基于数据融合的轧机液压压下系统故障诊断

发布时间：2017-08-24 02:02

  本文关键词：基于数据融合的轧机液压压下系统故障诊断

  更多相关文章： HAGC系统 故障诊断 数据融合 信号处理

【摘要】：液压厚度自动控制系统(HAGC)为一典型的电、液伺服控制系统，而且是现代大型板带轧机厚度控制的关键部分。其可能出现的故障形式除了常见的磨损、变形等机械故障外，还有油液污染、泄漏等液压故障和电气断线、伺服阀卡死等电气故障，有时甚至发生机电液耦合故障。这些故障直接威胁着正常的生产和产品的质量问题。因此对其进行故障诊断技术的研究具有必要性和通用性。 本文通过建立板带轧机厚度控制系统的三自由度动态仿真模型，并改变模型的一些物理特征参数，来模拟板带轧机在实际生产工程中可能出现的一些常见故障。并将这些故障数据进行处理与分析，以便进行故障诊断的研究；针对板带轧机HAGC系统输出信号阶跃响应的时域特性，本文分别提取了上升时间t r、峰值时间t p、调整时间t s、最大超调量M p四个特征参数来表征HAGC系统的故障现象。并分别拟合出每个故障特征参数与模型物理特征参数之间的方程曲线。在进行诊断时先根据故障特征参数来求得物理特征参数，进而根据一定的规则判断所属的故障类型；根据不同故障的HAGC系统输入、输出数据的不同，本文提出了建立输入电压信号与输出力信号的自回归各态历经模型(ARX)，并提取模型的系数b1、b2、b3作为故障特征参数来表征系统的故障。最后拟合出故障特征参数与模型物理特征参数之间的曲线方程，，并根据一定的判断准则来判断故障类型。 基于上述提到的两种故障诊断方法，加之主观经验的判断，应用数据融合理论将诊断结果进行融合，从而克服了单一诊断方法所带来的局限性和不稳定性，使得诊断结果更加可靠。并在此基础上开发出了具有人机交互界面的故障诊断系统。 本文所用实验数据均采集于燕山大学国家冷轧板带装备及工艺工程技术研究中心的300四辊冷轧机中试平台，为本论文的研究工作提供了一定的实验基础。
【关键词】：HAGC系统 故障诊断 数据融合 信号处理
【学位授予单位】：燕山大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TG334.9;TH165.3
【目录】：

