本文關(guān)鍵詞：基于支持向量機的乳化器故障診斷系統(tǒng)的研究

  更多相關(guān)文章： 乳化炸藥 故障診斷 支持向量機 Libsvm

【摘要】：炸藥性能的發(fā)展給人類生產(chǎn)發(fā)展帶來了極大的推動作用,大大縮短了開發(fā)工業(yè)工程所需要的時間,被廣泛應(yīng)用于礦山開采,道路建設(shè)等領(lǐng)域。炸藥性能的發(fā)展也給生產(chǎn)安全帶來了更嚴苛的要求,但是近年來還是發(fā)生了一些嚴重的安全事故,帶來了財產(chǎn)的損失和人員的傷亡。隨著現(xiàn)代工業(yè)技術(shù)的發(fā)展,炸藥生產(chǎn)線的自動化程度也越來越高,需要用新的思路和方法來考慮乳化炸藥生產(chǎn)線的安全監(jiān)控問題。基于支持向量機的故障診斷是當前研究的一個熱點方向,本文把基于支持向量機的故障診斷應(yīng)用到乳化炸藥生產(chǎn)線上。本文綜合參考乳化炸藥生產(chǎn)線故障發(fā)生原因后,選擇占故障源較多的乳化器為研究對象。研究方法選用了在小樣本條件下具有良好的學習能力的支持向量機(SVM),它可以較好地實現(xiàn)對線性、非線性樣本數(shù)據(jù)的學習和分類,在故障診斷應(yīng)用中具有獨特優(yōu)勢,綜上所述,提出了基于支持向量機的乳化器故障診斷系統(tǒng)的研究。本文主要工作內(nèi)容如下:。(1)了解工廠已有油包水型乳化炸藥生產(chǎn)線的生產(chǎn)工藝原理和流程,重點關(guān)注容易出故障的乳化器設(shè)備。在此基礎(chǔ)上,分析乳化器結(jié)構(gòu)機理,研究常見的故障類型和故障特點。根據(jù)研究對象的特點,選擇乳化器的振動信號為故障檢測信號。(2)比較多種機械故障診斷方法后,結(jié)合乳化器故障特點和支持向量機對故障樣本的需求量較小的特點,提出基于支持向量機的乳化器故障診斷系統(tǒng)來對故障進行檢測和診斷。選擇局域均值分解方法分解振動信號求取特征值,檢測軟件選擇應(yīng)用已經(jīng)成熟的Libsvm軟件。(3)根據(jù)現(xiàn)有乳化炸藥生產(chǎn)線的軟硬件基礎(chǔ),重新搭建診斷系統(tǒng)的模型。硬件平臺對振動傳感器、信號變送器、上位機和PLC的選型做了詳細的介紹和分析。軟件平臺利用VB程序連接Matlab程序、組態(tài)王程序、以及PLC程序,完成軟硬件之間的通訊連接。(4)基于乳化器振動的特點,選取合適的故障特征數(shù)據(jù)作為研究對象。軟件完成對SVM最優(yōu)核函數(shù)和核參數(shù)的選擇和模型的建立。用VB軟件建立故障診斷的系統(tǒng),設(shè)計測試平臺界面,完成系統(tǒng)的實現(xiàn)。仿真測試結(jié)果證明了該診斷系統(tǒng)的有效性。論文最后對研究工作和內(nèi)容做了總結(jié),提出了進一步研究的方向。
【關(guān)鍵詞】：乳化炸藥 故障診斷 支持向量機 Libsvm
【學位授予單位】：杭州電子科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TQ560.5;TP18
【目錄】：

