【摘要】：主抽風(fēng)機(jī)是燒結(jié)工藝中的關(guān)鍵設(shè)備，其運(yùn)行狀態(tài)直接關(guān)系著燒結(jié)生產(chǎn)的正常運(yùn)行。對(duì)其實(shí)施狀態(tài)監(jiān)測(cè)和故障診斷可以保證主抽風(fēng)機(jī)設(shè)備運(yùn)行的安全可靠。傳統(tǒng)基于傅里葉變換的信號(hào)處理方法是以平穩(wěn)隨機(jī)信號(hào)為前提，而小波分析作為現(xiàn)代信號(hào)處理技術(shù)，其良好時(shí)頻局部化特性為處理的故障信號(hào)的非平穩(wěn)問(wèn)題提供了有效的數(shù)學(xué)工具。 本文首先對(duì)燒結(jié)主抽風(fēng)機(jī)設(shè)計(jì)了主抽風(fēng)機(jī)設(shè)備振動(dòng)的檢測(cè)，為后面的故障診斷提供診斷依據(jù)。 第二，提出了基于小波分析的模糊判決多故障分類器。主要研究了用小波分分析技術(shù)進(jìn)行頻帶分析，即通過(guò)統(tǒng)計(jì)處理得到的典型故障狀態(tài)的小波能量特征向量，建立故障診斷查詢表。并針對(duì)故障診斷中的不確定信息，定義了故障類型模糊隸屬度。模糊判決多故障分類器考慮了多故障并發(fā)時(shí)設(shè)備振動(dòng)的差異，同時(shí)對(duì)主抽風(fēng)機(jī)設(shè)備的輕微故障和早期故障診斷也具有較好的靈敏度。 第三，改進(jìn)了基于支持向量機(jī)的多故障分類器，并對(duì)支持向量機(jī)的參數(shù)進(jìn)行了優(yōu)化。針對(duì)SVM多類分類算法解決多類故障同時(shí)出現(xiàn)情況下故障識(shí)別的難題，將同時(shí)發(fā)生的兩個(gè)故障看作新的故障類型，再通過(guò)支持向量機(jī)多分類算法進(jìn)行故障識(shí)別。同時(shí)采用交叉驗(yàn)證、遺傳算法和粒子群算法對(duì)支持向量機(jī)的參數(shù)尋優(yōu)。 最后，，設(shè)計(jì)了燒結(jié)主抽風(fēng)機(jī)控制系統(tǒng)。應(yīng)用RSLogix5000和RSView32軟件，對(duì)燒結(jié)主抽風(fēng)機(jī)設(shè)備網(wǎng)絡(luò)數(shù)據(jù)通信、設(shè)備控制、故障診斷進(jìn)行了分析，實(shí)現(xiàn)了燒結(jié)主抽風(fēng)機(jī)狀態(tài)實(shí)時(shí)監(jiān)測(cè)和故障監(jiān)測(cè)。
[Abstract]:The main extractor is the key equipment in sintering process, and its running state is directly related to the normal operation of sintering production. The condition monitoring and fault diagnosis can ensure the safety and reliability of the main ventilator equipment. The traditional signal processing method based on Fourier transform is based on stationary random signal, and wavelet analysis is a modern signal processing technology. Its good time-frequency localization property provides an effective mathematical tool for dealing with the non-stationary problem of fault signal. In this paper, first of all, the vibration detection of the main pumping machine is designed, which provides the diagnostic basis for the fault diagnosis. Secondly, a fuzzy decision multi-fault classifier based on wavelet analysis is proposed. In this paper, the wavelet energy eigenvector of typical fault state is obtained by using wavelet division analysis technique, and the fault diagnosis query table is established. According to the uncertain information in fault diagnosis, the fuzzy membership degree of fault type is defined. The fuzzy decision multi-fault classifier takes into account the difference of the vibration of the equipment when the multiple faults are concurrent and has good sensitivity for the minor faults and early fault diagnosis of the main ventilator equipment. Thirdly, the multi-fault classifier based on support vector machine is improved, and the parameters of support vector machine are optimized. In order to solve the problem of fault identification in the case of simultaneous occurrence of multiple types of faults, the SVM multi-class classification algorithm considers two simultaneous faults as a new fault type, and then uses support vector machine multi-classification algorithm to identify the faults. At the same time, the parameters of support vector machine are optimized by cross validation, genetic algorithm and particle swarm optimization. Finally, the control system of sinter main exhaust machine is designed. By using RSLogix5000 and RSView32 software, the network data communication, equipment control and fault diagnosis of sinter main exhaust equipment are analyzed, and the real-time monitoring and fault monitoring of sinter main air extractor are realized.
【學(xué)位授予單位】：遼寧科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2012
【分類號(hào)】：TH165.3