• 摘要5-6
• Abstract6-10
• 第1章 绪论10-17
• 1.1 引言10-11
• 1.2 HAGC 系统故障诊断技术概述11-14
• 1.2.1 HAGC 系统故障诊断技术的特点及研究意义11-12
• 1.2.2 HAGC 系统故障诊断技术的发展及研究现状12-13
• 1.2.3 存在的主要问题13-14
• 1.3 智能故障诊断技术概述14-15
• 1.3.1 智能故障诊断技术的研究现状14-15
• 1.3.2 智能故障诊断技术存在的主要问题15
• 1.4 课题来源及主要研究内容15-17
• 第2章 HAGC 系统模型简介与时域特征诊断17-34
• 2.1 引言17
• 2.2 HAGC 系统分析17-20
• 2.2.1 HAGC 系统的组成17-19
• 2.2.2 HAGC 系统的控制方式19-20
• 2.3 HAGC 系统仿真模型的选择20-22
• 2.3.1 液压控制系统的常用研究方法20
• 2.3.2 仿真模型的建立20-22
• 2.4 模型的时域分析22-33
• 2.4.1 HAGC 系统模型仿真及动态响应分析22-26
• 2.4.2 故障的模拟分析26-32
• 2.4.3 故障特征判据的建立32-33
• 2.5 本章小节33-34
• 第3章 基于参数辨识理论的 HAGC 系统故障诊断34-47
• 3.1 引言34
• 3.2 系统辨识的基本理论34-36
• 3.2.1 MATLAB 中系统辨识34-35
• 3.2.2 辨识的内容和步骤35-36
• 3.2.3 模型的选择36
• 3.3 ARX 模型在轧机故障诊断中的应用36-46
• 3.3.1 模型定阶36-39
• 3.3.2 系统辨识过程39-40
• 3.3.3 模型的验证40-41
• 3.3.4 故障模型的辨识研究41-43
• 3.3.5 模型辨识参数的拟合方程43-46
• 3.4 本章小节46-47
• 第4章 基于数据融合理论的 HAGC 系统故障综合诊断47-58
• 4.1 引言47
• 4.2 信息融合技术47-48
• 4.2.1 信息融合技术的优点47
• 4.2.2 信息融合诊断的系统构成47-48
• 4.2.3 HAGC 系统信息融合框架48
• 4.3 多判据融合理论48-54
• 4.3.1 D-S 理论简介48-51
• 4.3.2 概率分配函数的组合51-52
• 4.3.3 多判据融合的识别诊断框架52-53
• 4.3.4 证据组合与决策53-54
• 4.4 实例分析54-57
• 4.5 本章小节57-58
• 第5章 HAGC 系统故障诊断系统开发58-72
• 5.1 引言58
• 5.2 智能诊断系统概述58-59
• 5.2.1 智能诊断系统的定义及优点58-59
• 5.2.2 智能诊断系统的发展趋势59
• 5.3 板带轧机智能故障诊断系统设计59-60
• 5.3.1 开发平台工具的选择59-60
• 5.3.2 诊断流程设计60
• 5.4 板带轧机智能故障诊断系统的实现60-70
• 5.5 本章小节70-72
• 结论72-73
• 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

【相似文献】

中国期刊全文数据库 前10条

1 彭兆行;;开展矿山设备状态监测和故障诊断的几个问题[J];金属矿山;1987年07期

2 沈乃璋,杜惠芳;状态监测与故障诊断技术的应用[J];化工设备与防腐蚀;2002年04期

3 张建明,荣冈;基于关联规则的故障诊断方法及研究[J];化工自动化及仪表;2003年05期

4 何开明;陈艳;王荣;;故障诊断学用于数控绳锯的研究[J];武汉理工大学学报;2006年08期

5 梁玉;;状态监测与故障诊断在煤矿机械上的应用[J];煤矿机械;2007年09期

6 李剑峰;;电动机状态监测与故障诊断技术[J];煤矿机械;2009年11期

7 曾白泉;大机组的状态监测与故障诊断[J];大氮肥;1999年03期

8 苏中华,孙进良,张冬梅,吴自端;故障诊断技术在超化矿的推广和应用[J];煤矿机械;2002年07期

9 徐精彩,孙红丽,赵敏;故障诊断技术及其在煤炭行业上应用研究[J];煤矿机械;2003年11期

10 吕晓云;;支持生产运行维护的自动化系统故障诊断技术探索[J];山西冶金;2006年03期

中国重要会议论文全文数据库 前10条

1 鲍忠贵;白方周;;故障诊断的模型跟踪法[A];1996中国控制与决策学术年会论文集[C];1996年

2 高锋;高强;马涛;;旋转机械振动状态监测与故障诊断管理[A];第十届全国设备监测与诊断技术学术会议论文集[C];2000年

3 张庆虎;高普云;;基于非线性动力学理论的故障诊断方法与进展[A];第18届全国结构工程学术会议论文集第Ⅲ册[C];2009年

4 赵剑伟;赵江;郭志新;;基于多传感器信息融合的故障诊断方法[A];2007'仪表，自动化及先进集成技术大会论文集（一）[C];2007年

5 乔汉东;谭松涛;熊伟;;风机常见故障诊断技术[A];2008年全国炼铁生产技术会议暨炼铁年会文集（下册）[C];2008年

6 王丽英;方攸同;苏丽颖;刘宝友;;劣化系统的故障诊断和检测策略的综合研究[A];第二十六届中国控制会议论文集[C];2007年

7 陈宏;巩晓峗;王丽雅;雷文平;;全矢谱技术在旋转机械不对中故障诊断中的应用[A];第十二届全国设备故障诊断学术会议论文集[C];2010年

8 牛大鹏;刘海峰;贾明兴;王福利;;一种新的非线性主成分分析故障诊断[A];2006中国控制与决策学术年会论文集[C];2006年

9 叶大鹏;丁启全;吴昭同;;二维隐Markov模型的故障诊断方法[A];第16届中国过程控制学术年会暨第4届全国故障诊断与安全性学术会议论文集[C];2005年

