煤自然发火实验台温度控制系统故障诊断研究
|
摘要
随着科学技术不断发展，工业自动化水平日益提高，计算机控制系统越来越多的应用于铁路、煤矿、钢铁、石化等行业，并相继出现了许多大型、技术水平高、功能齐全的复杂系统。这些系统规模大、造价高，一旦出现故障，其后果往往是灾难性的。因此要求这些系统具有较高的安全性和可靠性。在此要求下，故障诊断技术应运而生，这对于提高系统的安全性极为重要。
在煤炭行业中，煤自然发火危害极大，会造成重大经济损失与人员伤亡，因此研究煤自然发火规律性有重大意义。而进行煤自然发火实验可以研究煤自燃原因、自燃升温过程规律性，因此煤自然发火实验系统的正常运行关系重大，本课题研究内容就是对煤自然发火实验台温度控制系统进行故障诊断，预测预报其运行状态趋势。
本课题通过利用灰色系统理论、人工神经网络两种方法来对温度控制系统进行故障诊断研究，针对煤自然发火的某次实验，对此两种方法进行应用，利用灰色预测方法对设备运行状态进行预报，进行简单的故障判断；提出利用神经网络建立扩展信息网，并依据故障诊断策略判定有无故障，如有故障，对温度控制系统的故障传感器进行故障定位及故障信号恢复，利用BP算法对其进行学习，利用MATLAB6.1进行软件实现，最后得出结论。
实例仿真的结果说明这两种方法均具有可行性，故障诊断结果与实际基本相符，仿真精度较高。
With the development of science and technology, the rising of the industry automation, more and more computer control systems are applied in the area such as railway, coal mineral, iron, petrochemical. Many complex systems with high technology and all- round function come into being, hose systems are large-scale and valuable. Once they have the faults, the result is probably disastrous. So those systems must be high secure and well reliable. Under the requirement , fault diagnosis emerge with the tide of the times. It gives many important helps to enhance the security of the control system.
In the area of coal mine, coal spontaneous combustion is very hazardous, it can bring on vast economic loss and human being injury or decease. So it is significant to study the rule of coal spontaneous combustion. And if we carry out coal spontaneous combustion experimentation, we can study the reason of coal spontaneous combustion and the rule in the course of spontaneous combustion raising temperature. So it is very important to undertake normal working of the coal spontaneous combustion experimentation system. The research content of this programer is to carry out fault diagnosis of the coal spontaneous combustion experimentation temperature control system and predict its working condition tendency.
The programmer carries out the research of fault diagnosis on the temperature control system by means of grey system theory and unnatural neural network. Aiming for an
experimentation of coal spontaneous combustion, we apply both methodologies. With the grey predicting method, we predict the behaving condition of the equipment, and carry out simple fault diagnosis. At the same time, we expound the enlarged information net is founded by neural network, resting on the fault diagnosis strategy we conclude that the fault occurs or not. If there is the fault, we must figure out where it is and recover the signal of fault. We take advantage of BP network to learn, and put MATLAB 6.1 to use to software achievement, finally we get the conclusion.
The result of instance emulation demonstrates the both methodologies possess feasibility, the result of fault diagnosis comes up to the fact, the accuracy is high.
在煤炭行业中，煤自然发火危害极大，会造成重大经济损失与人员伤亡，因此研究煤自然发火规律性有重大意义。而进行煤自然发火实验可以研究煤自燃原因、自燃升温过程规律性，因此煤自然发火实验系统的正常运行关系重大，本课题研究内容就是对煤自然发火实验台温度控制系统进行故障诊断，预测预报其运行状态趋势。
本课题通过利用灰色系统理论、人工神经网络两种方法来对温度控制系统进行故障诊断研究，针对煤自然发火的某次实验，对此两种方法进行应用，利用灰色预测方法对设备运行状态进行预报，进行简单的故障判断；提出利用神经网络建立扩展信息网，并依据故障诊断策略判定有无故障，如有故障，对温度控制系统的故障传感器进行故障定位及故障信号恢复，利用BP算法对其进行学习，利用MATLAB6.1进行软件实现，最后得出结论。
实例仿真的结果说明这两种方法均具有可行性，故障诊断结果与实际基本相符，仿真精度较高。
With the development of science and technology, the rising of the industry automation, more and more computer control systems are applied in the area such as railway, coal mineral, iron, petrochemical. Many complex systems with high technology and all- round function come into being, hose systems are large-scale and valuable. Once they have the faults, the result is probably disastrous. So those systems must be high secure and well reliable. Under the requirement , fault diagnosis emerge with the tide of the times. It gives many important helps to enhance the security of the control system.
