基于支持向量机的乳化器故障诊断系统的研究

发布时间：2017-08-18 10:09

  本文关键词：基于支持向量机的乳化器故障诊断系统的研究

  更多相关文章： 乳化炸药 故障诊断 支持向量机 Libsvm

【摘要】：炸药性能的发展给人类生产发展带来了极大的推动作用,大大缩短了开发工业工程所需要的时间,被广泛应用于矿山开采,道路建设等领域。炸药性能的发展也给生产安全带来了更严苛的要求,但是近年来还是发生了一些严重的安全事故,带来了财产的损失和人员的伤亡。随着现代工业技术的发展,炸药生产线的自动化程度也越来越高,需要用新的思路和方法来考虑乳化炸药生产线的安全监控问题。基于支持向量机的故障诊断是当前研究的一个热点方向,本文把基于支持向量机的故障诊断应用到乳化炸药生产线上。本文综合参考乳化炸药生产线故障发生原因后,选择占故障源较多的乳化器为研究对象。研究方法选用了在小样本条件下具有良好的学习能力的支持向量机(SVM),它可以较好地实现对线性、非线性样本数据的学习和分类,在故障诊断应用中具有独特优势,综上所述,提出了基于支持向量机的乳化器故障诊断系统的研究。本文主要工作内容如下:。(1)了解工厂已有油包水型乳化炸药生产线的生产工艺原理和流程,重点关注容易出故障的乳化器设备。在此基础上,分析乳化器结构机理,研究常见的故障类型和故障特点。根据研究对象的特点,选择乳化器的振动信号为故障检测信号。(2)比较多种机械故障诊断方法后,结合乳化器故障特点和支持向量机对故障样本的需求量较小的特点,提出基于支持向量机的乳化器故障诊断系统来对故障进行检测和诊断。选择局域均值分解方法分解振动信号求取特征值,检测软件选择应用已经成熟的Libsvm软件。(3)根据现有乳化炸药生产线的软硬件基础,重新搭建诊断系统的模型。硬件平台对振动传感器、信号变送器、上位机和PLC的选型做了详细的介绍和分析。软件平台利用VB程序连接Matlab程序、组态王程序、以及PLC程序,完成软硬件之间的通讯连接。(4)基于乳化器振动的特点,选取合适的故障特征数据作为研究对象。软件完成对SVM最优核函数和核参数的选择和模型的建立。用VB软件建立故障诊断的系统,设计测试平台界面,完成系统的实现。仿真测试结果证明了该诊断系统的有效性。论文最后对研究工作和内容做了总结,提出了进一步研究的方向。
【关键词】：乳化炸药 故障诊断 支持向量机 Libsvm
【学位授予单位】：杭州电子科技大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TQ560.5;TP18
【目录】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 绪论11-18
• 1.1 课题来源11-12
• 1.2 故障诊断技术的概述12-14
• 1.2.1 机械故障诊断技术的目的12
• 1.2.2 机械故障诊断技术的发展12-13
• 1.2.3 故障诊断技术的未来趋势13-14
• 1.3 支持向量机(SVM)在故障诊断中的应用14-16
• 1.3.1 支持向量机的发展历史14
• 1.3.2 支持向量机的优点和问题14-15
• 1.3.3 支持向量机在故障诊断中的研究现状15-16
• 1.4 论文的研究目的和主要内容16-18
• 1.4.1 论文的目的16
• 1.4.2 论文的主要内容16-18
• 第二章 乳化器故障特征分析及故障诊断方案18-33
• 2.1 乳化炸药生产线的工艺流程18-20
• 2.1.1 原料配置工艺19
• 2.1.2 连续乳化工艺19-20
• 2.1.3 冷却环节20
• 2.1.4 敏化环节20
• 2.2 乳化器的选型20-22
• 2.3 乳化器故障机理及振动特征22-29
• 2.3.1 转子不平衡故障机理及特征23-24
• 2.3.2 转子不对中的故障机理及特征24-26
• 2.3.3 轴承故障机理及特征26-29
• 2.3.4 转子摩擦故障29
• 2.4 故障特征信号的提取29-31
• 2.5 乳化器故障诊断系统的设计方案31-32
• 2.6 本章小结32-33
• 第三章 支持向量机方法的研究33-47
• 3.1 统计学习和SVM基本理论33-37
• 3.1.1 机器学习33-34
• 3.1.2 统计学习34-35
• 3.1.3 VC维和推广型的界35-36
• 3.1.4 结构风险最小化原则36-37
• 3.2 支持向量机37-40
• 3.2.1 线性可分支持向量机37-39
• 3.2.2 广义线性支持向量机39-40
• 3.3 核函数40-41
• 3.4 支持向量机的训练方法41-43
• 3.5 基于支持向量机的故障诊断系统的实验分析43-46
• 3.6 本章小结46-47
• 第四章 故障诊断系统的设计47-55
• 4.1 故障诊断系统硬件结构设计47-52
• 4.1.1 故障诊断系统设计47
• 4.1.2 故障诊断系统设计的基本原则47-48
• 4.1.3 振动传感器的选型48-49
• 4.1.4 振动信号变送器49-50
• 4.1.5 PLC型号选择50-51
• 4.1.6 上位机硬件平台51-52
• 4.1.7 硬件系统安装要求52
• 4.2 系统软件设计52-54
• 4.2.1 诊断系统的软件设计52-53
• 4.2.2 诊断系统的软件工具53-54
• 4.3 本章小结54-55
• 第五章 故障诊断系统的参数选优与系统建立55-66
• 5.1 构造SVM分类模型55-57
• 5.1.1 核函数的选取55-56
• 5.1.2 核参数的选取56
• 5.1.3 SVM工具软件的选择56-57
• 5.1.4 SVM分类方法的选择57
• 5.1.5 SVM训练算法的选择57
• 5.2 SVM分类训练57-59
• 5.2.1 样本分类和参数选择57-58
• 5.2.2 分类算法的测试58-59
• 5.3 故障诊断系统的软件设置和界面设计59-64
• 5.3.1 组态王的变量设置59-60
• 5.3.2 组态王和数据库的连接60
• 5.3.3 VB软件对Matlab的调用60
• 5.3.4 界面设计60-64
• 5.4 仿真测试64-65
• 5.5 本章总结65-66
• 第六章 结论与展望66-68
• 6.1 全文总结66-67
• 6.2 研究展望67-68
• 致谢68-69
• 参考文献69-72
• 附录A72-73
• 附录B73-74

