發(fā)布時間：2017-06-01 23:10

  本文關鍵詞：AOD爐噴濺計量預報分析儀信息融合方法研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：噴濺是煉鋼行業(yè)久治不愈的頑疾,威脅工人生命安全,破壞生產(chǎn)環(huán)境并造成嚴重經(jīng)濟損失。作為國家支柱行業(yè),鋼鐵生產(chǎn)成本居高不下、產(chǎn)能過剩、高污染、高耗能已成為亟待整治的現(xiàn)實問題。而對噴濺預報分析技術的研究必然會對上述問題的緩解甚至根除發(fā)揮極大作用。本文基于AOD爐噴濺預報分析的多傳感器信息融合方法研究,根據(jù)現(xiàn)場采集到的發(fā)生噴濺爐次的爐口音頻信號、爐口火焰圖像及爐體振動信號進行時頻域分析總結,最后提出了一種基于特征層融合的BP神經(jīng)網(wǎng)絡融合方法。根據(jù)大量實驗校正,證明該方法可以準確完成噴濺預報。最后設計了基于LabVIEW的噴濺預報界面,提供了一種對噴濺預報及分析研究的軟件平臺。首先確定了特征層數(shù)據(jù)融合的融合結構,然后提取有效的噴濺預報特征信號。針對一維聲音及振動信號,本文將其分為正常冶煉信號及噴濺前信號。首先對比分析它們的FFT頻譜,比較出兩者的整體頻率特征；然后進行時域小波包頻譜分析,觀察它們的時頻變化特性；然后根據(jù)上面的分析結果,選擇具有噴濺預報特征的頻譜,采用db10小波包對其進行三、四層小波包分解,進一步對比分析它們每個頻段的能量值、FFT的不同；最后根據(jù)分析結果確定一組可以完全區(qū)分噴濺信號和正常信號的特征向量,本文根據(jù)大量實驗數(shù)據(jù)分析得出的每種信號的噴濺特征向量都不盡相同。每路信號最終都得到一組噴濺特征值和預報分析閾值,通過分析比較實時信號特征向量值與噴濺預報特征值的相似度及預報分析閾值的大小,便可以實現(xiàn)提前預報的效果。對二維信號圖像的分析處理,采用圖像識別技術,分析方法與一維信號類似。最終提取出可以完成準確預報的噴濺預報特征向量及閾值。然后根據(jù)提取的噴濺預報向量值進行融合算法研究,最終確定基于BP神經(jīng)網(wǎng)絡的融合算法,并將預報等級分為四個預報級別。首先將四種噴濺預報特征信號的相似度值作為輸入信號,并根據(jù)實際發(fā)生噴濺情況的嚴重性分為三種,并且分別定義它們的輸出為四級噴濺。最后根據(jù)一種BP網(wǎng)絡進行網(wǎng)絡訓練,并根據(jù)訓練后的網(wǎng)絡實行實際值訓練,結果表明該網(wǎng)絡完全可以完成噴濺預報的任務。最后本文設計了一種基于LabVIEW軟件編程的噴濺預報軟件界面設計,并介紹了該預報平臺的主要功能,包括數(shù)據(jù)采集、存儲、波形回放以及實時預報等功能。并且實現(xiàn)了噴濺強度等級的劃分及計量,達到了論文研究的目的,提供了一種對噴濺預報及分析研究的軟件平臺。
【關鍵詞】：AOD爐 多傳感器融合 噴濺 小波 LabVIEW
【學位授予單位】：長春工業(yè)大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：TF748;TP202
【目錄】：