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 柳新民;劉冠軍;邱靜;胡蔦慶;;基于1-DISVM的聚類模型及直升機(jī)齒輪箱故障診斷應(yīng)用[J];航空學(xué)報(bào);2006年03期

2 江志鋼;張春良;岳夏;;基于支持向量機(jī)的機(jī)床故障診斷研究[J];裝備制造技術(shù);2009年12期

3 董卓;朱永利;;基于支持向量機(jī)的變壓器故障多層次診斷及定位[J];陜西電力;2011年08期

4 毛志陽(yáng);陸爽;;基于K-L變換和支持向量機(jī)的滾動(dòng)軸承故障診斷[J];煤礦機(jī)械;2006年06期

5 袁勝發(fā);褚福磊;;基于引力球結(jié)構(gòu)支持向量機(jī)多類算法的渦輪泵故障診斷[J];宇航學(xué)報(bào);2006年04期

6 毛榮富;朱海潮;黃映云;;基于后驗(yàn)概率的支持向量機(jī)在故障診斷中的應(yīng)用[J];中國(guó)機(jī)械工程;2006年S2期

7 李志農(nóng);韓捷;潘玉娜;李凌均;;機(jī)械故障矢功率譜—支持向量機(jī)識(shí)別方法研究[J];計(jì)算機(jī)工程與應(yīng)用;2007年08期

8 田景文;吳浩;高美娟;;基于支持向量機(jī)的火車滾軸故障診斷[J];機(jī)床與液壓;2007年07期

9 武建軍;馬振利;張?jiān)矫?楊旭;;基于小波-支持向量機(jī)(SVM)的發(fā)動(dòng)機(jī)泵機(jī)組故障診斷[J];中國(guó)測(cè)試技術(shù);2007年05期

10 張軍峰;胡壽松;;基于多重核學(xué)習(xí)支持向量機(jī)的殲擊機(jī)故障診斷[J];東南大學(xué)學(xué)報(bào)(自然科學(xué)版);2007年S1期

相關(guān)會(huì)議論文 前10條

1 馮輔周;郭恒毅;江鵬程;;支持向量機(jī)及其在電機(jī)故障診斷中的應(yīng)用[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文集[C];2007年

2 袁昊程;鐘秋海;戴亞平;;基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷[A];2003中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2003年

3 史麗萍;楊曉冬;匡杰;;基于支持向量機(jī)的水泵故障診斷[A];中國(guó)計(jì)量協(xié)會(huì)冶金分會(huì)2007年會(huì)論文集[C];2007年

4 馮輔周;郭恒毅;江鵬程;;支持向量機(jī)及其在電機(jī)故障診斷中的應(yīng)用[A];第九屆全國(guó)振動(dòng)理論及應(yīng)用學(xué)術(shù)會(huì)議論文摘要集[C];2007年

5 初燕;付忠廣;戈志華;靳濤;卞雙;;基于支持向量機(jī)的故障診斷方法探討[A];中國(guó)動(dòng)力工程學(xué)會(huì)第三屆青年學(xué)術(shù)年會(huì)論文集[C];2005年

6 張軍峰;胡壽松;;基于多重核學(xué)習(xí)支持向量機(jī)的殲擊機(jī)故障診斷[A];第七屆全國(guó)信息隱藏暨多媒體信息安全學(xué)術(shù)大會(huì)論文集[C];2007年

7 李燁;蔡云澤;許曉鳴;;基于支持向量機(jī)集成的故障診斷[A];第16屆中國(guó)過(guò)程控制學(xué)術(shù)年會(huì)暨第4屆全國(guó)故障診斷與安全性學(xué)術(shù)會(huì)議論文集[C];2005年

8 和衛(wèi)星;陳曉平;陳季云;陸森林;;石油鉆井傳動(dòng)滾動(dòng)軸承的故障診斷[A];2008中國(guó)儀器儀表與測(cè)控技術(shù)進(jìn)展大會(huì)論文集（Ⅰ）[C];2008年

9 吳峰崎;孟光;張桂才;;基于高級(jí)統(tǒng)計(jì)量的碰摩不對(duì)中故障特征提取[A];設(shè)備監(jiān)測(cè)與診斷技術(shù)及其應(yīng)用——第十二屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2005年

10 王紅軍;徐小力;付瑤;;基于SVM的旋轉(zhuǎn)機(jī)械故障診斷知識(shí)獲取[A];第八屆全國(guó)設(shè)備與維修工程學(xué)術(shù)會(huì)議、第十三屆全國(guó)設(shè)備監(jiān)測(cè)與診斷學(xué)術(shù)會(huì)議論文集[C];2008年

