本文關(guān)鍵詞： 生物氧化預(yù)處理 氧化槽溫度控制系統(tǒng) 學(xué)習(xí)型和聲算法(LHS) BP神經(jīng)網(wǎng)絡(luò) 故障診斷模型　出處：《新疆大學(xué)》2017年碩士論文　論文類型：學(xué)位論文

【摘要】：在生物氧化的過程中,溫度是影響細(xì)菌生存的重要條件之一。細(xì)菌繁殖的快慢及活性的高低,直接影響礦漿在預(yù)處理過程中氧化的程度,從而影響提金率,所以氧化槽內(nèi)溫度能否維持恒定就顯得尤為重要。一旦系統(tǒng)中執(zhí)行器或傳感器發(fā)生故障造成氧化槽內(nèi)溫度突變,將會(huì)導(dǎo)致細(xì)菌失活甚至死亡,造成停產(chǎn)等難以挽回的損失。因此,對氧化槽內(nèi)溫控系統(tǒng)做出故障診斷在實(shí)際生產(chǎn)中具有重大意義。通過結(jié)合現(xiàn)場生產(chǎn)過程,以氧化槽實(shí)驗(yàn)設(shè)備為對象,開展氧化槽溫控系統(tǒng)故障診斷方法研究。本文主要的研究工作如下:針對氧化槽故障發(fā)現(xiàn)以人工排查方式為主的現(xiàn)狀,提出一種基于BP神經(jīng)網(wǎng)絡(luò)的智能故障診斷模型并應(yīng)用于氧化槽溫控系統(tǒng)。通過對氧化槽內(nèi)熱量變化做理論分析,得到氧化槽熱量機(jī)理模型,進(jìn)而對模型分析、查找導(dǎo)致溫度變化的故障形成原因和相應(yīng)的故障檢測點(diǎn),確定模型的輸入輸出量和基本結(jié)構(gòu),為后期模型完善奠定了基礎(chǔ)。對于故障診斷模型建立時(shí)的參數(shù)最優(yōu)值選擇問題,將學(xué)習(xí)策略與和聲搜索算法相結(jié)合用于BP神經(jīng)網(wǎng)絡(luò)參數(shù)優(yōu)化。利用引入學(xué)習(xí)策略的和聲算法(LHS)較好的全局優(yōu)化性彌補(bǔ)BP神經(jīng)網(wǎng)絡(luò)易陷入局部最優(yōu)的劣勢,建立最優(yōu)參數(shù)LHS-BP神經(jīng)網(wǎng)絡(luò)故障診斷模型。與基本和聲算法(HS)相比,該算法一方面將參數(shù)設(shè)置變化成為動(dòng)態(tài)的,用于增加解的多樣性和提高算法的收斂速度,另一方面將教與學(xué)優(yōu)化算法與和聲算法兩種啟發(fā)式算法結(jié)合,用于位置更新來提升算法跳出局部最優(yōu)的能力。通過測試驗(yàn)證該算法具有更強(qiáng)的全局尋優(yōu)性能。為了驗(yàn)證本文方法的可行性和有效性,利用實(shí)驗(yàn)設(shè)備搭建氧化槽模擬仿真平臺(tái),獲得樣本數(shù)據(jù)和測試數(shù)據(jù),通過對樣本數(shù)據(jù)進(jìn)行網(wǎng)絡(luò)訓(xùn)練確定模型參數(shù),將測試樣本帶入模型得到測試結(jié)果。比對結(jié)果表明,本文方法提高了故障診斷的準(zhǔn)確率,在理論和實(shí)踐中都起到了一定的指導(dǎo)意義。
[Abstract]:In the process of biological oxidation, temperature is one of the important conditions affecting the survival of bacteria. So whether or not the temperature in the oxidation tank can be kept constant is very important. Once the actuator or sensor in the system fails to cause the temperature in the oxidation tank to change, it will lead to bacteria inactivation and even death. The failure diagnosis of the temperature control system in the oxidation tank is of great significance in actual production. By combining with the field production process, the experimental equipment of the oxidation tank is taken as the object. The main research work of this paper is as follows: in view of the current situation of the oxidation tank fault detection by manual inspection, the main work of this paper is to study the fault diagnosis method of oxidation tank temperature control system. An intelligent fault diagnosis model based on BP neural network is proposed and applied to the oxidation tank temperature control system. Finding out the cause of fault formation and the corresponding fault detection points, determining the input and output quantity and the basic structure of the model, which lays the foundation for the later model perfection, for the problem of selecting the optimal value of the parameters when the fault diagnosis model is established. The learning strategy and harmony search algorithm are combined to optimize the parameters of BP neural network. The better global optimization of LHS-based learning strategy is used to make up for the disadvantage that BP neural network is prone to fall into local optimum. The optimal parameter LHS-BP neural network fault diagnosis model is established. Compared with the basic harmonic algorithm, the algorithm changes the parameter setting into a dynamic one, which is used to increase the diversity of the solution and improve the convergence speed of the algorithm. On the other hand, it combines two heuristic algorithms: teaching and learning optimization algorithm and harmony algorithm. It is used to update the position to improve the ability of the algorithm to jump out of the local optimum. The test results show that the algorithm has stronger global optimization performance. In order to verify the feasibility and effectiveness of the proposed method, the oxidation tank simulation platform is built with experimental equipment. Sample data and test data are obtained, and model parameters are determined by network training of sample data, and test samples are brought into the model to obtain test results. The comparison results show that this method improves the accuracy of fault diagnosis. In theory and practice has played a certain guiding significance.
【學(xué)位授予單位】：新疆大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2017
【分類號(hào)】：TP273;TP277

