基于支持向量机的乳化器故障诊断系统的研究-控制理论与控制工程专业论文.docxVIP

万方数据 万方数据 Dissertation Submitted to Hangzhou Dianzi University for the Degree of Master Research on Fault Diagnosis System of emulsifier based on support vector machine Candidate: Wu Zijian Supervisor: Prof. Wang Yuesheng March，2016 杭州电子科技大学 学位论文原创性声明和使用授权说明 原创性声明 本人郑重声明： 所呈交的学位论文，是本人在导师的指导下，独立进行研 究工作所取得的成果。除文中已经注明引用的内容外，本论文不含任何其他个人 或集体已经发表或撰写过的作品或成果。对本文的研究做出重要贡献的个人和集 体，均已在文中以明确方式标明。 申请学位论文与资料若有不实之处，本人承担一切相关责任。 论文作者签名： 日期： 年 月 日 学位论文使用授权说明 本人完全了解杭州电子科技大学关于保留和使用学位论文的规定，即：研 究生在校攻读学位期间论文工作的知识产权单位属杭州电子科技大学。本人保证 毕业离校后，发表论文或使用论文工作成果时署名单位仍然为杭州电子科技大 学。学校有权保留送交论文的复印件，允许查阅和借阅论文；学校可以公布论文 的全部或部分内容，可以允许采用影印、缩印或其它复制手段保存论文。（保密 论文在解密后遵守此规定） 论文作者签名： 日期： 年 月 日 指导教师签名： 日期： 年 月 日 杭州 杭州电子科技大学硕士学位论文 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 I ABSTRACT The development of explosive performance has brought a great impetus to the development of human production, which greatly reduces the time needed for the development of industrial engineering and has been widely used in mining, road construction and other fields. The development of explosive performance also has brought stricter requirements to the product