In the area of coal mine, coal spontaneous combustion is very hazardous, it can bring on vast economic loss and human being injury or decease. So it is significant to study the rule of coal spontaneous combustion. And if we carry out coal spontaneous combustion experimentation, we can study the reason of coal spontaneous combustion and the rule in the course of spontaneous combustion raising temperature. So it is very important to undertake normal working of the coal spontaneous combustion experimentation system. The research content of this programer is to carry out fault diagnosis of the coal spontaneous combustion experimentation temperature control system and predict its working condition tendency.
The programmer carries out the research of fault diagnosis on the temperature control system by means of grey system theory and unnatural neural network. Aiming for an
experimentation of coal spontaneous combustion, we apply both methodologies. With the grey predicting method, we predict the behaving condition of the equipment, and carry out simple fault diagnosis. At the same time, we expound the enlarged information net is founded by neural network, resting on the fault diagnosis strategy we conclude that the fault occurs or not. If there is the fault, we must figure out where it is and recover the signal of fault. We take advantage of BP network to learn, and put MATLAB 6.1 to use to software achievement, finally we get the conclusion.
The result of instance emulation demonstrates the both methodologies possess feasibility, the result of fault diagnosis comes up to the fact, the accuracy is high.
引文
[1] 程凡．工业监控系统故障诊断技术的研究与应用：[学位论文] ．合肥：合肥工业大学，2003
[2] A New Category in Intelligent Monitoring and Diagnosis for Industrial Systems ，ecilia H.ZANNNI，Claudia FRYDMAN，Lucile TORRES
[3] 付琼，智能故障诊断技术的研究与应用：[学位论文] ．大连：大连理工大学，2002
[4] 王道平等，故障智能诊断系统的理论与方法．北京：冶金工业出版社，2001．1~14
[5] Ma Dong Sheng,Hu You De,Dai Feng Zhi,Application of maximum probability approach to the fault diagnosis of a servo system ,Journal of Bei jing institute of technology, 2002,vol.11,no,1
[6] Ungar L H..Adaptive networks for fault diagnosis and process control [J].Computer Chem .Engng, 1990 ,14(4/5):561~572
[7] 郭建华．设备状态远程检测与诊断方法．矿业安全与环保，2002，29（5），38~39
[8] 徐精彩．煤自然危险区域判定理论．北京：煤炭工业出版社，2001，98~143
[9] 邓军等．煤自然发火预测理论及技术．西安：陕西科学技术出版社，2001，54~70
[10] 雷继尧等．机械故障诊断基础知识．西安：西安交通大学，1989，18~50
[11] 刘笃仁等．传感器原理及应用技术．西安：西安电子科技大学出版社，2003，17~35
[12] 朱启建等．采煤机运行状态及其故障的灰色预测．山东矿业学院学报，1997，16（1），40~44
[13] 叶铁丽等．采煤机在线故障诊断与预报专家系统．煤矿机械，2000，（7），49~51
[14] 张界先等．传感器故障在线诊断和信号恢复的两极神经网络方法 北京理工大学学报，1999，19（3），365~369
[15] 房方等．一种基于神经网络预测的传感器故障诊断新方法．电力情报，2000．（4），26～29
