故障诊断小波包分析小波分析PSO算法神经网络MatlabSimulink中频冶炼硕士论文

1、智能故障诊断技术在中频冶炼中的应用电机与电器， 2011， 硕士【摘要】 中频冶炼技术近年来作为一门新兴技术,在淬火、熔炼、透热工业领域中得到广泛运用。随着现代集成化感应加热技术日益趋于成熟,中频冶炼自动化水平的不断提高,中频冶炼系统的可靠、稳定、安全运行也越来越重要。本文主要是通过对中频冶炼系统主电路电压信号进行监测从而实现对变频器短路故障进行智能故障诊断的研究。发生短路故障的变频器电压信号是非平稳随机信号,以往的傅里叶变换难以满足故障特征向量提取要求,并且建立变频器故障数学模型比较复杂,基于以上原因本文提出了基于小波包变换和PSO神经网络的中频冶炼故障诊断方法,通过小波包提取故障特征向量,

2、利用PSO神经网络进行故障识别,并输出系统相应故障类型。该故障诊断方法首先是通过利用MATLAB软件对中频冶炼主电路进行建模、仿真,模拟了主电路中晶闸管开路故障,获得了相应的故障波形。其次,当一个系统或电路发生故障时,测试点测得的电压或电流与正常情况下相同频带内能量值是不一样的,根据能量守恒定律,某一频带能量低,另一频带能量值可能就高,信号每个频带的能量值是体现故障状态一个有效信息。本文使用的小波包算法就是对信号进行系数分解,得到一组能量形式的故障特征向量;最后,本文主. 更多还原【Abstract】 In recent years, intermediate frequency s

3、melting technology as an emerging technology has been widely used in quenching, melting, heat penetrating industrial areas. As the automation levels rising, reliable, stable and safe operation is becoming more and more important to intermediate frequency smelting system.The fault diagnosis of interm

4、ediate frequency smelting system is researched by monitoring main circuit voltage signals. The short-circuited fault signals of converter are random and unstab. 更多还原 【关键词】 故障诊断； 小波包分析； 小波分析； PSO算法； 神经网络； Matlab/Simulink中频冶炼； 【Key words】 Fault Diagnosis； Wavelet Packet Analysis； Wavelet Analysis

5、； PSO Algorithm； Neural Network； Matlab/Simulink； Medium frequency smelti； 摘要 4-5 Abstract 5-6 第1章 绪论 10-15 1.1 课题研究的背景及意义 10 1.2 电力电子电路智能故障诊断现状 10-14 基于故障树的智能故障诊断 11 基于信号处理的智能故障诊断 11-12 基于神经网络的智能故障诊断 12-14 1.3 本论文研究主要内容 14-15 第2章 中频冶炼系统 15-23 2.1 中频冶炼原理 15-17 电磁感应 15-16 集肤效应 16-17 热传导效应 17 2.2 中频冶炼

6、系统电路 17-22 整流部分 18-20 逆变部分 20-21 电路保护部分 21 电路故障类型 21-22 2.3 中频冶炼工艺流程 22 2.4 本章小结 22-23 第3章 中频冶炼主电路建模及其仿真 23-31 3.1 仿真工具SIMULINK 简介 23 3.2 三相桥式不可控整流数学模型与仿真 23-27 三相桥式不可控整流电路数学模型 23-24 三相桥式不可控整流电路故障分类 24-25 三相桥式不可控整流电路故障仿真结果 25-27 3.3 单相桥式PWM 逆变数学模型与仿真 27-30 单相桥式PWM 逆变电路数学模型 27-28 单相桥式PWM 逆变电路故障仿真结果 2

7、8-30 3.4 本章小结 30-31 第4章 中频冶炼系统主电路故障特征提取 31-45 4.1 故障特征提取方法 31-39 主成分分析 32-33 归一化方法 33 独立成分分析 33-34 小波变换基本理论 34-37 小波包分析 37-39 4.2 中频冶炼系统主电路故障特征提取仿真实验 39-44 小波包能量提取法 39-40 不同故障类型系数直方图分布 40-43 基于小波包分解的能量特征向量 43-44 4.3 本章小结 44-45 第5章 神经网络设计 45-56 5.1 神经网络介绍 45-48 神经网络参数设定 45-46 BP 神经网络算法 46-48 BPX 神经网络算法 48 5.2 粒子群算法 48-53 粒子群算法原理 48-49 粒子群算法基本特征 49 粒子群算法基本特点与应用范围 49 粒子群算法优势与不足 49-50 粒子群算法改进 50 粒子群算法参数分析 50-53 5.3 神经网络训练过程 53-54 5.4 PSO 神经网络仿真实验 54-55 5.5 本章小结 55-56 第6章 变频器故障诊断系统设计 56-64 6.1 系统整体结构设计 56