本文關鍵詞：冷軋機智能故障診斷系統(tǒng)研究，由筆耕文化傳播整理發(fā)布。

【摘要】：隨著鋼鐵工業(yè)的快速發(fā)展,冷軋機的用途越來越廣泛。冷軋機不是一部簡單的旋轉(zhuǎn)機器,它有許多特殊的問題,對其進行故障診斷的難度很大。雖然經(jīng)歷了幾十年的發(fā)展,但對冷軋機的故障機理及診斷方法了解還不夠成熟,應用傳統(tǒng)的診斷方法很難精確診斷。隨著人工智能技術的日益成熟,在故障診斷領域的應用越來越廣泛,用智能診斷技術代替?zhèn)鹘y(tǒng)診斷方法對冷軋機進行診斷已成為一種必然的發(fā)展趨勢。 本文對鞍鋼冷軋廠一號生產(chǎn)線1700型冷軋機的具體結(jié)構和工作原理進行了系統(tǒng)分析和研究,總結(jié)其工作機座、減速機以及主電動機的常見故障類型和產(chǎn)生原因。采用時域分析和小波包分析的方法對其振動信號進行特征提取,并結(jié)合現(xiàn)場監(jiān)測的軋制力、張力以及帶鋼速度對其運行狀態(tài)進行監(jiān)測與診斷。 在建立智能故障診斷系統(tǒng)時,分析了BP神經(jīng)網(wǎng)絡的基本原理以及在故障診斷領域的應用,在對冷軋機振動信號處理基礎之上,建立了神經(jīng)網(wǎng)絡樣本集、測試集,并對神經(jīng)網(wǎng)絡進行仿真訓練。在系統(tǒng)具體實現(xiàn)中,采用Visual C++6.0進行人機界面的設計,利用MATLAB進行神經(jīng)網(wǎng)絡部分的訓練、測試和仿真,充分利用二者的交互性完成整個系統(tǒng)的設計。經(jīng)過測試,證明本系統(tǒng)達到實際應用要求,具有較高的準確率。
【關鍵詞】：冷軋機 特征提取 神經(jīng)網(wǎng)絡 故障診斷
【學位授予單位】：東北大學
【學位級別】：碩士
【學位授予年份】：2013
【分類號】：TG333;TH165.3
【目錄】：

