本文關(guān)鍵詞：基于Fuzzy ART神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機故障診斷研究

  更多相關(guān)文章： 煤層氣 往復(fù)式壓縮機 Fuzzy ART 神經(jīng)網(wǎng)絡(luò) 故障診斷

【摘要】：往復(fù)式壓縮機在石油、化工、機械等領(lǐng)域都起到關(guān)鍵性的作用,然而由于往復(fù)式壓縮機結(jié)構(gòu)復(fù)雜、易損件多等原因,在運行和生產(chǎn)過程中不可避免的要發(fā)生一些故障,嚴重時還可能會造成人員傷亡的事故,因此在第一時間發(fā)現(xiàn)并排除壓縮機故障是非常必要的。本文在這個前提下提出了基于改進的模糊自適應(yīng)諧振理論神經(jīng)網(wǎng)絡(luò)算法的壓縮機故障診斷方法,并設(shè)計了往復(fù)式壓縮機實時監(jiān)測與故障診斷平臺。 首先本文分析了往復(fù)式壓縮機經(jīng)常發(fā)生的故障,并對各類故障附帶的故障現(xiàn)象做了深入的分析和研究,總結(jié)出各故障類與故障現(xiàn)象之間的對應(yīng)關(guān)系。 然后針對往復(fù)式壓縮機的故障特點提出了一種基于Fuzzy ART神經(jīng)網(wǎng)絡(luò)算法的壓縮機故障診斷方法。以往在處理大樣本數(shù)據(jù)分類時Fuzzy ART神經(jīng)網(wǎng)絡(luò)會發(fā)生連接權(quán)值“飽和”問題。針對這一缺陷,本文提出了一種改進的Fuzzy ART神經(jīng)網(wǎng)絡(luò)算法,不僅避免了連接權(quán)值“飽和”問題,同時保證了網(wǎng)絡(luò)的穩(wěn)定性。 接著對DF-5/10-40型往復(fù)式活塞壓縮機運行參數(shù)進行特征參數(shù)的提取與歸一化,運用改進的Fuzzy ART神經(jīng)網(wǎng)絡(luò)對煤層氣增壓站壓縮機故障的實例數(shù)據(jù)進行故障診斷仿真。與普通的Fuzzy ART神經(jīng)網(wǎng)絡(luò)診斷結(jié)果進行比較,驗證出改進的Fuzzy ART神經(jīng)網(wǎng)絡(luò)故障診斷精度較傳統(tǒng)算法明顯提高,更適合投入到實際運行和生產(chǎn)使用中以準(zhǔn)確排除故障,提高生產(chǎn)質(zhì)量。 最后以改進的Fuzzy ART神經(jīng)網(wǎng)絡(luò)算法為核心,在.NET平臺上設(shè)計了往復(fù)式壓縮機實時監(jiān)測與故障診斷平臺,實現(xiàn)了往復(fù)式壓縮機重要熱力性能參數(shù)的在線監(jiān)測與壓縮機的故障診斷。
【關(guān)鍵詞】：煤層氣 往復(fù)式壓縮機 Fuzzy ART 神經(jīng)網(wǎng)絡(luò) 故障診斷
【學(xué)位授予單位】：大連理工大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2014
【分類號】：TH45;TP183
【目錄】：

