【摘要】：電解槽作為鋁電解生產(chǎn)中的典型設(shè)備,其運(yùn)行狀態(tài)直接影響經(jīng)濟(jì)技術(shù)指標(biāo)、日常生產(chǎn)以及電解槽的使用壽命。但是,電解槽同時(shí)受磁場(chǎng)、電場(chǎng)及高溫的干擾,故障特征不易辨識(shí),可連續(xù)測(cè)量的生產(chǎn)參數(shù)少,難以監(jiān)測(cè)電解槽狀態(tài)及診斷故障。因此,本文以306k A預(yù)焙陽(yáng)極電解槽為研究對(duì)象,采集了正常、鋁液波動(dòng)、陰極破損、極距過(guò)低和爐底結(jié)殼五種槽況的槽電壓信號(hào),對(duì)信號(hào)降噪、故障特征提取、故障分類等問(wèn)題做了深入研究。論文首先介紹了電解槽常見的故障模式,以及對(duì)槽電壓的影響。采用直接法估計(jì)了五種槽況槽電壓信號(hào)的功率譜,結(jié)果指出信號(hào)功率的頻域特征相似、主頻率均在0-0.1Hz之間,需要深入分析信號(hào)特征。隨后,采用小波閾值方法對(duì)槽電壓信號(hào)做降噪處理。局域均值分解算法(LMD)可以保留較多的頻率和幅值特征,常用于機(jī)械故障診斷。不同于機(jī)械振動(dòng)信號(hào),過(guò)程信號(hào)平穩(wěn)、采樣頻率小。因此,本文改進(jìn)了LMD算法:調(diào)整信號(hào)取值范圍、非線性變換、放大信號(hào)局部特征、再進(jìn)行信號(hào)分解,并選擇PF分量的相對(duì)能量和總能量作為故障的特征值。實(shí)驗(yàn)結(jié)果表明,改進(jìn)算法提取的特征值可以準(zhǔn)確表征五種電解槽狀態(tài)。最后,采用極限學(xué)習(xí)機(jī)(ELM)算法辨識(shí)故障類型。針對(duì)ELM隨機(jī)給定隱含層參數(shù)的缺點(diǎn),采用粒子群算法(PSO)對(duì)隱含層參數(shù)尋優(yōu),從而提高分類精度。再針對(duì)PSO算法易陷入局部極值的缺點(diǎn),對(duì)慣性權(quán)重的取值方式做改進(jìn):采用了慣性權(quán)重非線性減小策略,并將分類正確率作為尋優(yōu)結(jié)束的先決條件,減小迭代次數(shù),提高網(wǎng)絡(luò)訓(xùn)練速度。實(shí)驗(yàn)結(jié)果表明,PSO優(yōu)化的ELM既保證了較快的訓(xùn)練速度,同時(shí)獲得了更高的故障分類正確率。
【學(xué)位授予單位】：中國(guó)礦業(yè)大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：TF351
【圖文】：

圖 2-2 電解槽控制系統(tǒng)界面Figure 2-2 Interface of reduction cell control system參考現(xiàn)場(chǎng)人員對(duì)故障的辨識(shí)，選擇四種常出現(xiàn)的故障：鋁液波動(dòng)、陰極破損、極距過(guò)低以及爐底結(jié)殼，通過(guò)控制系統(tǒng)軟件獲取正常及故障情況下的鋁電解工作電壓信號(hào)。信號(hào)的采樣頻率為 1Hz，本文選擇 300 個(gè)采樣點(diǎn)，即 5 分鐘的采樣時(shí)間。對(duì)于車間內(nèi)的 172 臺(tái)電解槽，各槽的理化環(huán)境不同，每臺(tái)電解槽出現(xiàn)四種故障的頻率不同；整體而言，每種故障發(fā)生的頻率不同，因此可采集到的數(shù)據(jù)組數(shù)不同。正常槽況的數(shù)據(jù)為 60 組，鋁液波動(dòng)故障的數(shù)據(jù)為 45 組，陰極破損故障的數(shù)據(jù)為 45 組，極距過(guò)低故障的數(shù)據(jù)為 40 組，爐底結(jié)殼故障的數(shù)據(jù)為 40 組。特別需要說(shuō)明，這 230 組數(shù)據(jù)分別來(lái)自不同的電解槽，由于數(shù)據(jù)量少、電解槽個(gè)數(shù)多，通過(guò)這些數(shù)據(jù)不能得出每個(gè)槽的故障發(fā)生頻率、理化環(huán)境或者其他結(jié)論；此外，本文的目的是提取槽電壓與相應(yīng)故障之間的關(guān)系，不考慮故障或槽電壓與相應(yīng)電解槽的關(guān)系，因此，除了下文的時(shí)域分析以外，本文的數(shù)據(jù)僅用序號(hào)或者故障類型表示，不再標(biāo)記數(shù)據(jù)來(lái)源，即槽號(hào)。2.3.2 信號(hào)分析

