基于神经网络的铝厂天车绝缘监测技术研究及实现

摘要

天车在铝电解工艺过程中作为核心的电气设备，有着复杂、庞大的电气结构。铝电解厂多数为强磁场、强导电粉尘以及湿热的恶劣环境下。因此多功能天车的绝缘垫可能出现绝缘表面被击穿的绝缘性故障。而人工的巡检方式可能会出现发现不及时的问题。本文将以天车的绝缘性为研究对象，融入神经网络算法，用它对天车的绝缘状态故障进行故障分类识别，并将并结合兼有智维、智察功能的智能工业物联网平台对故障进行在线监测。该套物联网平台能够实现对铝电解过程中天车的绝缘性能基于实时监测数据的故障诊断和可视化监控。　　本文分析了铝电解天车绝缘材料受外界因素影响时泄露电流变化特征。利用傅里叶变换发将传感器采集到的泄露电流进行了频谱分析。针对铝厂提供的数据分析指出了不同故障时泄露电流的特征表现。从结果中可以发现在0.1Hz-0.5Hz主频的范围内不同故障时其发生的泄露电流幅值有明显的差异。　　针对铝电解厂天车故障分类，将泄露电流的特征类型作为神经网络的特征输入，故障类型作为特征输出，建立了经过修改后的BP网络模型。并在多次训练中确定了输入神经元为6，隐含层为8，输出神经元为3的网络结构模型。并用某铝电解厂提供的数据验证了改良后神经网络模型的效果，对故障的分类判断有较高的准确率，符合实际工业运作的要求。　　本文通过将M语言的Matlab神经网络工具箱封装成组件，链接入基于java的云平台，脱离Matlab的工作环境，设计出了在线的具有运维和监测两大主要模块的故障监测方式。

目录

声明

第一章 绪论

1.1课题研究背景

1.1.1铝电解天车的绝缘的目的及意义

1.1.2电解多功能天车简介

1.2铝电解绝缘故障检测的研究现状

1.3电气设备在线绝缘监测的国内外研究现状

1.4在线绝缘监测的未来发展

1.5 本文的主要研究内容及创新之处

第二章铝电解在线绝缘检测技术分析

2.1 铝电解的电解原理及生产过程

2.2 多功能铝电解天车的绝缘故障分析

2.3 绝缘材料阻值分析

2.3.1 温度对绝缘电阻值的影响

2.3.2 湿度和表面脏污对绝缘性的影响

2.4 在线绝缘监测系统构成的研究

2.4.1绝缘检测专用传感器的研究

2.4.2 在线绝缘检测数据预处理方法的研究

2.4.3 基于傅立叶变化的数据信号频谱分析

2.5本章小结

第三章天车绝缘故障诊断方法的分析

3.1铝电解多功能天车漏电流特征分析

3.1.1 铝电解多能能天车绝缘故障特征向量的确定

3.2 神经网络模型及激活函数介绍

3.2.1 生物神经元介绍

3.3.2 人工神经元的数学建模

3.2.3 人工神经网络

3.3 BP网络模型及算法介绍

3.3.1 BP网络模型

3.3.2 BP神经网络算法权值的调整方法

3.3.2 BP神经网络的学习流程

3.4BP神经网络的改进

3.4.1 BP网络存在的缺陷

3.4.2BP网络的优化

3.5绝缘故障检测系统BP网络的建立

3.5.1 网络结构的确定

3.5.2 中间隐含层神经元个数的确定

3.5.3 神经网络参数的选取

3.5.4 输入样本数据的分析

3.6仿真结果与分析

3.7 本章小结

第四章云端在线监测的监控设计

4.1 前端数据采集原理

4.2绝缘检测前台系统的设计

4.2.1 本绝缘检测系统的结构组成

4.3 在线检测的后端设计

4.3.1 系统模块的建立

4.3.2 数据库的建立和管理

4.3.3平台功能及界面介绍

4.4本章小结

第五章结论

参考文献

攻读硕士学位期间承担的科研任务与主要成果

致谢