【摘要】：在科學(xué)技術(shù)不斷提升的背景下,鋼鐵生產(chǎn)設(shè)備也向多元化方向發(fā)展,其機械性能得到了非常大的提高,進而也使設(shè)備的維修工作變得越來越復(fù)雜。近些年,大規(guī)模的復(fù)雜系統(tǒng)應(yīng)運而生,進而導(dǎo)致不確定性因素的增多,為系統(tǒng)的維修策略帶來很大的難題。在機械故障診斷領(lǐng)域出現(xiàn)了一個急需解決的問題,那就是如何解決不確定性問題。故尋求能對復(fù)雜設(shè)備故障診斷與維修相關(guān)的各種信息進行快速融合,并有效處理不確定性知識的決策模型及方法,一直是研究者們不懈努力的方向。針對機械故障診斷中存在大量的不確定性問題現(xiàn)象,傳統(tǒng)的故障診斷方法已經(jīng)不能滿足需求。然而隨著不確定理論的迅速崛起及其在解決故障診斷中的不確定性問題所表現(xiàn)出優(yōu)越性,其已成為研究者們的主要研究方向之一。本文通過運用貝葉斯網(wǎng)絡(luò)和證據(jù)理論的方法來解決機械故障診斷過程中的不確定性問題,提出了一種新的故障診斷方法及其對應(yīng)的實現(xiàn)方法,并且通過實例進行驗證,其結(jié)果表明此方法是可行的。本論文主要研究內(nèi)容和創(chuàng)新工作有六點:第一點,運用不確定理論解決機械故障診斷中不確定性問題;第二點,運用貝葉斯網(wǎng)絡(luò)構(gòu)建故障診斷系統(tǒng)模型;第三點,通過對局部區(qū)域進行概率推理,大大簡化推理過程;第四點,通過證據(jù)理論解決了假設(shè)沖突的問題,并且實現(xiàn)了知識的集結(jié)。第五點,通過構(gòu)建風(fēng)機系統(tǒng)模型,運用實驗數(shù)據(jù)與實際工況的對比,得出診斷方法是可行的,本文建立了風(fēng)機的視情維修策略方法。第六點,按照同樣的建模方法,可以對酸洗線和鍍鋅線的各個組成部分進行建模,從而得出酸洗線和鍍鋅線的故障診斷模型及視情維修策略。
【學(xué)位授予單位】：河北工程大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2015
【分類號】：TF31
【圖文】：

123．機械故障診斷的實施過程機械故障診斷的實施過程如圖2-1所示：圖2-1 機械設(shè)備故障診斷的一般實施過程Fig.2-1 General implementation process machinery fault diagnosis然而機械診斷的實際應(yīng)用中，人們通常運用會診診斷的方法，其實施過程如圖2-2所示圖2-2 機械設(shè)備故障會診診斷的一般實施過程Fig.2-2 General implementation process mechanical malfunction diagnosis consultation2.2 機械故障診斷中的不確定性2.2.1 不確定理論及不確定來源在概率論、可信性理論、信賴性理論上構(gòu)建的數(shù)學(xué)理論被稱為不確定

Fig.2-1 General implementation process machinery fault diagnosis然而機械診斷的實際應(yīng)用中，人們通常運用會診診斷的方法，其實施過程如圖2-2所示圖2-2 機械設(shè)備故障會診診斷的一般實施過程Fig.2-2 General implementation process mechanical malfunction diagnosis consultation2.2 機械故障診斷中的不確定性2.2.1 不確定理論及不確定來源在概率論、可信性理論、信賴性理論上構(gòu)建的數(shù)學(xué)理論被稱為不確定

不確定理論主要是針對不確定性現(xiàn)象的一種數(shù)學(xué)理論。隨著科技的發(fā)展，在不確定性環(huán)境的狀況下構(gòu)建模型的數(shù)學(xué)方法已經(jīng)成為重要研究方向之一，并且其前景是非�？捎^，同時其也具有很高的應(yīng)用價值。在此背景下不確定理論應(yīng)用而生。不確定理論也在發(fā)展和研究中不斷完善，漸漸的不確定理論已經(jīng)初步形成。不確定理論的樹形圖如圖2.3：

【參考文獻】

相關(guān)期刊論文 前8條

1 鄧昌進;;機械設(shè)備故障的診斷方法探討[J];廣西輕工業(yè);2011年10期

2 彭天昊;唐型基;唐林海;楊光臨;;圖論在貝葉斯網(wǎng)條件獨立性中的應(yīng)用[J];電腦知識與技術(shù);2013年33期

3 阿布都外力·買買提;貝葉斯不確定性推理及其在往復(fù)式壓縮機故障診斷中的應(yīng)用[J];化工裝備技術(shù);2005年02期

4 王書海;劉剛;綦朝暉;;BIC評分貝葉斯網(wǎng)絡(luò)模型及其應(yīng)用[J];計算機工程;2008年15期

5 周云龍;李紅延;李洪偉;;改進的LVQ神經(jīng)網(wǎng)絡(luò)在風(fēng)機故障診斷中的應(yīng)用[J];化工自動化及儀表;2013年05期

6 ;Bayesian network learning algorithm based on unconstrained optimization and ant colony optimization[J];Journal of Systems Engineering and Electronics;2012年05期

7 Bin Suo;Yongsheng Cheng;Chao Zeng;Jun Li;;Computational intelligence approach for uncertainty quantification using evidence theory[J];Journal of Systems Engineering and Electronics;2013年02期

8 馮衛(wèi)東;冷軋鍍鋅線故障診斷監(jiān)控系統(tǒng)改進研究[J];冶金動力;2003年01期

相關(guān)碩士學(xué)位論文 前3條

1 蔣一然;基于遺傳神經(jīng)網(wǎng)絡(luò)的柴油機故障診斷技術(shù)研究[D];大連海事大學(xué);2009年

2 曾春;大型離心壓縮機定期維修周期的優(yōu)化方法研究[D];哈爾濱工業(yè)大學(xué);2008年

3 董文龍;基于性能特征和故障征兆的數(shù)控機床故障診斷方法[D];華中科技大學(xué);2013年

本文編號：2783745