相關(guān)重要報(bào)紙文章 前10條

1 黃安華;液壓制動(dòng)系統(tǒng)的故障診斷[N];中國(guó)汽車報(bào);2002年

2 李萍;濟(jì)鋼EAM離線網(wǎng)絡(luò)點(diǎn)檢和故障診斷管理系統(tǒng)開(kāi)發(fā)應(yīng)用[N];世界金屬導(dǎo)報(bào);2007年

3 胡榮山 馬巍;上海海大一課題列入國(guó)家“863”計(jì)劃[N];中國(guó)船舶報(bào);2007年

4 孫建陽(yáng)　劉波;小型漁船柴油機(jī)故障診斷與排除[N];中國(guó)漁業(yè)報(bào);2008年

5 見(jiàn)習(xí)記者 仝亞娜;孫彥廣：冶金故障診斷設(shè)備前景廣闊[N];機(jī)電商報(bào);2005年

6 小田;網(wǎng)卡故障診斷[N];中國(guó)電腦教育報(bào);2000年

7 陳全東;干式復(fù)合“粘邊”故障診斷[N];中國(guó)包裝報(bào);2003年

8 龔獻(xiàn)榮;大型天然氣裝置實(shí)現(xiàn)網(wǎng)絡(luò)化監(jiān)測(cè)[N];中國(guó)化工報(bào);2005年

9 周傳勇 杜慧;濟(jì)鋼網(wǎng)絡(luò)化設(shè)備點(diǎn)檢與故障診斷管理系統(tǒng)上線運(yùn)行[N];世界金屬導(dǎo)報(bào);2008年

10 湯懷京;WLAN也有“線”[N];中國(guó)計(jì)算機(jī)報(bào);2004年

相關(guān)博士學(xué)位論文 前10條

1 趙沖沖;基于支持向量機(jī)的旋轉(zhuǎn)機(jī)械故障診斷[D];西北工業(yè)大學(xué);2003年

2 宋其江;基于有向圖模型的故障診斷方法研究及其在航天中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2010年

3 陳非;基于過(guò)程信息融合的旋轉(zhuǎn)機(jī)械信息（火用）故障診斷研究[D];華中科技大學(xué);2010年

4 馮志鵬;計(jì)算智能在機(jī)械設(shè)備故障診斷中的應(yīng)用研究[D];大連理工大學(xué);2003年

5 何小斌;基于統(tǒng)計(jì)學(xué)方法的自適應(yīng)過(guò)程監(jiān)控與故障診斷[D];上海交通大學(xué);2009年

6 宋凱;基于PLS的統(tǒng)計(jì)質(zhì)量監(jiān)控研究與應(yīng)用[D];浙江大學(xué);2005年

7 李敏;復(fù)雜機(jī)械基于數(shù)據(jù)的建模與故障診斷[D];太原理工大學(xué);2010年

8 魯峰;航空發(fā)動(dòng)機(jī)故障診斷的融合技術(shù)研究[D];南京航空航天大學(xué);2009年

9 蔣斌;機(jī)電系統(tǒng)故障診斷的理論與應(yīng)用研究[D];浙江大學(xué);2002年

10 盛晨興;挖泥船動(dòng)力機(jī)械遠(yuǎn)程診斷系統(tǒng)關(guān)鍵技術(shù)研究[D];武漢理工大學(xué);2009年

相關(guān)碩士學(xué)位論文 前10條

1 曾嶸;支持向量機(jī)在設(shè)備故障診斷中的應(yīng)用研究[D];中南大學(xué);2005年

2 楊琦;支持向量機(jī)在液壓系統(tǒng)故障診斷中的應(yīng)用研究[D];大連海事大學(xué);2005年

3 潘慶豐;模糊模式識(shí)別技術(shù)研究及其在故障診斷中的應(yīng)用[D];福州大學(xué);2006年

4 初燕;支持向量機(jī)及其在熱能工程領(lǐng)域中的應(yīng)用[D];華北電力大學(xué)（北京）;2006年

5 曾建武;粗糙集理論及故障診斷應(yīng)用研究[D];浙江大學(xué);2006年

6 鄭媛媛;凸殼理論在支持向量分類機(jī)中的應(yīng)用[D];東北電力大學(xué);2009年

7 陳淼峰;基于EMD與支持向量機(jī)的轉(zhuǎn)子故障診斷方法研究[D];湖南大學(xué);2005年

8 程曉盛;基于Agent和支持向量機(jī)的遠(yuǎn)程智能診斷技術(shù)研究[D];燕山大學(xué);2006年

9 雷瑾（Theingi Shwe）;基于支持向量機(jī)的船舶主機(jī)缸蓋故障診斷的研究[D];上海海事大學(xué);2007年

10 于芙蓉;基于支持向量機(jī)的煙氣輪機(jī)故障診斷研究[D];北京化工大學(xué);2009年

本文編號(hào)：2402247