论文部分内容阅读
随着工业自动化与智能化快速发展,生产过程中提供能源的动力设备发生故障概率增加,动力设备故障诊断过程复杂性增加。传统的故障诊断方式主要依靠维修人员的技术水平和工作经验,故障诊断精确度不高,维修效率低,难以满足现代企业要求。本文将时间序列预测方法和模糊综合评判方法引入到动力设备故障诊断中,通过研究BP神经网络技术与模糊综合评判的相关理论,设计并实现了基于web的卷烟厂动力关键设备故障诊断专家系统。本文主要研究内容如下:(1)开展时间序列预测算法分析。对移动平均法、指数平滑法、ARMA模型、BP神经网络和改进的BP神经网络等五种预测模型进行了研究分析,分析了各种预测模型的特点及实现方法。(2)对模糊综合评判方法进行研究。针对一级模糊综合评判模型的不完善之处,开展了基于二级综合模糊综合评判模型的研究并设计了基于模糊综合评判的故障诊断案例。(3)对动力系统关键设备——锅炉和空压机进行故障诊断研究。基于采集的设备故障数据和收集的维修经验,针对工况数据进行预测,挖掘数据的潜在规律,为故障诊断推理提供依据。(4)依托.NET开发平台,设计并实现基于web的故障诊断系统。基于.NET平台,根据系统的功能结构分析,设计故障诊断系统的用户系统和用户界面,并对系统进行测试。实验结果表明,本文所设计的动力设备故障诊断系统具有良好的准确性,能够满足实际需求。