• 摘要5-6
• Abstract6-10
• 第1章 緒論10-17
• 1.1 課題背景及研究意義10-11
• 1.2 冷軋機故障診斷方法研究11-13
• 1.2.1 狀態(tài)監(jiān)測11
• 1.2.2 特征提取11
• 1.2.3 故障診斷11-13
• 1.2.4 維修決策13
• 1.3 國內(nèi)外冷軋機故障診斷技術研究現(xiàn)狀及發(fā)展前景13-14
• 1.3.1 國外冷軋機故障診斷技術研究現(xiàn)狀13
• 1.3.2 國內(nèi)冷軋機故障診斷技術研究現(xiàn)狀13-14
• 1.3.3 冷軋機故障診斷技術發(fā)展前景14
• 1.4 人工神經(jīng)網(wǎng)絡的發(fā)展與應用14-16
• 1.5 本論文主要研究內(nèi)容和工作16-17
• 第2章 1700型冷軋機結(jié)構及常見故障分析17-25
• 2.1 鞍鋼一號冷軋線工藝設備路線簡介17
• 2.2 1#機架1700型冷軋機結(jié)構組成及主要技術參數(shù)17-19
• 2.2.1 結(jié)構組成17-18
• 2.2.2 主要技術參數(shù)18-19
• 2.3 1700型冷軋機常見故障分析19-24
• 2.3.1 工作機座常見故障19-21
• 2.3.2 減速機常見故障21-23
• 2.3.3 主電動機常見故障23-24
• 2.4 本章小結(jié)24-25
• 第3章 冷軋機特征信號提取方法研究25-42
• 3.1 鞍鋼一號冷軋線在線監(jiān)測系統(tǒng)25-26
• 3.2 數(shù)據(jù)采集系統(tǒng)26-41
• 3.2.1 數(shù)據(jù)采集概念26
• 3.2.2 數(shù)據(jù)采集傳感器26-29
• 3.2.3 信號的預處理29-30
• 3.2.4 A/D轉(zhuǎn)換30
• 3.2.5 信號分析30-41
• 3.3 本章小節(jié)41-42
• 第4章 智能故障診斷原理42-51
• 4.1 智能故障診斷概述42
• 4.2 神經(jīng)網(wǎng)絡基本理論42-50
• 4.2.1 神經(jīng)網(wǎng)絡的基本組成43
• 4.2.2 人工神經(jīng)網(wǎng)絡的典型模型43-45
• 4.2.3 神經(jīng)網(wǎng)絡的拓撲結(jié)構45-46
• 4.2.4 神經(jīng)網(wǎng)絡診斷原理及學習方法46-47
• 4.2.5 BP神經(jīng)網(wǎng)絡原理47-50
• 4.3 本章小結(jié)50-51
• 第5章 基于BP神經(jīng)網(wǎng)絡的冷軋機故障診斷系統(tǒng)研究51-65
• 5.1 系統(tǒng)總體分析與設計51-53
• 5.2 基于BP神經(jīng)網(wǎng)絡的冷軋機減速機故障診斷53-60
• 5.2.1 訓練樣本的選擇53
• 5.2.2 減速機BP神經(jīng)網(wǎng)絡模型53-57
• 5.2.3 網(wǎng)絡傳遞函數(shù)構造57
• 5.2.4 BP神經(jīng)網(wǎng)絡訓練參數(shù)確定57-58
• 5.2.5 BP神經(jīng)網(wǎng)絡的訓練與測試58-60
• 5.3 基于BP神經(jīng)網(wǎng)絡的冷軋機主電動機故障診斷60-62
• 5.3.1 主電動機故障樣本數(shù)據(jù)說明60
• 5.3.2 主電動機BP神經(jīng)網(wǎng)絡模型及參數(shù)的確定60-61
• 5.3.3 BP神經(jīng)網(wǎng)絡的訓練與測試61-62
• 5.4 基于BP神經(jīng)網(wǎng)絡的冷軋機工作機座故障診斷62-64
• 5.4.1 工作機座故障樣本數(shù)據(jù)說明62
• 5.4.2 工作機座BP神經(jīng)網(wǎng)絡模型及參數(shù)的確定62-63
• 5.4.3 BP神經(jīng)網(wǎng)絡的訓練與測試63-64
• 5.5 本章小結(jié)64-65
• 第6章 冷軋機智能故障診斷系統(tǒng)的實現(xiàn)65-71
• 6.1 系統(tǒng)的軟件平臺65-66
• 6.1.1 MATLAB軟件實現(xiàn)65
• 6.1.2 Visual C++軟件實現(xiàn)65-66
• 6.2 軟件功能設計66-67
• 6.3 軟件界面設計67-70
• 6.3.1 智能診斷界面67-68
• 6.3.2 數(shù)據(jù)管理界面68
• 6.3.3 系統(tǒng)拓展界面68-69
• 6.3.4 用戶管理界面69-70
• 6.4 本章小結(jié)70-71
• 第7章 結(jié)論與展望71-72
• 參考文獻72-76
• 致謝76

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 江瀊,湯麗萍,邊信黔,施小成;利用Matlab引擎實現(xiàn)VC和Matlab的混合編程[J];電腦學習;2000年03期

2 朱歆州;石靈丹;;直流電動機故障診斷系統(tǒng)研究[J];船電技術;2013年01期

3 戈志華,李如翔,宋之平,楊玉華;基于 BP 網(wǎng)絡的旋轉(zhuǎn)機械故障診斷[J];華北電力大學學報;1998年02期

4 李占鋒,韓芳芳,鄭德忠;基于BP神經(jīng)網(wǎng)絡的電機轉(zhuǎn)子故障診斷的研究[J];河北科技大學學報;2001年03期

5 朱博,胡燕,趙永標;人工神經(jīng)網(wǎng)絡在故障診斷系統(tǒng)中的應用[J];艦船電子工程;2005年01期

6 陸金桂;韋柳濤;王石剛;余俊;周濟;;多層神經(jīng)網(wǎng)絡BP算法的初步研究[J];計算機科學;1993年01期

7 楊杰,歷旭,郭偉;基于數(shù)學形態(tài)學和神經(jīng)網(wǎng)絡的車牌識別(英文)[J];武漢理工大學學報(交通科學與工程版);2001年03期

8 陳煒峰,陸靜霞;故障診斷技術及其發(fā)展趨勢[J];農(nóng)機化研究;2005年02期

9 韓西京,張錦萍,趙淳生,史鐵林;智能診斷中的狀態(tài)監(jiān)測與趨勢分析[J];數(shù)據(jù)采集與處理;1999年01期

10 周佳新,王志勇,單亞拿;基于神經(jīng)網(wǎng)絡的機械故障診斷系統(tǒng)[J];沈陽建筑工程學院學報(自然科學版);2004年03期

  本文關鍵詞：冷軋機智能故障診斷系統(tǒng)研究，，由筆耕文化傳播整理發(fā)布。

本文編號：372532