本文關(guān)鍵詞：基于虛擬樣機(jī)的氣動執(zhí)行器故障人工免疫診斷方法研究

  更多相關(guān)文章： 虛擬樣機(jī) 氣動執(zhí)行器 故障診斷 人工免疫 主元分析

【摘要】：隨著現(xiàn)代工業(yè)過程控制系統(tǒng)的日趨復(fù)雜化和集成化，對控制系統(tǒng)進(jìn)行實(shí)時監(jiān)控，及時發(fā)現(xiàn)并排除過程故障就突顯得尤為重要。而執(zhí)行器作為工業(yè)自動化過程的基礎(chǔ)裝備之一，是自動控制系統(tǒng)的終端執(zhí)行儀表，在過程控制系統(tǒng)中起著非常重要的作用。隨著計算機(jī)技術(shù)的不斷發(fā)展，基于虛擬樣機(jī)技術(shù)對執(zhí)行器的建模研究為執(zhí)行器的故障診斷研究奠定了基礎(chǔ)。 通過對氣動薄膜執(zhí)行器工作原理及特性的分析，利用MATLAB軟件搭建了氣動薄膜執(zhí)行器系統(tǒng)的虛擬樣機(jī)模型，，并驗證了模型的準(zhǔn)確性。對氣動薄膜執(zhí)行器常見的典型故障進(jìn)行了模擬仿真并分析了故障機(jī)理。 考察和分析現(xiàn)有的人工免疫算法，對本文提出的基于人工免疫的故障檢測和診斷方法，采用氣動薄膜執(zhí)行器模型仿真數(shù)據(jù)對其有效性進(jìn)行了檢驗。在研究中，對原始數(shù)據(jù)進(jìn)行預(yù)處理時，運(yùn)用核主元分析技術(shù)將其降維，以減小計算量和復(fù)雜度。在遺傳算子的基礎(chǔ)上，引入記憶和抗體更新機(jī)制，加快了記憶抗體的生成速度，改善了使用遺傳算法生成抗體時的盲目搜索性，同時又保證了記憶抗體的多樣性。在故障診斷方面，由于訓(xùn)練樣本的充分性及其在狀態(tài)空間的分布特點(diǎn)不同，從而導(dǎo)致對于不同故障類別，診斷的準(zhǔn)確性存在較大差異�；谧畲髷�(shù)量原則分類機(jī)制，提高了故障分類的準(zhǔn)確率，應(yīng)用此方法對氣動薄膜執(zhí)行器故障診斷，結(jié)果表明基于人工免疫的故障檢測方法對故障樣本的確診率能夠達(dá)到比較理想的水平。
【關(guān)鍵詞】：虛擬樣機(jī) 氣動執(zhí)行器 故障診斷 人工免疫 主元分析
【學(xué)位授予單位】：燕山大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TP273;TH165.3
【目錄】：

• 摘要5-6
• Abstract6-11
• 第1章 緒論11-18
• 1.1 課題研究背景及意義11-12
• 1.2 國內(nèi)外故障診斷技術(shù)的研究現(xiàn)狀和發(fā)展趨勢12-15
• 1.2.1 國內(nèi)外故障診斷技術(shù)現(xiàn)狀及發(fā)展概況12-13
• 1.2.2 故障診斷的方法13-14
• 1.2.3 故障診斷技術(shù)中存在的問題14-15
• 1.3 基于虛擬樣機(jī)技術(shù)的故障診斷15-16
• 1.3.1 虛擬樣機(jī)的分類15
• 1.3.2 虛擬樣機(jī)技術(shù)的應(yīng)用15-16
• 1.4 人工免疫系統(tǒng)在故障診斷中的應(yīng)用16-17
• 1.5 本文主要研究內(nèi)容17-18
• 第2章 基于氣動執(zhí)行器虛擬樣機(jī)的故障模擬18-39
• 2.1 氣動執(zhí)行器簡介18
• 2.2 氣動執(zhí)行器組成及工作原理18-25
• 2.2.1 氣動執(zhí)行機(jī)構(gòu)19-21
• 2.2.2 控制機(jī)構(gòu)21-23
• 2.2.3 閥門定位器23-25
• 2.3 氣動執(zhí)行器常見故障25-26
• 2.4 氣動執(zhí)行器虛擬樣機(jī)模型的建立26-29
• 2.4.1 DAMADICS 實(shí)驗仿真平臺簡介26
• 2.4.2 氣動執(zhí)行器虛擬樣機(jī)的建立原理26-29
• 2.5 氣動執(zhí)行器虛擬樣機(jī)驗證仿真29-32
• 2.6 氣動執(zhí)行器典型故障仿真32-37
• 2.6.1 電氣轉(zhuǎn)換器堵塞33-34
• 2.6.2 位置反饋信號傳感器故障34-35
• 2.6.3 閥體堵塞35-36
• 2.6.4 閥體壓差的不正常變化36-37
• 2.7 本章小結(jié)37-39
• 第3章 人工免疫系統(tǒng)與故障診斷39-50
• 3.1 免疫學(xué)基礎(chǔ)39-43
• 3.1.1 免疫學(xué)基本概念40-41
• 3.1.2 免疫系統(tǒng)基本原理41-42
• 3.1.3 生物免疫系統(tǒng)的主要特點(diǎn)42-43
• 3.2 人工免疫系統(tǒng)起源43-44
• 3.2.1 人工免疫系統(tǒng)的仿生機(jī)理43-44
• 3.2.2 人工免疫系統(tǒng)的特點(diǎn)和應(yīng)用范圍44
• 3.3 人工免疫系統(tǒng)基本模型與算法44-49
• 3.3.1 人工免疫系統(tǒng)基本模型44-45
• 3.3.2 常見人工免疫算法45-49
• 3.4 本章小結(jié)49-50
• 第4章 基于核主元分析的故障數(shù)據(jù)降維50-60
• 4.1 執(zhí)行器仿真故障樣本數(shù)據(jù)的獲取50-51
• 4.2 主元分析方法51-52
• 4.3 基于核主元分析的故障特征選擇方法52-55
• 4.3.1 核主元分析的基本原理52-55
• 4.3.2 KPCA 算法步驟55
• 4.4 基于 Iris 數(shù)據(jù)集的仿真實(shí)例55-57
• 4.5 基于 KPCA 的執(zhí)行器故障樣本降維57-58
• 4.6 本章小結(jié)58-60
• 第5章 基于人工免疫的氣動執(zhí)行器故障診斷60-71
• 5.1 抗體的訓(xùn)練60-66
• 5.1.1 抗原與抗體的設(shè)計及編碼60-61
• 5.1.2 親和力的計算61
• 5.1.3 適應(yīng)度函數(shù)的定義61
• 5.1.4 遺傳算子操作61-63
• 5.1.5 抗體促進(jìn)和抑制63-64
• 5.1.6 記憶抗體的更新64
• 5.1.7 抗體的訓(xùn)練步驟64-66
• 5.2 參數(shù)設(shè)置與記憶抗體的生成66-68
• 5.3 故障的識別與診斷68-70
• 5.4 本章小結(jié)70-71
• 結(jié)論71-73
• 參考文獻(xiàn)73-77
• 攻讀碩士學(xué)位期間承擔(dān)的科研任務(wù)與主要成果77-78
• 致謝78-79
• 作者簡介79

