本文關(guān)鍵詞：基于Fuzzy ART神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機(jī)故障診斷研究

  更多相關(guān)文章： 煤層氣 往復(fù)式壓縮機(jī) Fuzzy ART 神經(jīng)網(wǎng)絡(luò) 故障診斷

【摘要】：往復(fù)式壓縮機(jī)在石油、化工、機(jī)械等領(lǐng)域都起到關(guān)鍵性的作用,然而由于往復(fù)式壓縮機(jī)結(jié)構(gòu)復(fù)雜、易損件多等原因,在運(yùn)行和生產(chǎn)過(guò)程中不可避免的要發(fā)生一些故障,嚴(yán)重時(shí)還可能會(huì)造成人員傷亡的事故,因此在第一時(shí)間發(fā)現(xiàn)并排除壓縮機(jī)故障是非常必要的。本文在這個(gè)前提下提出了基于改進(jìn)的模糊自適應(yīng)諧振理論神經(jīng)網(wǎng)絡(luò)算法的壓縮機(jī)故障診斷方法,并設(shè)計(jì)了往復(fù)式壓縮機(jī)實(shí)時(shí)監(jiān)測(cè)與故障診斷平臺(tái)。 首先本文分析了往復(fù)式壓縮機(jī)經(jīng)常發(fā)生的故障,并對(duì)各類(lèi)故障附帶的故障現(xiàn)象做了深入的分析和研究,總結(jié)出各故障類(lèi)與故障現(xiàn)象之間的對(duì)應(yīng)關(guān)系。 然后針對(duì)往復(fù)式壓縮機(jī)的故障特點(diǎn)提出了一種基于Fuzzy ART神經(jīng)網(wǎng)絡(luò)算法的壓縮機(jī)故障診斷方法。以往在處理大樣本數(shù)據(jù)分類(lèi)時(shí)Fuzzy ART神經(jīng)網(wǎng)絡(luò)會(huì)發(fā)生連接權(quán)值“飽和”問(wèn)題。針對(duì)這一缺陷,本文提出了一種改進(jìn)的Fuzzy ART神經(jīng)網(wǎng)絡(luò)算法,不僅避免了連接權(quán)值“飽和”問(wèn)題,同時(shí)保證了網(wǎng)絡(luò)的穩(wěn)定性。 接著對(duì)DF-5/10-40型往復(fù)式活塞壓縮機(jī)運(yùn)行參數(shù)進(jìn)行特征參數(shù)的提取與歸一化,運(yùn)用改進(jìn)的Fuzzy ART神經(jīng)網(wǎng)絡(luò)對(duì)煤層氣增壓站壓縮機(jī)故障的實(shí)例數(shù)據(jù)進(jìn)行故障診斷仿真。與普通的Fuzzy ART神經(jīng)網(wǎng)絡(luò)診斷結(jié)果進(jìn)行比較,驗(yàn)證出改進(jìn)的Fuzzy ART神經(jīng)網(wǎng)絡(luò)故障診斷精度較傳統(tǒng)算法明顯提高,更適合投入到實(shí)際運(yùn)行和生產(chǎn)使用中以準(zhǔn)確排除故障,提高生產(chǎn)質(zhì)量。 最后以改進(jìn)的Fuzzy ART神經(jīng)網(wǎng)絡(luò)算法為核心,在.NET平臺(tái)上設(shè)計(jì)了往復(fù)式壓縮機(jī)實(shí)時(shí)監(jiān)測(cè)與故障診斷平臺(tái),實(shí)現(xiàn)了往復(fù)式壓縮機(jī)重要熱力性能參數(shù)的在線(xiàn)監(jiān)測(cè)與壓縮機(jī)的故障診斷。
【關(guān)鍵詞】：煤層氣 往復(fù)式壓縮機(jī) Fuzzy ART 神經(jīng)網(wǎng)絡(luò) 故障診斷
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2014
【分類(lèi)號(hào)】：TH45;TP183
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-14
• 1.1 研究背景及研究意義8
• 1.2 往復(fù)式壓縮機(jī)實(shí)時(shí)狀態(tài)監(jiān)測(cè)與故障診斷方法8-13
• 1.2.1 早期的往復(fù)式壓縮機(jī)故障診斷方法9-10
• 1.2.2 基于人工智能的往復(fù)式壓縮機(jī)故障診斷方法10-12
• 1.2.3 本文提出的往復(fù)式壓縮機(jī)故障診斷方法12-13
• 1.3 本文內(nèi)容簡(jiǎn)單介紹13-14
• 2 往復(fù)式壓縮機(jī)基本結(jié)構(gòu)與工作過(guò)程14-18
• 2.1 往復(fù)式壓縮機(jī)的基本結(jié)構(gòu)14-15
• 2.2 往復(fù)式壓縮機(jī)的工作過(guò)程15-18
• 3 往復(fù)式壓縮機(jī)的故障分析18-25
• 3.1 往復(fù)式壓縮機(jī)主要故障類(lèi)型18-20
• 3.2 基于機(jī)械性能判斷的往復(fù)式壓縮機(jī)故障診斷20
• 3.3 基于熱力性能判斷的往復(fù)式壓縮機(jī)故障診斷20-22
• 3.4 往復(fù)式壓縮機(jī)故障類(lèi)型與熱力性能參數(shù)關(guān)系22-23
• 3.5 本章小結(jié)23-25
• 4 基于Fuzzy ART神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機(jī)故障診斷25-39
• 4.1 Fuzzy ART神經(jīng)網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)25-26
• 4.2 Fuzzy ART神經(jīng)網(wǎng)絡(luò)工作原理26
• 4.3 Fuzzy ART神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法26-27
• 4.4 改進(jìn)的Fuzzy ART神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法27-29
• 4.4.1 Fuzzy ART神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法的不足27-28
• 4.4.2 改進(jìn)的Fuzzy ART神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法28-29
• 4.5 Fuzzy ART與改進(jìn)Fuzzy ART用于往復(fù)式活塞壓縮機(jī)故障診斷29-39
• 4.5.1 往復(fù)式活塞壓縮機(jī)特征參數(shù)的提取與歸一化29-32
• 4.5.2 基于Fuzzy ART的壓縮機(jī)故障診斷的實(shí)驗(yàn)仿真32-36
• 4.5.3 基于改進(jìn)的Fuzzy ART的壓縮機(jī)故障診斷的實(shí)驗(yàn)仿真36-37
• 4.5.4 改進(jìn)的Fuzzy ART與Fuzzy ART故障診斷精度比較37-39
• 5 往復(fù)式壓縮機(jī)在線(xiàn)監(jiān)測(cè)與故障診斷平臺(tái)設(shè)計(jì)39-52
• 5.1 監(jiān)測(cè)與故障診斷平臺(tái)需求分析39
• 5.2 壓縮機(jī)數(shù)據(jù)采集與傳輸39-41
• 5.3 壓縮機(jī)數(shù)據(jù)接收與存儲(chǔ)41-42
• 5.4 壓縮機(jī)在線(xiàn)監(jiān)測(cè)與故障診斷平臺(tái)數(shù)據(jù)庫(kù)設(shè)計(jì)42-45
• 5.5 壓縮機(jī)在線(xiàn)監(jiān)測(cè)與故障診斷平臺(tái)功能模塊介紹45-51
• 5.5.1 用戶(hù)登錄注冊(cè)模塊45-47
• 5.5.2 實(shí)時(shí)數(shù)據(jù)顯示模塊47
• 5.5.3 歷史數(shù)據(jù)查詢(xún)模塊47-49
• 5.5.4 壓縮機(jī)故障診斷模塊49-51
• 5.6 本章小結(jié)51-52
• 結(jié)論52-54
• 參考文獻(xiàn)54-56
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況56-57
• 致謝57-58