• 摘要4-5
• Abstract5-8
• 1 緒論8-14
• 1.1 研究背景及研究意義8
• 1.2 往復(fù)式壓縮機實時狀態(tài)監(jiān)測與故障診斷方法8-13
• 1.2.1 早期的往復(fù)式壓縮機故障診斷方法9-10
• 1.2.2 基于人工智能的往復(fù)式壓縮機故障診斷方法10-12
• 1.2.3 本文提出的往復(fù)式壓縮機故障診斷方法12-13
• 1.3 本文內(nèi)容簡單介紹13-14
• 2 往復(fù)式壓縮機基本結(jié)構(gòu)與工作過程14-18
• 2.1 往復(fù)式壓縮機的基本結(jié)構(gòu)14-15
• 2.2 往復(fù)式壓縮機的工作過程15-18
• 3 往復(fù)式壓縮機的故障分析18-25
• 3.1 往復(fù)式壓縮機主要故障類型18-20
• 3.2 基于機械性能判斷的往復(fù)式壓縮機故障診斷20
• 3.3 基于熱力性能判斷的往復(fù)式壓縮機故障診斷20-22
• 3.4 往復(fù)式壓縮機故障類型與熱力性能參數(shù)關(guān)系22-23
• 3.5 本章小結(jié)23-25
• 4 基于Fuzzy ART神經(jīng)網(wǎng)絡(luò)的往復(fù)式壓縮機故障診斷25-39
• 4.1 Fuzzy ART神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)25-26
• 4.2 Fuzzy ART神經(jīng)網(wǎng)絡(luò)工作原理26
• 4.3 Fuzzy ART神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法26-27
• 4.4 改進的Fuzzy ART神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法27-29
• 4.4.1 Fuzzy ART神經(jīng)網(wǎng)絡(luò)的訓(xùn)練算法的不足27-28
• 4.4.2 改進的Fuzzy ART神經(jīng)網(wǎng)絡(luò)訓(xùn)練算法28-29
• 4.5 Fuzzy ART與改進Fuzzy ART用于往復(fù)式活塞壓縮機故障診斷29-39
• 4.5.1 往復(fù)式活塞壓縮機特征參數(shù)的提取與歸一化29-32
• 4.5.2 基于Fuzzy ART的壓縮機故障診斷的實驗仿真32-36
• 4.5.3 基于改進的Fuzzy ART的壓縮機故障診斷的實驗仿真36-37
• 4.5.4 改進的Fuzzy ART與Fuzzy ART故障診斷精度比較37-39
• 5 往復(fù)式壓縮機在線監(jiān)測與故障診斷平臺設(shè)計39-52
• 5.1 監(jiān)測與故障診斷平臺需求分析39
• 5.2 壓縮機數(shù)據(jù)采集與傳輸39-41
• 5.3 壓縮機數(shù)據(jù)接收與存儲41-42
• 5.4 壓縮機在線監(jiān)測與故障診斷平臺數(shù)據(jù)庫設(shè)計42-45
• 5.5 壓縮機在線監(jiān)測與故障診斷平臺功能模塊介紹45-51
• 5.5.1 用戶登錄注冊模塊45-47
• 5.5.2 實時數(shù)據(jù)顯示模塊47
• 5.5.3 歷史數(shù)據(jù)查詢模塊47-49
• 5.5.4 壓縮機故障診斷模塊49-51
• 5.6 本章小結(jié)51-52
• 結(jié)論52-54
• 參考文獻54-56
• 攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況56-57
• 致謝57-58

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 潘紫微,徐金梧;一種用于模式分類有監(jiān)督的模糊ART神經(jīng)網(wǎng)絡(luò)[J];北京科技大學(xué)學(xué)報;2000年03期

2 陳遵德;人工神經(jīng)網(wǎng)絡(luò)在油層識別中的應(yīng)用[J];大慶石油地質(zhì)與開發(fā);1994年03期

3 張偉男;唐倫;陳前斌;張溢華;;基于3G傳輸?shù)囊曨l監(jiān)控系統(tǒng)的后臺設(shè)計[J];電視技術(shù);2008年11期

4 黃建軍,趙榮椿;基于模糊ART的圖像分割[J];電子學(xué)報;2001年05期

5 趙榮珍;黃義仿;張力;張優(yōu)云;;旋轉(zhuǎn)機械智能故障診斷技術(shù)的發(fā)展趨勢[J];蘭州理工大學(xué)學(xué)報;2008年05期

6 吳軍超;;往復(fù)活塞式壓縮機常見故障的分析[J];化工裝備技術(shù);2007年04期

7 馬莉;陳衛(wèi)民;;油液分析在往復(fù)式壓縮機故障診斷中的應(yīng)用[J];石油和化工設(shè)備;2008年01期

8 王天順,陳榮江;模糊聯(lián)想記憶神經(jīng)網(wǎng)絡(luò)[J];焦作工學(xué)院學(xué)報(自然科學(xué)版);2000年02期

9 宋彤,孫增國,馮沖;神經(jīng)網(wǎng)絡(luò)和模糊系統(tǒng)在故障診斷中的應(yīng)用[J];計算技術(shù)與自動化;2004年02期

10 衛(wèi)明社;李國勇;;基于模糊神經(jīng)網(wǎng)絡(luò)的船用柴油機智能故障診斷[J];計算機仿真;2007年12期

，

本文編號：1107077