【參考文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 唐宏賓;吳運(yùn)新;馬昌訓(xùn);高明;;小波變換在液壓油缸泄漏故障診斷中的應(yīng)用[J];計算機(jī)工程與應(yīng)用;2012年05期

2 姜萬錄,張淑清,王益群;液壓泵故障的小波變換診斷方法[J];機(jī)械工程學(xué)報;2001年06期

3 左興權(quán),李士勇,李遠(yuǎn)貴;人工免疫系統(tǒng)研究的新進(jìn)展[J];計算機(jī)自動測量與控制;2002年11期

4 李丹;李印川;;虛擬樣機(jī)技術(shù)在制造業(yè)中的應(yīng)用及研究現(xiàn)狀[J];機(jī)械;2008年06期

5 樊友平,黃席樾,柴毅,周欣;基于細(xì)胞免疫應(yīng)答理論重建故障診斷智能體[J];系統(tǒng)仿真學(xué)報;2003年01期

6 任偉建,劉鐵男,趙永玲,張正剛;小波變換基神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)及其應(yīng)用[J];系統(tǒng)仿真學(xué)報;2005年04期

7 張霖;林建生;張寶歡;劉元閣;馬長孝;;基于Pro/E和ADAMS的內(nèi)燃機(jī)虛擬樣機(jī)技術(shù)[J];小型內(nèi)燃機(jī)與摩托車;2008年03期

8 吳海燕;尚群立;;氣動定位系統(tǒng)基本特性和模型研究[J];液壓與氣動;2007年08期

9 鄭蕊蕊;趙繼印;趙婷婷;李敏;;基于遺傳支持向量機(jī)和灰色人工免疫算法的電力變壓器故障診斷[J];中國電機(jī)工程學(xué)報;2011年07期

10 張邦基;于德介;楊勝;;基于小波變換與粗集理論的滾動軸承故障診斷[J];中國機(jī)械工程;2008年15期

中國博士學(xué)位論文全文數(shù)據(jù)庫 前2條

1 武和雷;集成智能故障診斷策略及其應(yīng)用研究[D];浙江大學(xué);2003年

2 續(xù)欣瑩;基于免疫應(yīng)答原理的人工免疫算法及其應(yīng)用[D];太原理工大學(xué);2009年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前8條

1 李蓉一;基于核主元分析的故障檢測與診斷研究[D];南京師范大學(xué);2011年

2 劉冰;人工免疫算法及其應(yīng)用研究[D];重慶大學(xué);2004年

3 謝濤;基于神經(jīng)網(wǎng)絡(luò)和小波變換的模擬電路故障診斷理論與方法[D];湖南大學(xué);2007年

4 胡婕;小波變換在數(shù)據(jù)處理和故障診斷中的應(yīng)用[D];浙江工業(yè)大學(xué);2007年

5 劉志偉;過程控制系統(tǒng)執(zhí)行器與傳感器故障診斷研究[D];河北工業(yè)大學(xué);2007年

6 吳康;基于SVM與小波變換的微小型無人直升機(jī)傳感器故障診斷[D];浙江大學(xué);2010年

7 潘騰;基于虛擬樣機(jī)的四驅(qū)采煤機(jī)搬運(yùn)車的研究[D];太原理工大學(xué);2010年

8 趙晉麗;基于KPCA與SVM的工業(yè)過程故障診斷方法的應(yīng)用研究[D];東北大學(xué);2008年

本文編號：1070514