基于遗传神经网络烧结抽烟机在线监测智能诊断系统研制-development of intelligent diagnosis system for on-line monitor of sintering smoke machine based on genetic neural network.docxVIP

中文 中文摘要 重庆 重庆大学硕士学位论文 I I PAGE PAGE VI 摘 要 随着科学技术的迅猛发展，现代工业生产的机械设备正朝着大型化、复杂化、 高速化、自动化及大功率方向发展。然而伴随生产效率提高的同时，设备维修费 用和难度亦增加，传统的“事后维修”、“定期维修”已经不能满足企业的需求。机械 设备特别是工厂的关键设备的故障诊断技术越来越受到重视。无论是从企业的安 全生产或是维修成本考虑，以设备状态监测的为基础 “预防性维修”越来越受到企 业的欢迎，特别是随着人工智能、模式识别等理论迅速发展，智能化诊断技术已 成为故障诊断领域一个新的研究方向。 本文对国内外智能诊断技术进行研究，特别是最近比较流行的基于 BP 神经网 络的故障诊断技术的深入研究。详细介绍了神经网络理论的发展、模型、算法以 及遗传算法理论。针对 BP 网络的局限性和弱点：如样本顺序对建模成果有一定影 响、训练速度比较慢、训练抖动问题、容易收敛于局部极小点以及算法不收敛等， 提出利用遗传算法全局搜索特性来训练 BP 网络的权值和阈值，将遗传算法和 BP 算法有机结合，使每一种诊断方法都在其优势空间发挥作用。本文用 MATLAB 对 故障样本进行仿真论证了算法的可行性。最后针对炼铁厂烧结抽烟机，研制了一 套基于遗传 BP 网络的烧结抽烟机在线监测与故障诊断系统，该系统能在监测抽烟 机运行状态同时，实现实时数据采集与分析处理、组态参数设置、历史趋势回放 分析、故障智能诊断等功能，系统采用人机交换界面，具有界面友好，操作简单， 预报准备的特点。本文介绍了系统了硬件构成包括传感器选型、网络采集卡、现 场布线情况和软件功能实现，并着重介绍了智能诊断模型的离线训练和在线诊断 功能。 关键词：烧结抽烟机，故障诊断，BP 神经网络，遗传算法，旋转机械 英文 英文摘要 重庆 重庆大学硕士学位论文 III III PAGE PAGE IV ABSTRACT With the rapid development of science and technology, the machinery and equipments for modern industrial production are increasingly featured by large size, complexity, high operation speed, automation and high power. Though we have achieved improved production efficiency, we suffer a lot from the increasing equipment maintenance costs and maintenance difficulty. The traditional concept of “Breakdown maintenance” or “Preventive maintenance” has already been outdated and can not meet the needs of enterprises. Mechanical equipments, especially the fault diagnosis technology for important devices，have been attached greater and greater importance. Taken into account of the safety production and maintenance costs, the “preventive maintenance” based on the state monitoring, is becoming more and more popular in the production industry. In particular, with the development of artificial intelligence, pattern recognition, and other theories, the technology of intelligent diagnosis has become a new research field of fault diagnosis. This thesis makes an in-depth study on the intelligent diagnostic technology at home and abroad, especially the BP neural networ