【參考文獻(xiàn)】

中國(guó)期刊全文數(shù)據(jù)庫(kù) 前10條

1 潘紫微,徐金梧;一種用于模式分類(lèi)有監(jiān)督的模糊ART神經(jīng)網(wǎng)絡(luò)[J];北京科技大學(xué)學(xué)報(bào);2000年03期

2 陳遵德;人工神經(jīng)網(wǎng)絡(luò)在油層識(shí)別中的應(yīng)用[J];大慶石油地質(zhì)與開(kāi)發(fā);1994年03期

3 張偉男;唐倫;陳前斌;張溢華;;基于3G傳輸?shù)囊曨l監(jiān)控系統(tǒng)的后臺(tái)設(shè)計(jì)[J];電視技術(shù);2008年11期

4 黃建軍,趙榮椿;基于模糊ART的圖像分割[J];電子學(xué)報(bào);2001年05期

5 趙榮珍;黃義仿;張力;張優(yōu)云;;旋轉(zhuǎn)機(jī)械智能故障診斷技術(shù)的發(fā)展趨勢(shì)[J];蘭州理工大學(xué)學(xué)報(bào);2008年05期

6 吳軍超;;往復(fù)活塞式壓縮機(jī)常見(jiàn)故障的分析[J];化工裝備技術(shù);2007年04期

7 馬莉;陳衛(wèi)民;;油液分析在往復(fù)式壓縮機(jī)故障診斷中的應(yīng)用[J];石油和化工設(shè)備;2008年01期

8 王天順,陳榮江;模糊聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)[J];焦作工學(xué)院學(xué)報(bào)(自然科學(xué)版);2000年02期

9 宋彤,孫增國(guó),馮沖;神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)在故障診斷中的應(yīng)用[J];計(jì)算技術(shù)與自動(dòng)化;2004年02期

10 衛(wèi)明社;李國(guó)勇;;基于模糊神經(jīng)網(wǎng)絡(luò)的船用柴油機(jī)智能故障診斷[J];計(jì)算機(jī)仿真;2007年12期

，

本文編號(hào)：1107077