基于神经网络的密闭鼓风炉早期故障诊断集成系统

摘要

密闭鼓风炉的熔炼过程极其复杂,工艺结构庞大.传统的故障诊断方法由于需要建立比较精确的数学模型,从而在实际应用中遇到了难以逾越的障碍.本论文应用了人工智能的理论和技术,将一些先进的诊断理论和检测技术手段结合起来,构成一个有机的统一整体,对整个生产系统进行状态监测和故障诊断,取得了良好的诊断结果.论文主要进行了密闭鼓风炉熔炼过程智能集成故障诊断系统的研究.智能集成系统由基于BP神经网络的生产过程早期故障诊断结构和专家系统结构组成.系统根据当前参数的变化趋势进行基于BP神经网络的生产过程早期故障诊断,诊断得到

目录

文摘

英文文摘

第一章绪论

1.1密闭鼓风炉熔炼过程

1.2课题介绍

1.2.1课题的提出

1.2.2熔炼过程故障诊断概况

1.3国内外故障诊断技术研究现状

1.4论文主要研究内容

第二章故障诊断理论与方法分析

2.1故障诊断基本理论

2.1.1故障分类

2.1.2故障诊断任务

2.1.3故障诊断系统的性能指标

2.2故障诊断方法

2.3智能故障诊断系统

2.3.1基于专家系统的故障诊断系统

2.3.2模糊故障诊断方法

2.3.3神经网络故障诊断系统

2.3.4智能集成故障诊断系统

第三章早期故障诊断智能集成系统设计

3.1故障诊断系统总体结构

3.2神经网络结构

3.2.1 误差反传(BP)神经网络介绍

3.2.2基于误差反传的生产过程早期故障诊断神经网络结构

3.3专家系统结构

3.3.1模糊化

3.3.2专家规则集与推理

3.4智能系统集成

第四章熔炼过程故障诊断系统方案实施

4.1熔炼工艺概述

4.2熔炼过程故障分析

4.3系统的特征参数选择

4.3.1 M1参数集合

4.3.2 M2参数集合

4.4基于智能集成系统的故障诊断系统构建

4.4.1神经网络结构实例化

4.4.2专家系统结实例化

4.4.3规则表示与规则库构成

4.5诊断过程

4.6诊断实例

4.7系统评价

第五章故障诊断系统软件实现

5.1软硬件平台

5.2软件功能设计

5.3软件实现

5.3.1数据通信技术

5.3.2数据结构

5.3.3多线程技术

5.4软件界面

5.4.1故障诊断总界面

5.4.2信息输入界面

5.4.3数据查询界面

5.4.4帮助界面

第六章总结

参考文献

致 谢