[16] 马明建等．数据采集与处理技术．西安：西安交通大学出版社 1998．234~257
[17] 张庆华等．动态测试中的数据采集在线分析．小型内燃机 ，2000，29（3）：41~43
[18] 徐德炳等．数据采集与总线技术的发展．测控技术 ，2002，21（6）：1~6
[19] 刘思峰等，灰色系统理论及其应用，北京：科学出版社，1999，1～18
[20] 吕光华．矿业灰色系统．北京：煤炭工业出版社，1993．118~158
[21] 虞和济等．故障诊断的专家系统． 北京：冶金工业出版社，1997．103~121
[22] 周卫．基于MATLAB 的灰色系统沉降预测．测绘通报，2002．（6）：34~36
[23] 赵在理等．灰色系统理论对LEG船货舱温度的预测．武汉理工大学学报（交通科学与工程版），2003．27（5）：655~65
[24] 尚涛等．工程计算可视化与MATLAB实现． 武汉：武汉大学出版社，2002．201~256
[25] 马兴义等．MATLAB6应用开发指南．机械工业出版社，北京，2002
[26] 罗佑新等．灰色系统理论及其在机械工程中的应用．长沙：国防科技大学出版社2001．58~124
[27] 刘淑霞．设备状态趋势预测的灰色累加生成．渔业机械仪器，1994．21（110）：19~24
[28] 喻宗泉．人工神经网络发展五十年．自动化与仪表，1998．13（5）：1~4
[29] 闻新等．MATLAB神经网络应用设计．北京：科学出版社，2000．207~270
[30] Kajior Watanabe， Diagnosis of multiple simultaneous fault via hierarchical artificial neural networks，Journal of AICHE，1994 ,40(5):839~84
[31] 许东．基于MATLAB 6.X的系统分析与设计——神经网络．西安：西安电子科技大学出版社，2002．4~37
[32] 戚德虎等．BP神经网络的设计．计算机工程与设计，1998．19（2）：48~50
[33] Yoshio Hirose ,Koichi Yamashita ,Shimpei Hijiya. Back-propagation algorithm which varies the number of hidden units Neural Netwoks,1991,4:61~66
[34] 伍春香等．三层BP网隐层节点数确定方法的研究．武汉测绘科技大学学报，1999．24（2）：177～179
[35] 郭海涛等．使用BP算法时应考虑的若干问题．佳木斯大学学报（自然科学版），2000，18（4）：363～365
[36] Hrycej David . A new algorithm for hidden and input layer pruning.Neural Network World ,1994,1:19~35
[37] Koivo H N ， Artificial neural networks in fault diagnosis and control，Control Eng.Practice ,1994,2(1):89~101
[38] 马小平．基于专家系统的提升机故障诊断系统．中国矿业大学学报，1999，（5）：499~501
[39] Chow Mo- Yuen et al .On the Application and design of Aritifical Neural Network for motor Fault detection(part I& part II).IEEE Trans IE,1993,40(2):181~186
[40] 曹曦 等．BP神经网络用于传感器故障诊断的仿真研究．上海铁道大学学报，2000．21（6）：43~47
[41] 程瑞琪．人工神经网络在设备故障诊断中的应用．机械研究与应用，1999，12（1）：13~14
[42] Algundigue IE et al.Monitoring and Ddiagnosis of Rolling Element Bearing Using Aritifical Neural Network .IEEE Trans IE ,1993,40(2):207~217
[43] 刘可伟等． 基于人工神经网络的提升设备故障诊断研究．太原理工大学学报，2002．（4）：441~444
[44] Ho T K ,Hull J J ,Srihari S N .Decision combination in multiple classifier system [J].IEEE Trans on PAMI, 1994.16(1):66~75.
[45] 侯北平等．基于MATLAB的BP神经网络建模及系统仿真．自动化与仪表，2001．16（1）：34~36
[46] 刘志俭等．MATLAB外部程序接口（6.X）．北京：科学出版社．2002．152~204
[2] A New Category in Intelligent Monitoring and Diagnosis for Industrial Systems ，ecilia H.ZANNNI，Claudia FRYDMAN，Lucile TORRES
[3] 付琼，智能故障诊断技术的研究与应用：[学位论文] ．大连：大连理工大学，2002
[4] 王道平等，故障智能诊断系统的理论与方法．北京：冶金工业出版社，2001．1~14
[5] Ma Dong Sheng,Hu You De,Dai Feng Zhi,Application of maximum probability approach to the fault diagnosis of a servo system ,Journal of Bei jing institute of technology, 2002,vol.11,no,1
[6] Ungar L H..Adaptive networks for fault diagnosis and process control [J].Computer Chem .Engng, 1990 ,14(4/5):561~572