圖 2-2 電解槽控制系統(tǒng)界面Figure 2-2 Interface of reduction cell control system參考現(xiàn)場(chǎng)人員對(duì)故障的辨識(shí)，選擇四種常出現(xiàn)的故障：鋁液波動(dòng)、陰極破損、極距過(guò)低以及爐底結(jié)殼，通過(guò)控制系統(tǒng)軟件獲取正常及故障情況下的鋁電解工作電壓信號(hào)。信號(hào)的采樣頻率為 1Hz，本文選擇 300 個(gè)采樣點(diǎn)，即 5 分鐘的采樣時(shí)間。對(duì)于車間內(nèi)的 172 臺(tái)電解槽，各槽的理化環(huán)境不同，每臺(tái)電解槽出現(xiàn)四種故障的頻率不同；整體而言，每種故障發(fā)生的頻率不同，因此可采集到的數(shù)據(jù)組數(shù)不同。正常槽況的數(shù)據(jù)為 60 組，鋁液波動(dòng)故障的數(shù)據(jù)為 45 組，陰極破損故障的數(shù)據(jù)為 45 組，極距過(guò)低故障的數(shù)據(jù)為 40 組，爐底結(jié)殼故障的數(shù)據(jù)為 40 組。特別需要說(shuō)明，這 230 組數(shù)據(jù)分別來(lái)自不同的電解槽，由于數(shù)據(jù)量少、電解槽個(gè)數(shù)多，通過(guò)這些數(shù)據(jù)不能得出每個(gè)槽的故障發(fā)生頻率、理化環(huán)境或者其他結(jié)論；此外，本文的目的是提取槽電壓與相應(yīng)故障之間的關(guān)系，不考慮故障或槽電壓與相應(yīng)電解槽的關(guān)系，因此，除了下文的時(shí)域分析以外，本文的數(shù)據(jù)僅用序號(hào)或者故障類型表示，不再標(biāo)記數(shù)據(jù)來(lái)源，即槽號(hào)。2.3.2 信號(hào)分析

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 劉勇;李文海;陳育良;;基于人工免疫系統(tǒng)的智能故障診斷研究[J];計(jì)算機(jī)測(cè)量與控制;2010年12期

2 喬建偉;;金屬冶煉的新機(jī)遇:熔鹽電解法[J];價(jià)值工程;2011年29期

3 李杰;李界家;李穎;;鋁電解過(guò)程故障診斷綜述[J];科技廣場(chǎng);2011年07期

4 張輝鋒;吳偉平;袁榮才;;基于改進(jìn)粒子群優(yōu)化算法的遙感圖像閾值分割[J];勘察科學(xué)技術(shù);2012年06期

5 吳占松，楊黎明，李天鐸;利用深淺兩層知識(shí)診斷鍋爐運(yùn)行故障[J];清華大學(xué)學(xué)報(bào)(自然科學(xué)版);1995年02期

6 胡俊文;周國(guó)榮;;小波分析在振動(dòng)信號(hào)去噪中的應(yīng)用[J];機(jī)械工程與自動(dòng)化;2010年01期

7 王曉峰;毛德強(qiáng);馮尚聰;;現(xiàn)代故障診斷技術(shù)研究綜述[J];中國(guó)測(cè)試;2013年06期

8 臧大進(jìn);曹云峰;;故障診斷技術(shù)的研究現(xiàn)狀及展望[J];西安文理學(xué)院學(xué)報(bào)(自然科學(xué)版);2011年01期

9 陳安華;蔣玲莉;劉義倫;李學(xué)軍;;基于知識(shí)網(wǎng)格的故障診斷專家系統(tǒng)模型[J];儀器儀表學(xué)報(bào);2009年11期

10 戚喜全,馮乃祥,崔建忠;陽(yáng)極更換及鋁液高度對(duì)電解槽內(nèi)鋁液流速場(chǎng)的影響[J];中國(guó)有色金屬學(xué)報(bào);2005年03期

相關(guān)博士學(xué)位論文 前1條

1 張亢;局部均值分解方法及其在旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用研究[D];湖南大學(xué);2012年

相關(guān)碩士學(xué)位論文 前1條

1 楊鑫蕊;改進(jìn)的小波閾值去噪算法研究[D];哈爾濱理工大學(xué);2014年

本文編號(hào)：2780814