李春艳[1]2004年在《铝电解槽阳极故障诊断系统研究》文中研究说明铝电解槽的阳极被称为铝电解槽的“心脏”，直接或间接的影响着铝电解槽生产正常与否和各项经济技术指标，诸如电流效率、电能消耗，吨铝阳极碳耗等。因此对铝电解槽阳极工作状态的监控和故障诊断的研究就越来越为人们所重视，逐渐成为研究的热点。该类研究对提前预报甚至及早预防故障从而实现安全生产、提高生产效率都有重要的意义。本文旨在研究铝电解槽阳极故障的现象、信号特征及其诊断方法，从而为将来进一步研究奠定基础。 为了提高阳极工作状态故障诊断的准确率，本课题在采样传统诊断信号——槽电压的基础上，引入了另外一种对阳极工作状态更加敏感的信号——阳极导杆等距压降。论文对阳极工作状态故障的机理进行了分析。利用频谱分析技术对采样信号进行频谱分析，并采用数字滤波器设计技术设计了相应的ⅡR型Butterworth数字滤波器，将信号中的低频信号和高频组分进行分离，从中提取出与阳极工作故障有关的特征量。 作者采用了模糊综合评判法对铝电解槽阳极工作状态故障进行诊断，此方法综合多种征兆因子对阳极工作状态故障进行诊断，提高了诊断结果的准确性。文中详细介绍了特征量、征兆因子、隶属函数、故障与征兆间的模糊关系、权重、诊断原则等的确定过程，然后用一个实例对这个方法进行了验证，诊断结果基本与事实相符合。 本文在分析传统阳极效应预报方法的基础上，从两种采样信号滤波的结果中提取预报特征量，结合模糊数学，提出了一种新的阳极预报方法——基于模糊数学的综合预报方法，并且给出了方法的原理及其具体的实现过程。 作者设计并实现了铝电解槽阳极工作状态故障诊断系统软件。系统主要分为叁大模块：监测模块、诊断模块、阳极效应预报模块。文中简要阐述了所选用的软件平台和开发环境，主要对软件中的数据库设计与实现、多线程数据处理、串口通讯等方面进行了描述，实现了实时监测、滤波处理、历史曲线查询、报表查询、阳极工作状态诊断、阳极效应预报等功能，并且给出了诊断系统的软件操作界面。
杨春宁[2]2008年在《基于遗传神经网络的铝电解槽诊断系统研究》文中研究指明铝电解槽是铝电解生产的主要设备,铝电解槽运行是否正常,不仅关系到电解铝的经济技术指标,而且影响铝电解槽的寿命以及日常生产。铝电解槽是一个非线性、多耦合、时变和大时滞的工业过程体系,在铝电解过程中,形成了复杂多变的槽况特征,如阳极效应、阳极病变、冷槽、热槽和不稳定槽等,故障种类多,难以检测,而且有些故障一旦发生,将会造成巨大的经济损失,影响安全生产。因此,本文对铝电解槽槽况进行故障诊断研究并开发了铝电解槽故障诊断软件系统。本文首先对铝电解生产原理和故障模式进行了介绍和分析,从槽电阻信号入手,建立以频谱能量为特征向量的故障样本和BP神经网络模型。由于BP神经网络对初值的要求高,存在容易陷入局部最小值、收敛速度慢等缺陷和不足,本文利用遗传算法的全局最优搜索能力,对BP神经网络的初始权值和阈值进行优化。这样能够有效的加快学习速度,并增强了诊断识别的泛化能力。本文通过MATLAB对故障诊断算法进行编程,并由COM Builder编译生成COM组件,提供给Visual C++进行调用。其次,用Viusal C++ 6.0和SQL Server 2000设计开发了铝电解槽故障诊断软件系统,该系统主要分为故障诊断子系统和数据传输子系统。本文介绍了所选用的开发软件和开发环境,并从软件的总体结构设计、故障诊断子系统和数据传输子系统的设计,到其他主要功能模块,如数据实时显示和动态曲线显示模块、历史数据查询模块、报表生成和打印模块、在线帮助模块等的设计和开发,进行了详细地说明和论述,并生成了故障诊断软件系统的应用程序安装包。最后,通过比较,没有经过优化的BP神经网络经历3131次训练达到指定精度,运行时间为388.282413s,经过遗传算法优化的BP神经网络经历2571次训练达到指定精度,运行时间为221.996945s,训练次数减少了18%,收敛时间缩短了43%。通过30组测试样本的测试,故障诊断的正确率在80%左右。通过给定的测试环境和测试方案,对故障诊断软件进行了功能测试和应用,结果显示,对发生故障的诊断基本正确。