10 娄国焕;周媛;;基于模糊理论的故障诊断方法研究[A];2009年中国智能自动化会议论文集（第一分册）[C];2009年

中国重要报纸全文数据库 前10条

1 本报记者 陈晓煊　通讯员 沈甸;故障诊断有新招 抢修复电更高效[N];中国电力报;2014年

2 李继光;铡草机常见故障诊断及排除[N];云南科技报;2003年

3 武汉科技学院纺织服装学院 林子务;设备故障的诊断[N];中国纺织报;2004年

4 本报记者　 矫阳;铁路运行安全保护神[N];科技日报;2006年

5 武汉科技学院纺织服装学院 林子务;故障诊断中的数学概念[N];中国纺织报;2004年

6 罗争鸣 徐兰山 罗浩;机车故障隐患实现“立体”诊断[N];科技日报;2006年

7 曹百禹;我大型机组故障诊断技术发展迅速[N];中国石油报;2008年

8 郭建国;盲目提高产品的技术含量不可取[N];中国工业报;2006年

9 本报记者 孙悦群;与天地对接 为飞船护航[N];黑龙江经济报;2006年

10 朱德恒 谈克雄;电气设备状态监测与故障诊断技术[N];中国电力报;2002年

中国博士学位论文全文数据库 前10条

1 向长城;基于可拓学的智能故障诊断与状态监测的理论及应用研究[D];重庆大学;2008年

2 刘应吉;车辆状态监测与故障诊断新方法研究[D];东北大学;2008年

3 胡友强;数据驱动的多元统计故障诊断及应用[D];重庆大学;2010年

4 高保禄;大型复杂机电设备分布式故障诊断方法研究[D];太原理工大学;2010年

5 曹玉苹;基于状态估计的石化过程故障诊断与预报方法研究[D];中国石油大学;2010年

6 侯俊剑;基于声像模式识别的故障诊断机理研究[D];上海交通大学;2011年

7 谭树彬;轧机厚控系统状态监测与故障诊断的研究与应用[D];东北大学;2006年

8 李盘靖;远程协同故障诊断关键技术及其应用研究[D];西北工业大学;2006年

9 巩晓峗;基于全矢谱的非平稳故障诊断关键技术研究[D];郑州大学;2013年

10 陈军;短信号分析技术及其在故障诊断中的应用[D];武汉理工大学;2003年

中国硕士学位论文全文数据库 前10条

1 李康力;双离合器自动变速器故障诊断及故障处理研究[D];重庆大学;2011年

2 谢倩;基于模糊Petri网的故障诊断系统的研究[D];长沙理工大学;2012年

3 贾林;基于多模型估计的转子典型故障诊断与参数识别方法研究[D];上海交通大学;2013年

4 刘春卫;改进支持向量机在故障诊断中的应用[D];华东理工大学;2014年

5 徐真;协整结构突变理论在系统状态监测与故障诊断中的应用[D];南京航空航天大学;2007年

6 王剑非;卫星姿态控制系统的故障诊断研究[D];南京航空航天大学;2008年

7 王勉宇;基于图论的过程故障诊断研究[D];浙江大学;2002年

8 张顺峰;大型减速机状态监测及故障诊断系统的研究[D];大连理工大学;2006年

9 吴建港;基于无线网络的远程智能故障诊断系统的研究[D];天津大学;2004年

10 张远;基于信息融合技术的故障诊断模型和方法研究[D];中南大学;2003年

本文编号：728560