【相似文献】

中国期刊全文数据库 前10条

1 吕德衍;王越胜;;故障树分析法在乳化器爆炸故障诊断中的应用[J];机电工程;2009年03期

2 张翠英;吴龙祥;王永斌;;新型高效乳化器的研制及应用[J];爆破器材;2010年05期

3 苗涛;张春燕;陈新高;;乳化器振动监测技术的应用[J];煤矿爆破;2011年02期

4 徐海军;黄河新;尹良胜;;一种敞开无密封、安全、高效一级连续乳化器的结构参数的研究[J];爆破器材;2013年05期

5 陈飞,肖才榕;乳化器中搅拌结构及参数对乳化作用的影响[J];爆破器材;2002年04期

6 杨涛;贺国强;周晓明;李音;刘根凡;黄树红;;炸药生产线乳化器振动分析[J];振动、测试与诊断;2007年04期

7 王贵满;陈岗;周康波;;大产能敞开式乳化器的设计[J];煤矿爆破;2012年04期

8 段仁君;张小友;;乳化器的实时监测及安全保护系统[J];采矿技术;2014年02期

9 谈选民;;乳化炸药乳化器的摩擦升温危险性分析与防范措施[J];江苏冶金;2007年04期

10 王越胜;吕德衍;;振动监测技术在乳化器故障诊断中的应用[J];中国矿业;2009年08期

中国重要报纸全文数据库 前1条

1 李晔;试车夺去了13条人命[N];中国化工报;2004年

中国硕士学位论文全文数据库 前6条

1 吴子建;基于支持向量机的乳化器故障诊断系统的研究[D];杭州电子科技大学;2016年

2 陆康健;基于遗传算法优化BP神经网络的乳化器故障预警系统的研究[D];杭州电子科技大学;2016年

3 吕德衍;振动信号分析在乳化器故障诊断中的应用研究[D];杭州电子科技大学;2010年

4 张建华;基于数据驱动的乳化器故障诊断系统的研究[D];杭州电子科技大学;2014年

5 彭雯;乳化炸药生产线乳化器温度智能控制[D];中南大学;2009年

6 张跃华;GX-1型随机乳化器在N485Q直喷柴油机上节能降污的试验研究[D];广西大学;2001年

，

本文编号：693994