学位论文 > 优秀研究生学位论文题录展示

全断面掘进机状态监测管理系统研究

作　者: 邹烨
导　师: 王宛山
学　校: 东北大学
专　业: 机械制造及其自动化
关键词: 全断面掘进机状态监测故障诊断小波包 BP神经网络
分类号: TU621
类　型: 硕士论文
年　份: 2012年
下　载: 5次
引　用: 0次
阅　读: 论文下载

内容摘要

机械设备状态监测与故障诊断技术是提高设备的安全性、降低事故的损失、减少维护成本、提高经济效益的有效方法。因此,在生产中运用该项技术,可降低设备突发故障的发生和维修费用,给企业带来巨大的经济效益。运用好状态监测与故障诊断,对于提高设备运行安全性,延长设备使用寿命,保障设备的安全、稳定生产,降低维修成本和提高经济效益具有重要意义。随着铁路、水利工程、隧道施工以及地铁施工项目的日渐增多,全断面掘进机的应用也日渐广泛。全断面掘进机机械设备集机、电、液于一体,工作强度大,生产效率自动化程度高,施工工序环环相扣,某一系统部件的损坏即有可能造成整个设备的停机瘫痪,从而影响正常施工进度,甚至会酿成事故。对设备进行状态监测,使故障在萌芽状态时就能够进行有效的维护,不仅能使设备发挥最大潜能,而且能避免事故的发生本文首先简述了全断面掘进机及其他机械设备状态监测管理系统的国内外研究概况和相关的技术方法。通过研究对比,提出了基于LabVIEW的全断面掘进机的状态监测和基于小波包一BP神经网络的全断而掘进机故障诊断方案。同时运用LabVIEW远程通讯模块将获得的数据输送给不在现场的专家从而服务于掘进机的故障诊断。本论文的研究内容包括如下几个部分：(1)分析了全断面掘进机的工作环境的特殊性和虚拟仪器进行状态监测的优越性,构建了基于虚拟仪器的全断面掘进机的状态监测系统模型,并针对全断面掘进机对硬件设备进行了选型。(2)针对从全断面掘进机机构庞大,施工过程中各个部件容易互相影响,提出了对信号进行滤波等预处理方案。提出了基于自相关和FFT变换的掘进机状态初期判断方法。提出了基于小波包变换的确定性特征向量：能量特征向量的提取方法,并验证了这种方法的适用性。(3)研究了现行几种故障诊断的优缺点,提出了小波包变换和BP神经网络诊断方法相结合的设备故障诊断方法。在应用此方法过程中,提出了二次学习影响系数加权法来调整神经网络的权值的方法,证明了这种再次学习的必要性和优越性(4)利用LabVIEW和matlab软件进行了全断面掘进机的状态监测及故障诊断系统的开发。并利用web发布工具对系统进行了网上共享。系统的运行结果验证了本文的理论研究的正确性和技术的可行性。

全文目录

摘要  5-7
Abstract  7-12
第1章绪论  12-24
  1.1 课题的来源与背景  12-14
  1.2 监状态测及故障诊断系统在提高设备可靠性方面的应用  14
  1.3 全断面掘进机简介  14-18
    1.3.1 主要子系统和功能介绍  15-16
    1.3.2 全断面掘进机工作原理  16-17
    1.3.3 全断面掘进机优势  17-18
  1.4 全断面掘进机状态监测研究现状  18-21
    1.4.1 国内研究现状  19-20
    1.4.2 国外研究现状  20-21
  1.5 本课题研究内容和研究意义  21-24
    1.5.1 本课题研究内容  21-22
    1.5.2 本课题研究意义  22-24
第2章基于虚拟仪器的全断面掘进机状态监测方案确立  24-40
  2.1 虚拟仪器概述  24-25
    2.1.1 虚拟仪器简介  24
    2.1.2 虚拟仪器优势  24-25
  2.2 全断面掘进机状态监测系统组成  25-33
    2.2.1 系统硬件组成  26-32
    2.2.2 系统软件组成  32-33
  2.3 监测对象和测点的选择  33-35
    2.3.1 监测对象的选择  33-35
    2.3.2 测点的选择  35
  2.4 状态监测方法的确立  35-36
  2.5 全断面掘进机状态监测模块设计  36-40
第3章基于小波包算法的能量特征向量提取  40-54
  3.1 小波变换  41-45
    3.1.1 连续小波变换  41-42
    3.1.2 离散小波变换  42-43
    3.1.3 多分辨率分析与Mallat算法  43-45
  3.2 小波包算法  45-48
    3.2.1 小波包算法  46-47
    3.2.2 小波包算法优越性  47-48
  3.3 小波包算法的能量特征向量的提取  48-54
    3.3.1 小波包能量向量构造算法  48-49
    3.3.2 应用算例分析  49-54
第4章全断面掘进机故障诊断方案的建立  54-74
  4.1 智能故障诊断常用算法概述  54-55
  4.2 人工神经网络  55-60
    4.2.1 人工神经网络原理  56-57
    4.2.2 人工神经网络特点  57-58
    4.2.3 人工神经网络学习方式  58-60
  4.3 BP神经网络算法在故障诊断中的应用  60-67
    4.3.1 BP神经网络  60
    4.3.2 BP神经网络学习算法  60-65
    4.3.3 BP学习算法实例  65-67
  4.4 二次学习影响系数加权算法  67-74
    4.4.1 算法原理  68-69
    4.4.2 二次加权算法实例  69-74
第5章全断面掘进机状态监测及故障诊断系统开发  74-90
  5.1 系统的功能目标  74
  5.2 基于LabVIEW的全断面掘进机状态监测与故障诊断系统总体设计  74-78
    5.2.1 LabVIEW简介  74-75
    5.2.2 LabVIEW特点  75-76
    5.2.3 LabVIEW的应用  76
    5.2.4 总体设计  76-78
  5.3 运行实例  78-90
    5.3.1 状态监测运行实例  79-83
    5.3.2 故障诊断运行实例  83-87
    5.3.3 远程通讯  87-90
第6章结论与建议  90-92
  6.1 结论  90
  6.2 建议  90-92
参考文献  92-98
致谢  98

全断面掘进机状态监测管理系统研究

内容摘要

全文目录

相似论文