立式輥磨機液壓加載子系統(tǒng)故障狀態(tài)預(yù)測與診斷研究.pdf

1、立式輥磨機是一種效率高、能耗小且運行成本低的大型粉磨裝置，現(xiàn)已逐漸成為水泥生產(chǎn)過程中粉磨的主流設(shè)備。由于立式輥磨機工作環(huán)境惡劣且機械電氣結(jié)構(gòu)復(fù)雜，運行過程中不可避免的會出現(xiàn)各種故障。利用故障狀態(tài)預(yù)測與診斷技術(shù)，可以在故障產(chǎn)生初期或呈現(xiàn)故障趨勢時進行預(yù)警，及時發(fā)現(xiàn)故障特征并根據(jù)診斷結(jié)果進行維護，從而提高設(shè)備的穩(wěn)定性。而隨著現(xiàn)代化工業(yè)的發(fā)展，立式輥磨機的組成和結(jié)構(gòu)越來越復(fù)雜，功能更加完善，各部分之間的聯(lián)系更加緊密，從而對每一部分的工作可靠性

2、都提出了極高的要求。因此對立式輥磨機故障狀態(tài)預(yù)測及診斷技術(shù)的研究十分必要。
　　本文以立式輥磨機液壓加載子系統(tǒng)為研究對象，主要研究工作如下：
　?。?）利用現(xiàn)代數(shù)字信號處理技術(shù)，對立式輥磨機液壓加載子系統(tǒng)壓力及加速度信號進行預(yù)處理，去除噪聲干擾的同時提取出能夠明顯區(qū)別出設(shè)備故障狀態(tài)的有用信息。在使用小波分析方法對采集到的信號進行凈化去噪處理后，使用集合經(jīng)驗?zāi)B(tài)分解方法提取出樣本熵信號作為特征信息。
　　（2）使用果蠅算

3、法對廣義回歸神經(jīng)網(wǎng)絡(luò)進行優(yōu)化，基于FOA-GRNN算法，根據(jù)之前信號預(yù)處理得到的信號特征值進行立式輥磨機液壓加載子系統(tǒng)壓力及加速度信號預(yù)測，并利用MATLAB仿真試驗，其結(jié)果表明該算法對于立磨液壓加載子系統(tǒng)故障狀態(tài)預(yù)測具有良好的性能，能夠通過歷史數(shù)據(jù)準確地對未來的狀態(tài)趨勢進行預(yù)測。
　?。?）研究相關(guān)數(shù)據(jù)挖掘算法并對其進行優(yōu)化。在原始RIPPER算法的基礎(chǔ)上針對立式輥磨機故障診斷的特殊需求，從執(zhí)行效率和抗噪性能兩個方面進行了優(yōu)化，