多免疫检验器集成之工业机组自动故障诊查系统.docVIP

　　多免疫检验器集成之工业机组自动故障诊查系统 第一章绪论 1.1研究背景和意义 大型工业机组的实时在线监测和故障准确的诊断关系到生产系统的正常运行、生产效率的提高以及维修管理的科学化与现代化等一系列重要问题，所以受到世界各国研究者的广泛关注。随着工业机组向大型化、复杂化、自动化、柔性化、集成化、智能化、精密化的快速发展，现代企业对机组的故障诊断要求也越来越高。工业机组种类繁多，如发动机、发电机、压缩机、汽轮机、鼓风机、水轮机、电动机、高精度数控机床等，它们在机械、能源、冶金、交通、石化、电力、航空航天等领域中十分关键，由于生产的需要，这些机组长期处于单机、满负荷、高速、连续工作状态，很容易发生故障，一旦发生故障，则很可能导致机组甚至生产过程不能正常运行，从而中断整个生产流程，影响企业的经济效益和社会效益。在大型生产企业中，由于工业机组发生故障而停厂造成的损失在不断地增加，为了能保证这些机组可靠运行，所以有必要对这些机组幵展故障诊断工作，保障机组安全、稳定、优质地运行。工业机组状态监测与故障诊断技术正是应这一要求发展而来，它的基本任务是监测工业机组的运行，并判断机组的状态及诊断故障原因，为工业机组的管理提供指导意见。工业机组状态监测和故障诊断技术包含传感器技术、信号处理、智能识别、电子技术、测试技术、数据库等多方面知识，是一门实际应用背景很强的交叉学科。工业机组故障诊断过程可概况为如图1 -1所示的框图。可以发现工业机组故障诊断过程主要包括信号采集、特征分析与提取、状态诊断及状态分析这几个过程。 1.2国内外研究现状 首先，利用传统的五种时域无量纲指标，应用遗传编程算法，对原始特征进行组合和优化，构建对于工业机组较为常见的轴系、轴承座、齿轮箱等各部件多类型故障对应的新无量纲指标，生成适用于不同类型故障诊断的新无量纲免疫检测器，以满足工业机组不同类型的故障诊断要求；其次，根据个体集中个体的相似程度，把个体集分成若干个子集合，进化特征明显的检测器子集合，从而减少检测器个数，同时保持检测器特征多样性，最后，利用多类无量纲免疫检测器交叉诊断，进行集成诊断，提高故障诊断的准确率。在构建对故障分类性好的无量纲免疫检测器方面：拟采用理论研究、试验机组验证结合的研究方法。首先充分研究机组不同类型的典型故障振动特征信息，在此基础上，针对现有五种无量纲指标尚不能满足机组的故障诊断的情况，构建更多具有分类能力的故障特征。以现有的五个无量纲指标为初始参数，通过对初始参数重新组合和优化，形成新的复合参数，把分类效果作为判断参数优劣程度的准则，获得具有最佳识别能力的优化指标，从而推导出能满足不同类型的故障诊断要求的新无量纲免疫检测器，在各类无量纲免疫检测器中提炼出能满足故障诊断要求的优秀检测器。在集成诊断方面：针对检测器训练及故障特征提取中，必须进行约简、聚类处理而丢失部分有用信息的不足，拟研究用集成诊断的方法，提高机组故障诊断的准确率。本课题的创新之处在于通过遗传编程构建了一些对工业机组典型故障分类性好的新时域无量纲指标，将人工免疫系统原理与新时域无量纲指标有机结合，生成多个无量纲免疫检测器，用多无量纲免疫检测器进行集成诊断的智能诊断技术取代人工诊断，实现工业机组的实时在线准确诊断。 第二章工业机组故障诊断技术 2. 1传统故障诊断技术 工业机组的状态信息是进行机组状态监测的前提，其类型的选择对机组的状态监测与故障诊断至关重要。然而，不同类型的状态信息对不同机组的状态反映程度不尽相同，在监测时要尽量选取能够反映对象状态特征的状态信息，工业机组主要的诊断技术见表2-1所示。振动信号的采集是机组状态监测与故障诊断技术中的底层的工作，对机组进行状态监测与故障诊断时，必须先要对机组的各种物理量进行数据采集，从测振传感器获得的信息通常为模拟信号，模拟信号通过模数转换(A/D)转换成数字信号，最后将得到的数字信号送入计算机进行处理。振动信号中携带着人们需要的有用信息，同时也包含人们不感兴趣的信息，后者常称为干扰噪声，因此在振动信号采集之前，我们要对信号作预处理，信号预处理就是排除信号中不能反映机组故障部位症状的多余信号，其目的是改变信号的形式，削弱机组信号中的冗余内容，滤除混杂在信号中的噪声千扰，将信号变成易于识别的形式以便于提取它的特征值等。振动信号的釆集过程流程如图2-1所示，流程图中涉及到了三个过程：釆样过程，量化过程和A/D转换过程。釆样过程就是将模拟信号等分为一系列间隔为A/的时间离散信号加以采集，量化过程就是再将这些离散信号的幅值加以修约为某些规定的量级，A/D转换过程就是将这些时间和幅值都不连续的离散信号编码成一段二进制序列。在上述传统的诊断方法的基础上，将人工智能的理论和方法用于故障诊断，发展智能化的诊断方法，是故障诊