基于信息融合的軋制過程故障診斷方法研究.pdf

1、隨著我國鋼鐵自動化技術的迅速發(fā)展，人們對軋制過程的可靠性與安全性的要求越來越高，對產(chǎn)品質(zhì)量的要求越來越嚴格，對軋制過程進行故障診斷已經(jīng)成為過程自動化領域的重要研究方向之一。在實際的軋制生產(chǎn)線中，各設備所處的生產(chǎn)環(huán)境惡劣，故障機理復雜多樣，單一傳感器獲得的故障特征參數(shù)往往是模糊的、不確定的，有時甚至是錯誤的。因此，需要綜合利用多源故障信息，才能實現(xiàn)對軋制過程全面而準確的故障診斷。
　　本文采用信息融合方法，重點對精軋機組的活套系統(tǒng)、

2、監(jiān)控AGC和動態(tài)軋制溫度控制系統(tǒng)的故障診斷進行研究。通過組建有效的傳感器網(wǎng)絡，綜合利用活套角度、軋制力等故障過程變量，結合軋制過程的故障特點設計了一個三級信息融合故障診斷系統(tǒng)。數(shù)據(jù)層提取了能夠表征軋制過程故障特征信息的咬鋼時段的故障數(shù)據(jù)，并進行了歸一化處理;特征層通過構建4個并行的自適應神經(jīng)模糊推理系統(tǒng)(Adaptive Neuro-FuzzyInference System，ANFIS)融合診斷中心進行局部診斷;決策層利用改進的D-S

3、證據(jù)理論將各融合診斷中心的局部診斷結果進行決策融合，最終實現(xiàn)了準確的故障診斷。
　　在特征層局部診斷中，針對典型的前饋型自適應模糊神經(jīng)網(wǎng)絡ANFIS中使用的誤差反向傳播(Error Back Propagation，BP)算法收斂速度慢、易陷入局部極值的缺點，本文采用F-R共軛梯度法對其進行了改進，并通過仿真分析驗證了改進后的ANFIS的訓練收斂速度更快，精度更高。
　　在決策層融合診斷中，針對D-S證據(jù)理論不能有效處理高度