基于改進神經(jīng)網(wǎng)絡的風機故障監(jiān)控與診斷系統(tǒng)研究.pdf

1、風機是一種通過機械能提高氣體壓力并進行氣體傳送的裝置，廣泛應用于人類生產(chǎn)、生活所涉及到的各個領域。當風機發(fā)生故障時會直接影響到工業(yè)生產(chǎn)以及日常生活，造成重大的經(jīng)濟損失甚至人員傷亡。
　　隨著人工智能與物聯(lián)網(wǎng)技術的發(fā)展，建立具有提前預警和快速診斷的風機實時監(jiān)控系統(tǒng)，可以有效減少上述損失，但在實際調研中發(fā)現(xiàn)，即便是國內頂尖的風機企業(yè)都尚未將風機監(jiān)控與診斷系統(tǒng)投入實用或仍處于僅對風機時域信號進行采集監(jiān)測而未分析診斷的階段。因此，提升現(xiàn)有

2、神經(jīng)網(wǎng)絡對真實工況下的故障識別率并開發(fā)出一套具有實際效用的風機故障監(jiān)控與診斷系統(tǒng)則顯得十分有必要。
　　本文針對用于地鐵通風的PYHL-14A型軸流風機，選取合適的神經(jīng)網(wǎng)絡與對應的優(yōu)化算法相結合獲得改進神經(jīng)網(wǎng)絡，并以MATLAB為平臺，建立包括信號特征提取、模式訓練、故障識別和自學習等一整套功能的風機故障診斷系統(tǒng)。此外，還建立了風機故障實驗平臺進行故障信號收集與對應故障庫的建立。本論文主要工作與成果如下:
　　1、通過大量的

3、文獻調研，對BP神經(jīng)網(wǎng)絡、SVM支持向量機以及ELM極限學習機進行對比分析，選取最適合用于本文系統(tǒng)的故障分類神經(jīng)網(wǎng)絡。此外，對遺傳算法(GA)、粒子群算法(PSO)以及布谷鳥算法(CS)進行對比分析，選取其中最優(yōu)異的算法用于神經(jīng)網(wǎng)絡結構的改進。經(jīng)過分析研究，首次提出了基于ELM-CS改進神經(jīng)網(wǎng)絡建立風機故障識別系統(tǒng)，其效果與未進行優(yōu)化的神經(jīng)網(wǎng)絡相比在故障識別成功率上提高了2％，其中轉子不對中故障與基座松動故障識別率分別提高了4.2％與4

4、.1％。
　　2、建立PYHL-14A型風機故障診斷系統(tǒng)并對該系統(tǒng)的整體架構與故障診斷系統(tǒng)進行介紹。此外，本文還對本系統(tǒng)各模塊進行詳細介紹，并對本風機故障診斷系統(tǒng)進行了故障預警與診斷演示。其中，該系統(tǒng)所擁有的自學習功能使得該系統(tǒng)可以通過傳感器進行相關參數(shù)的采集以豐富故障庫，并基于此進行系統(tǒng)的自學習與升級，從而讓本系統(tǒng)更加適合應用于工程實際中。
　　3、針對PYHL-14A型風機本文首次搭建了故障研究平臺進行實驗數(shù)據(jù)的測量。詳