轧机液压AGC系统基于神经网络的传感器故障诊断技术.pdfVIP

第40卷 第5期 钢 铁 Vol.40,No.5 2005年 5月 IronandSteel May 2005 轧机液压AGC系统基于神经网络的 传感器故障诊断技术 董 敏 ，‘刘 才’，李国友2，张 伟 ‘ (1.燕山大学机械工程学院，河北 秦皇岛066004;2.燕山大学电气工程学院，河北 秦皇岛066004) 摘 要:针对板带轧机液压AGC系统在线故障诊断问题，建立了一种基于非线性自回归滑动平均模型(NARMA) 的递归神经网络，通过AIC定阶法确定模型阶次。运用生产实际数据，通过动态学习算法完成对网络的训练，使网 络映射系统的动力学特性。该网络模型避免了故障的自学习，能够很好地实现故障检测。试验研究证明了该神经 网络方法进行轧机液压AGC系统在线故障诊断的可行性和有效性。 关键词:液压AGC;NARMA;递归神经网络;故障诊断 中图分类号:TP217 文献标识码:A 文章编号:0449-749X(2005)05-0045-04 SensorFaultDiagnosisTechnologyBasedonNeuralNetworks forHydraulicAGCSystemofStripRollingMill DONGMin，LIUCai，LIGuo-you，ZHANGWei CollegeofMechanicalEngineering,YanshanUniversity,Qinhuangdao066004，China; CollegeofElectricalEngineering,YanshanUniversity,Qinhuangdao066004，China) Abstract;Foron-linefaultdiagnosisofhydraulicAGCsystemonstriprollingmill,arecursiveneuralnetworkmodel basedonNARMAwasestablished.ThemodelorderisdeterminedbyAICmethod.Bytrainingwithdynamiclearn- ingalgorithmandactualproductiondata,neuralnetworkscanmapsystemdynamiccharacteristics.Thisnetwork modelcanavoidfaultself-learningandhasbetterdiagnosiscapability.Feasibilityandefficiencyofthismethodwas verifiedbyexperiment. Keywords;hydraulicAGC;NARMA;recursiveneuralnetwork;faultdiagnosis 板带轧机液压AGC系统是现代轧机的核心技 1 液压AGC系统描述 术，该系统运行状态的好坏，直接决定了轧机的工作 可靠性，而轧机长期处于连续工作状态中，所以对其 本文以宝钢2030冷连轧机第一机架液压压下 进行在线故障诊断研究具有实际意义。 控制系统为研究对象，该轧机在正常轧制状态下，采 液压AGC系统是一典型的弹性负载作用下的 用轧制力控制方式。通过将轧制力设定值与力传感 液压伺服系统，具有非线性、时变性、不确定性的特 器测得的实际值进行比较，二者的偏差作为控制器 点，难以确定系统或环节的许多参数，另外实际生产 的输人，经伺服放大器把信号放大后，来控制伺服 过程中干扰、不确定因素的存在，使得建立系统准确 阀、液压缸组成的阀控缸系统的动作。 的数学模型非常困难’【〕。 将整个系统