• 摘要5-6
• ABSTRACT6-11
• 第一章 緒論11-18
• 1.1 課題來源11-12
• 1.2 故障診斷技術(shù)的概述12-14
• 1.2.1 機械故障診斷技術(shù)的目的12
• 1.2.2 機械故障診斷技術(shù)的發(fā)展12-13
• 1.2.3 故障診斷技術(shù)的未來趨勢13-14
• 1.3 支持向量機(SVM)在故障診斷中的應(yīng)用14-16
• 1.3.1 支持向量機的發(fā)展歷史14
• 1.3.2 支持向量機的優(yōu)點和問題14-15
• 1.3.3 支持向量機在故障診斷中的研究現(xiàn)狀15-16
• 1.4 論文的研究目的和主要內(nèi)容16-18
• 1.4.1 論文的目的16
• 1.4.2 論文的主要內(nèi)容16-18
• 第二章 乳化器故障特征分析及故障診斷方案18-33
• 2.1 乳化炸藥生產(chǎn)線的工藝流程18-20
• 2.1.1 原料配置工藝19
• 2.1.2 連續(xù)乳化工藝19-20
• 2.1.3 冷卻環(huán)節(jié)20
• 2.1.4 敏化環(huán)節(jié)20
• 2.2 乳化器的選型20-22
• 2.3 乳化器故障機理及振動特征22-29
• 2.3.1 轉(zhuǎn)子不平衡故障機理及特征23-24
• 2.3.2 轉(zhuǎn)子不對中的故障機理及特征24-26
• 2.3.3 軸承故障機理及特征26-29
• 2.3.4 轉(zhuǎn)子摩擦故障29
• 2.4 故障特征信號的提取29-31
• 2.5 乳化器故障診斷系統(tǒng)的設(shè)計方案31-32
• 2.6 本章小結(jié)32-33
• 第三章 支持向量機方法的研究33-47
• 3.1 統(tǒng)計學習和SVM基本理論33-37
• 3.1.1 機器學習33-34
• 3.1.2 統(tǒng)計學習34-35
• 3.1.3 VC維和推廣型的界35-36
• 3.1.4 結(jié)構(gòu)風險最小化原則36-37
• 3.2 支持向量機37-40
• 3.2.1 線性可分支持向量機37-39
• 3.2.2 廣義線性支持向量機39-40
• 3.3 核函數(shù)40-41
• 3.4 支持向量機的訓練方法41-43
• 3.5 基于支持向量機的故障診斷系統(tǒng)的實驗分析43-46
• 3.6 本章小結(jié)46-47
• 第四章 故障診斷系統(tǒng)的設(shè)計47-55
• 4.1 故障診斷系統(tǒng)硬件結(jié)構(gòu)設(shè)計47-52
• 4.1.1 故障診斷系統(tǒng)設(shè)計47
• 4.1.2 故障診斷系統(tǒng)設(shè)計的基本原則47-48
• 4.1.3 振動傳感器的選型48-49
• 4.1.4 振動信號變送器49-50
• 4.1.5 PLC型號選擇50-51
• 4.1.6 上位機硬件平臺51-52
• 4.1.7 硬件系統(tǒng)安裝要求52
• 4.2 系統(tǒng)軟件設(shè)計52-54
• 4.2.1 診斷系統(tǒng)的軟件設(shè)計52-53
• 4.2.2 診斷系統(tǒng)的軟件工具53-54
• 4.3 本章小結(jié)54-55
• 第五章 故障診斷系統(tǒng)的參數(shù)選優(yōu)與系統(tǒng)建立55-66
• 5.1 構(gòu)造SVM分類模型55-57
• 5.1.1 核函數(shù)的選取55-56
• 5.1.2 核參數(shù)的選取56
• 5.1.3 SVM工具軟件的選擇56-57
• 5.1.4 SVM分類方法的選擇57
• 5.1.5 SVM訓練算法的選擇57
• 5.2 SVM分類訓練57-59
• 5.2.1 樣本分類和參數(shù)選擇57-58
• 5.2.2 分類算法的測試58-59
• 5.3 故障診斷系統(tǒng)的軟件設(shè)置和界面設(shè)計59-64
• 5.3.1 組態(tài)王的變量設(shè)置59-60
• 5.3.2 組態(tài)王和數(shù)據(jù)庫的連接60
• 5.3.3 VB軟件對Matlab的調(diào)用60
• 5.3.4 界面設(shè)計60-64
• 5.4 仿真測試64-65
• 5.5 本章總結(jié)65-66
• 第六章 結(jié)論與展望66-68
• 6.1 全文總結(jié)66-67
• 6.2 研究展望67-68
• 致謝68-69
• 參考文獻69-72
• 附錄A72-73
• 附錄B73-74

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 呂德衍;王越勝;;故障樹分析法在乳化器爆炸故障診斷中的應(yīng)用[J];機電工程;2009年03期

2 張翠英;吳龍祥;王永斌;;新型高效乳化器的研制及應(yīng)用[J];爆破器材;2010年05期

3 苗濤;張春燕;陳新高;;乳化器振動監(jiān)測技術(shù)的應(yīng)用[J];煤礦爆破;2011年02期

4 徐海軍;黃河新;尹良勝;;一種敞開無密封、安全、高效一級連續(xù)乳化器的結(jié)構(gòu)參數(shù)的研究[J];爆破器材;2013年05期

5 陳飛,肖才榕;乳化器中攪拌結(jié)構(gòu)及參數(shù)對乳化作用的影響[J];爆破器材;2002年04期

6 楊濤;賀國強;周曉明;李音;劉根凡;黃樹紅;;炸藥生產(chǎn)線乳化器振動分析[J];振動、測試與診斷;2007年04期

7 王貴滿;陳崗;周康波;;大產(chǎn)能敞開式乳化器的設(shè)計[J];煤礦爆破;2012年04期

8 段仁君;張小友;;乳化器的實時監(jiān)測及安全保護系統(tǒng)[J];采礦技術(shù);2014年02期

9 談選民;;乳化炸藥乳化器的摩擦升溫危險性分析與防范措施[J];江蘇冶金;2007年04期

10 王越勝;呂德衍;;振動監(jiān)測技術(shù)在乳化器故障診斷中的應(yīng)用[J];中國礦業(yè);2009年08期

中國重要報紙全文數(shù)據(jù)庫 前1條

1 李曄;試車奪去了13條人命[N];中國化工報;2004年

中國碩士學位論文全文數(shù)據(jù)庫 前6條

1 吳子建;基于支持向量機的乳化器故障診斷系統(tǒng)的研究[D];杭州電子科技大學;2016年

2 陸康健;基于遺傳算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的乳化器故障預(yù)警系統(tǒng)的研究[D];杭州電子科技大學;2016年

3 呂德衍;振動信號分析在乳化器故障診斷中的應(yīng)用研究[D];杭州電子科技大學;2010年

4 張建華;基于數(shù)據(jù)驅(qū)動的乳化器故障診斷系統(tǒng)的研究[D];杭州電子科技大學;2014年

5 彭雯;乳化炸藥生產(chǎn)線乳化器溫度智能控制[D];中南大學;2009年

6 張躍華;GX-1型隨機乳化器在N485Q直噴柴油機上節(jié)能降污的試驗研究[D];廣西大學;2001年

，

本文編號：693994