• 摘要2-3
• Abstract3-7
• 第一章 緒論7-12
• 1.1 課題研究來源及意義7-8
• 1.1.1 課題來源7
• 1.1.2 論文研究意義7-8
• 1.2 AOD爐噴濺的機理分析8-9
• 1.3 噴濺預報發(fā)展現(xiàn)狀與趨勢9-10
• 1.4 論文主要內容10-12
• 第二章 AOD爐噴濺預報系統(tǒng)總體設計12-18
• 2.1 總體設計原理12
• 2.2 檢測系統(tǒng)設計12-16
• 2.2.1 音頻信號檢測系統(tǒng)12-14
• 2.2.2 振動信號檢測系統(tǒng)14-15
• 2.2.3 火焰圖像采集系統(tǒng)15
• 2.2.4 研華數(shù)據(jù)采集卡(PCI-1716)15-16
• 2.3 上位機信號采集顯示界面16-17
• 2.4 本章小結17-18
• 第三章 噴濺預報特征信息識別及算法研究18-38
• 3.1 小波包分析理論18-20
• 3.2 爐口音頻信號噴濺特征信息提取20-28
• 3.2.1 對小波包重構信號FFT分析時實際的頻率值得選取21-23
• 3.2.2 音頻信號各小波包能量比例計算23-27
• 3.2.3 小波包濾波法對現(xiàn)場干擾信號的濾波效果27
• 3.2.4 噴濺預報特征提取及驗證27-28
• 3.3 爐體振動信號的噴濺特征信息提取28-34
• 3.3.1 垂直振動信號的噴濺特征提取29-33
• 3.3.2 水平振動信號的噴濺特征提取33-34
• 3.4 爐口火焰圖像噴濺特征信息提取34-36
• 3.4.1 圖像特征參數(shù)介紹及計算公式35-36
• 3.4.2 火焰圖像的噴濺特征值選取36
• 3.5 本章小結36-38
• 第四章 基于噴濺特征信息的特征層數(shù)據(jù)融合算法研究38-47
• 4.1 多傳感器數(shù)據(jù)融合技術簡介38-41
• 4.1.1 數(shù)據(jù)融合結構的基本原理38-39
• 4.1.2 數(shù)據(jù)融合的基本結構選擇39-40
• 4.1.3 多傳感器融合方法40
• 4.1.4 多傳感器融合時間同步問題40-41
• 4.2 BP神經(jīng)網(wǎng)絡算法41-44
• 4.2.1 BP神經(jīng)網(wǎng)絡簡介41-42
• 4.2.2 BP網(wǎng)絡算法公式推導42-43
• 4.2.3 BP網(wǎng)絡的改進43-44
• 4.3 基于特征層融合與BP網(wǎng)絡結合算法的訓練及仿真44-46
• 4.3.1 BP神經(jīng)網(wǎng)絡訓練44-45
• 4.3.2 BP神經(jīng)網(wǎng)絡測試45-46
• 4.4 本章小結46-47
• 第五章 噴濺預報軟件界面設計47-53
• 5.1 LabVIEW中調用MATLAB47-48
• 5.2 噴濺預報軟件界面48-52
• 5.3 本章小結52-53
• 第六章 總結與展望53-55
• 致謝55-56
• 參考文獻56-59
• 作者簡介59
• 攻讀碩士學位期間研究成果59-60

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 蔣曉放,劉春華,謝良德;寶鋼300t轉爐音平控渣技術的開發(fā)與應用[J];寶鋼技術;2000年02期

2 王剛;張志禹;;多傳感器數(shù)據(jù)融合的研究現(xiàn)狀[J];電測與儀表;2006年02期

3 汪明清;朱衛(wèi)東;;小波包分析在超高頻檢測變壓器局部放電中的應用[J];電工技術;2007年07期

4 李明月;曹璽;姜艷華;;AOD爐濺渣護爐噴槍槍位自動控制專家系統(tǒng)[J];儀器儀表用戶;2008年06期

5 胡志剛,劉瀏,何平,譚明祥;150t轉爐利用爐氣分析進行噴濺預報及控制[J];鋼鐵;2004年02期

6 張坤;劉玉晶;王鴻飛;;淺析轉爐噴濺的形成原因[J];黑龍江科技信息;2009年28期

7 王三忠;李文山;呂亞;;轉爐煉鋼噴濺的控制及預防措施[J];河南冶金;2009年04期

8 陳嘉穎;轉爐造渣過程檢測的聲學原理及應用[J];鋼鐵研究學報;1999年03期

9 劉華;于向軍;呂震中;武廣富;;全爐膛火焰圖像特征參數(shù)提取算法[J];江蘇電機工程;2007年03期

10 馬平;呂鋒;杜海蓮;王瑞;牛成林;;多傳感器信息融合基本原理及應用[J];控制工程;2006年01期

中國碩士學位論文全文數(shù)據(jù)庫 前8條

1 李安新;BP神經(jīng)網(wǎng)絡研究與硬件實現(xiàn)[D];山東科技大學;2010年

2 葛泉波;多傳感器數(shù)據(jù)融合及其在過程監(jiān)控中的應用[D];河南大學;2005年

3 杜晶晶;熱噴涂涂層厚度的超聲無損檢測方法研究[D];北京工業(yè)大學;2008年

4 高曉清;基于多傳感器信息融合的柴油發(fā)動機故障診斷研究[D];中北大學;2008年

5 沈如防;神經(jīng)網(wǎng)絡規(guī)則提取及其在轉子故障診斷中的應用研究[D];南京航空航天大學;2008年

6 吳濤;基于小波分析的齒輪箱故障的無損檢測[D];西安科技大學;2012年

7 郭鳳濤;基于多傳感器融合的AOD爐噴濺計量方法及預報技術研究[D];長春工業(yè)大學;2013年

8 王祥;基于BP神經(jīng)網(wǎng)絡提高霍爾電流傳感器測量精度的研究[D];東華大學;2014年

  本文關鍵詞：AOD爐噴濺計量預報分析儀信息融合方法研究，由筆耕文化傳播整理發(fā)布。

本文編號：413700