];电脑学习;2000年03期

2 朱歆州;石灵丹;;直流电动机故障诊断系统研究[J];船电技术;2013年01期

3 戈志华,李如翔,宋之平,杨玉华;基于 BP 网络的旋转机械故障诊断[J];华北电力大学学报;1998年02期

4 李占锋,韩芳芳,郑德忠;基于BP神经网络的电机转子故障诊断的研究[J];河北科技大学学报;2001年03期

5 朱博,胡燕,赵永标;人工神经网络在故障诊断系统中的应用[J];舰船电子工程;2005年01期

6 陆金桂;韦柳涛;王石刚;余俊;周济;;多层神经网络BP算法的初步研究[J];计算机科学;1993年01期

7 杨杰,历旭,郭伟;基于数学形态学和神经网络的车牌识别(英文)[J];武汉理工大学学报(交通科学与工程版);2001年03期

8 陈炜峰,陆静霞;故障诊断技术及其发展趋势[J];农机化研究;2005年02期

9 韩西京,张锦萍,赵淳生,史铁林;智能诊断中的状态监测与趋势分析[J];数据采集与处理;1999年01期

10 周佳新,王志勇,单亚拿;基于神经网络的机械故障诊断系统[J];沈阳建筑工程学院学报(自然科学版);2004年03期

  本文关键词：冷轧机智能故障诊断系统研究，，由笔耕文化传播整理发布。

本文编号：372532