[7] 郭建华．设备状态远程检测与诊断方法．矿业安全与环保，2002，29（5），38~39
[8] 徐精彩．煤自然危险区域判定理论．北京：煤炭工业出版社，2001，98~143
[9] 邓军等．煤自然发火预测理论及技术．西安：陕西科学技术出版社，2001，54~70
[10] 雷继尧等．机械故障诊断基础知识．西安：西安交通大学，1989，18~50
[11] 刘笃仁等．传感器原理及应用技术．西安：西安电子科技大学出版社，2003，17~35
[12] 朱启建等．采煤机运行状态及其故障的灰色预测．山东矿业学院学报，1997，16（1），40~44
[13] 叶铁丽等．采煤机在线故障诊断与预报专家系统．煤矿机械，2000，（7），49~51
[14] 张界先等．传感器故障在线诊断和信号恢复的两极神经网络方法 北京理工大学学报，1999，19（3），365~369
[15] 房方等．一种基于神经网络预测的传感器故障诊断新方法．电力情报，2000．（4），26～29
[16] 马明建等．数据采集与处理技术．西安：西安交通大学出版社 1998．234~257
[17] 张庆华等．动态测试中的数据采集在线分析．小型内燃机 ，2000，29（3）：41~43
[18] 徐德炳等．数据采集与总线技术的发展．测控技术 ，2002，21（6）：1~6
[19] 刘思峰等，灰色系统理论及其应用，北京：科学出版社，1999，1～18
[20] 吕光华．矿业灰色系统．北京：煤炭工业出版社，1993．118~158
[21] 虞和济等．故障诊断的专家系统． 北京：冶金工业出版社，1997．103~121
[22] 周卫．基于MATLAB 的灰色系统沉降预测．测绘通报，2002．（6）：34~36
[23] 赵在理等．灰色系统理论对LEG船货舱温度的预测．武汉理工大学学报（交通科学与工程版），2003．27（5）：655~65
[24] 尚涛等．工程计算可视化与MATLAB实现． 武汉：武汉大学出版社，2002．201~256
[25] 马兴义等．MATLAB6应用开发指南．机械工业出版社，北京，2002
[26] 罗佑新等．灰色系统理论及其在机械工程中的应用．长沙：国防科技大学出版社2001．58~124
[27] 刘淑霞．设备状态趋势预测的灰色累加生成．渔业机械仪器，1994．21（110）：19~24
[28] 喻宗泉．人工神经网络发展五十年．自动化与仪表，1998．13（5）：1~4
[29] 闻新等．MATLAB神经网络应用设计．北京：科学出版社，2000．207~270
[30] Kajior Watanabe， Diagnosis of multiple simultaneous fault via hierarchical artificial neural networks，Journal of AICHE，1994 ,40(5):839~84
[31] 许东．基于MATLAB 6.X的系统分析与设计——神经网络．西安：西安电子科技大学出版社，2002．4~37
[32] 戚德虎等．BP神经网络的设计．计算机工程与设计，1998．19（2）：48~50
[33] Yoshio Hirose ,Koichi Yamashita ,Shimpei Hijiya. Back-propagation algorithm which varies the number of hidden units Neural Netwoks,1991,4:61~66
[34] 伍春香等．三层BP网隐层节点数确定方法的研究．武汉测绘科技大学学报，1999．24（2）：177～179
[35] 郭海涛等．使用BP算法时应考虑的若干问题．佳木斯大学学报（自然科学版），2000，18（4）：363～365
[36] Hrycej David . A new algorithm for hidden and input layer pruning.Neural Network World ,1994,1:19~35
[37] Koivo H N ， Artificial neural networks in fault diagnosis and control，Control Eng.Practice ,1994,2(1):89~101
[38] 马小平．基于专家系统的提升机故障诊断系统．中国矿业大学学报，1999，（5）：499~501
[39] Chow Mo- Yuen et al .On the Application and design of Aritifical Neural Network for motor Fault detection(part I& part II).IEEE Trans IE,1993,40(2):181~186
[40] 曹曦 等．BP神经网络用于传感器故障诊断的仿真研究．上海铁道大学学报，2000．21（6）：43~47
[41] 程瑞琪．人工神经网络在设备故障诊断中的应用．机械研究与应用，1999，12（1）：13~14
[42] Algundigue IE et al.Monitoring and Ddiagnosis of Rolling Element Bearing Using Aritifical Neural Network .IEEE Trans IE ,1993,40(2):207~217
[43] 刘可伟等． 基于人工神经网络的提升设备故障诊断研究．太原理工大学学报，2002．（4）：441~444
[44] Ho T K ,Hull J J ,Srihari S N .Decision combination in multiple classifier system [J].IEEE Trans on PAMI, 1994.16(1):66~75.
[45] 侯北平等．基于MATLAB的BP神经网络建模及系统仿真．自动化与仪表，2001．16（1）：34~36
[46] 刘志俭等．MATLAB外部程序接口（6.X）．北京：科学出版社．2002．152~204