氧化鋁燒結窯排煙風機信息融合故障診斷方法與系統(tǒng)研究.pdf

1、排煙風機是國民經(jīng)濟建設中不可缺少的關鍵設備，對其進行故障診斷方法的研究具有重要意義。當前排煙風機故障診斷手段主要是頻譜診斷，隨著智能診斷技術的發(fā)展，相繼出現(xiàn)了針對單個領域的診斷專家系統(tǒng)，如轉子故障診斷系統(tǒng)、電機故障診斷系統(tǒng)等，但由于排煙風機結構差異、環(huán)境惡劣等因素的影響，特別是在冶金、礦山等惡劣環(huán)境，診斷效果較差，為了提高排煙風機監(jiān)測與故障診斷的準確性，本文作者綜合運用信息融合理論、提升小波信號預處理方法、盲源分離故障診斷方法、BP-A

2、RT2神經(jīng)網(wǎng)絡故障診斷、多專家協(xié)同診斷理論等先進理論和算法，對多傳感器信息在多層結構上進行多診斷方法的信息融合，并在理論研究的基礎上，開發(fā)了排煙風機運行狀態(tài)監(jiān)測與故障診斷微機集中式和DSP分布式兩種系統(tǒng)。 信號預處理方法中，在提升小波信號分析的基礎上，設計了改進型小波去噪閾值函數(shù)和平滑遞變的自適應提升小波函數(shù)，提出了基于信號局部特征的自適應提升小波信號去噪方法，該方法在大型排煙風機故障信號去噪處理中取得了良好的應用效果。

3、 在故障源數(shù)不確定情況下的動態(tài)源數(shù)估計中設計了引入拓展四階累積量矩陣的盲源分離動態(tài)源數(shù)估計算法，并研究了根據(jù)源數(shù)與傳感器數(shù)的關系（正定、超定、欠定），選擇相應分離算法的自適應盲源分離故障診斷方法，該方法在數(shù)據(jù)融合層面能有效地識別和診斷排煙風機動態(tài)故障。 在特征融合層，研究了綜合BP網(wǎng)絡與ART2自適應共振網(wǎng)絡二者優(yōu)點的改進型BP-ART2神經(jīng)網(wǎng)絡故障診斷方法，在ART2結構的輸入層增加非線性映射隱層，通過非線性映射降低輸入特征的

4、維數(shù)，從而提高ART2神經(jīng)網(wǎng)絡的診斷效率。在故障聚類中，提出了ART2警戒閾值的局部自適應調整算法，對每個聚類設置各自的警戒閾值，并根據(jù)聚類結果與期望值的誤差來調整隱層映射權值；在聚類評判指標上，采用雙重評判指標，將信號與相應聚類中心的幅值差，與警戒閾值一起作為判斷聚類的評判指標，當兩者同時滿足時聚類成功。從而提高了排煙風機故障診斷的效率和準確性。 針對排煙風機轉子故障診斷、電氣故障診斷以及機電耦合故障診斷等各種診斷方法，在排煙

5、風機機械診斷與電氣診斷的基礎上，研究了綜合時域診斷與頻域診斷相融合、機械診斷與電氣診斷相融合的黑板型多專家協(xié)同診斷系統(tǒng)，實現(xiàn)了機械與電氣雙重角度的故障診斷。并將多專家診斷黑板結構按照診斷邏輯劃分為8個信息層，分別包含相應的診斷條件、診斷方法和診斷結論，并建立了相應的黑板監(jiān)督機制，設計了多專家融合診斷算法。 在決策融合層，模仿診斷專家綜合考慮多個傳感器診斷信息，設計了多傳感器加權激勵融合方法，實現(xiàn)多個傳感器診斷結果相互比較與應證，

6、根據(jù)兩兩傳感器診斷故障之間的相關加權激勵系數(shù)矩陣，分析各故障的相互激勵與增強程度，計算加權融合結果，最后將所有兩兩傳感器加權融合結果進行綜合融合并歸一化，得出多傳感器故障融合診斷結果。并對多種診斷方法得到的局部診斷結果，采用D-S證據(jù)理論決策融合得到全局診斷結論。 在本文所研究的信號處理與故障診斷方法的基礎上，結合排煙風機的力學分析與針對現(xiàn)場干擾信號的信號處理以及故障診斷的要求，研究開發(fā)了排煙風機運行狀態(tài)監(jiān)測與故障診斷微機集中式