【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李巍華;翁勝龍;張紹輝;;一種螢火蟲神經(jīng)網(wǎng)絡(luò)及在軸承故障診斷中的應(yīng)用[J];機(jī)械工程學(xué)報(bào);2015年07期

2 南新元;陳飛;孔軍;;高寒地區(qū)某金礦生物氧化預(yù)處理過程溫度控制研究[J];貴金屬;2014年02期

3 梅飛;梅軍;鄭建勇;張思宇;朱克東;;粒子群優(yōu)化的KFCM及SVM診斷模型在斷路器故障診斷中的應(yīng)用[J];中國電機(jī)工程學(xué)報(bào);2013年36期

4 蘇健;陳玉強(qiáng);陳軍偉;馬殿哲;;基于故障樹分析的火控系統(tǒng)故障診斷專家系統(tǒng)設(shè)計(jì)[J];計(jì)算機(jī)測量與控制;2013年11期

5 陶一明;劉瑞英;;基于BP神經(jīng)網(wǎng)絡(luò)的煤礦突水預(yù)測系統(tǒng)的設(shè)計(jì)[J];內(nèi)蒙古煤炭經(jīng)濟(jì);2012年12期

6 宋彤;齊瑞勤;;遺傳算法在間歇式反應(yīng)釜故障診斷中的應(yīng)用[J];計(jì)算機(jī)仿真;2012年07期

7 李晗;蕭德云;;基于數(shù)據(jù)驅(qū)動(dòng)的故障診斷方法綜述[J];控制與決策;2011年01期

8 王玉亭;孫劍;李俊青;;基于和聲搜索和模擬退火的混合算法解決TSP問題[J];計(jì)算機(jī)應(yīng)用與軟件;2009年10期

9 楊洪英;范金;崔日成;鞏恩普;;難處理高砷金礦的細(xì)菌氧化-提金研究[J];貴金屬;2009年03期

10 魏秀業(yè);潘宏俠;馬清峰;;粒子群優(yōu)化的神經(jīng)網(wǎng)絡(luò)在故障診斷中的應(yīng)用[J];振動(dòng)、測試與診斷;2006年02期

相關(guān)博士學(xué)位論文 前3條

1 楊瑋;復(fù)雜難處理金精礦提取及綜合回收的基礎(chǔ)研究與應(yīng)用[D];中南大學(xué);2011年

2 李騫;含砷金礦生物預(yù)氧化提金基礎(chǔ)研究[D];中南大學(xué);2007年

3 楊松榮;含砷難處理金礦石生物氧化提金基礎(chǔ)與工程化研究[D];中南大學(xué);2004年

相關(guān)碩士學(xué)位論文 前8條

1 朱航;基于改進(jìn)和聲搜索算法的車間作業(yè)調(diào)度問題研究[D];南京理工大學(xué);2015年

2 陳飛;基于時(shí)間序列數(shù)據(jù)挖掘的生物氧化提金工藝參數(shù)優(yōu)化[D];新疆大學(xué);2014年

3 耿雪娜;基于模型診斷的故障診斷問題研究[D];吉林大學(xué);2013年

4 苑洪晶;協(xié)同強(qiáng)化含砷金礦生物預(yù)氧化的研究[D];中南大學(xué);2013年

5 梁海伶;和聲搜索算法在函數(shù)優(yōu)化問題中的應(yīng)用研究[D];東北大學(xué)　;2009年

6 譚建錫;胞外多聚物對嗜酸氧化亞鐵硫桿菌浸出黃銅礦的影響初探[D];中南大學(xué);2009年

7 尚啟英;間歇式反應(yīng)釜的故障診斷及容錯(cuò)控制設(shè)計(jì)[D];大連理工大學(xué);2008年

8 段侯峰;基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷[D];北京交通大學(xué);2008年

，

本文編號(hào)：1495862