王丽娜[3]2018年在《基于短时傅里叶变换的铝电解槽阳极故障诊断》文中认为铝电解是现代工业制铝的重要方式,其运行过程在铝电解槽内进行。铝电解槽的阳极对铝电解槽是否能正常生产与和各项经济技术指标有着重要影响。若阳极出现故障,则会导致电解槽出现紊乱,电能消耗加剧、电流效率降低,进而导致生产效率下降。因此,铝电解槽阳极故障诊断的研究对提高工业制铝的生产效率和安全生产都具有重要意义。本文旨在采集信号,研究信号特征,根据信号特征作出故障诊断。为了提高阳极工作状态故障诊断的准确率,本课题选取了能够反映电解槽内状态变化的阳极导杆等距压降作为采集信号。由于铝电解槽运行的过程是实时发生变化且采集信号为非线性的非平稳信号,所以论文采用短时傅里叶变换的方法对采集信号进行频谱分析。通过分析不同窗函数的性质和优缺点,对比叁个不同窗长下得到的频谱图并结合阳极导杆等距压降信号的性质,选择了窗长为256的海明窗(hamming)进行短时傅里叶变换,分析信号数据。将短时傅里叶变换分析出的时间、频率以及幅值结果保存到Excel文件中,把窗函数每移动4次得到的幅值结果分为一组,将提取出每组的前五个最大幅值以及其对应的五个频率值作为信号特征值。采用取平均值、加权平均值、相关系数的叁种方法进行故障诊断。取平均值的方法,是对信号特征值进行求平均值处理后的数据用统计的方法得到故障特征参数,通过分析故障特征参数得到判断有无故障的临界值,从而找出所在采样点的全部故障点;加权平均值的.方法,是通过对比叁组不同权值下故障诊断的结果,取最优权值(0.3,0.25,0.2,0.15,0.1)进行故障诊断·;求相关系数的方法,是取一段故障点序列A3采样点12800-13312和想要找出故障点的采样点序列,通过求这两个序列的相关系数从而找出故障点。通过对比叁种方法,发现基于求相关系数的诊断方法能够更加精准找出所有故障点,故将此诊断方法应用到阳极故障诊断系统的设计中。本文借助了 Access数据库和MATLAB软件,设计了一套故障诊断系统软件,编写了友好界面。该系统实现了 MATLAB导入Access存储数据、查询数据处理结果、绘制曲线和诊断的功能。
刘敏华[4]2005年在《基于SDG模型的故障诊断及应用研究》文中进行了进一步梳理在工业生产特别是流程工业中,在进行故障诊断研究时,存在着难以建立精确定量模型的困难,利用检测变量残差的方法进行故障诊断也存在许多困难。根据过程的作用机理和元素关系建立反映系统深层知识的定性模型,如符号定向图(SDG),然后与其它的定量方法相结合,研究基于SDG模型的半定量故障诊断方法,不失为一种新途径。然而,SDG模型的理论及其在流程工业中的应用还有很多问题有待解决,包括SDG的建模方法、推理机制、与定量算法的融合等。论文以流程工业的SDG模型建模和基于SDG模型的故障诊断方法为研究重点,主要研究四个问题:(1)深入分析了SDG模型的特性,利用微分代数方程,论证了SDG模型是一个具有线性初始响应的定性模型,研究了流程工业SDG模型中由于负反馈和前馈导致的补偿响应和逆响应对基于SDG模型的故障诊断的影响,即其对相容路径的破坏,采用矩阵理论给出了SDG模型的数学描述。(2)研究了SDG模型的建立方法,论证了模型驱动的SDG节点信息和数据驱动的趋势信息的互补关系,采用趋势分析方法,利用关联节点趋势来建立SDG模型,并研究了基于趋势分析和SDG模型的定性故障诊断方法。(3)研究了基于SDG模型的半定量故障诊断方法,采用数据融合方法处理SDG模型及其样本之外的定量信息,一是利用模糊融合的方法,在故障逆向搜索过程中由节点的定量信息表示故障传播几率并进行半定量推理,二是利用信息融合的方法,融合初始响应的动态信息和最终响应的状态信息得到可能故障集;此外,在SDG模型数学描述的基础上采用Bayes理论研究了多源故障诊断。(4)将基于SDG模型的半定量故障诊断方法应用于“铝电解槽智能健康诊断系统”。通过理论分析和实例与应用研究表明,论文对SDG模型的特性分析符合流程工业实际,所提出的SDG建模方法能够克服阈值敏感性,可建立较为准确的定性模型,基于SDG模型的模糊融合和信息融合半定量推理方法可以在推理过程中处理定量信息,提高了基于SDG模型的故障诊断的分辨率,从而建立了适于流程工业的基于SDG模型的故障诊断框架。
李春艳, 曾水平[5]2004年在《铝电解槽阳极工作状态故障诊断系统研究》文中认为本文以铝电解槽的阳极工作状态为研究对象 ,结合实验数据统计 ,数字滤波、模糊数学等技术 ,开发出铝电解槽阳极工作状态故障诊断系统。实验结果证实该系统的有效性
黄迪[6]2016年在《基于数据驱动的超低能耗铝电解槽况诊断研究及应用》文中指出现代铝电解工业系统规模越来越大,投资成本不断增加,企业追求高安全性、高效益。由于槽内复杂的生产环境以及外部多种不确定因素的作用,铝电解槽内故障频繁发生。如果不能准确、及时地对异常槽况进行诊断并调整相应控制策略,极易发生安全事故,酿成悲剧。但是,槽内参数呈现出非线性、强耦合性、动态特性等特点,给槽况诊断带来极大困难。加之,超低能耗铝电解槽技术的成功应用导致槽内波动频繁,非稳态非均一特性明显,更增加槽况诊断难度。在分析总结国内外槽况诊断研究的基础上,本文提出基于数据驱动的超低能耗铝电解槽况诊断方法。通过各种数据处理及分析方法,挖掘超低能耗铝电解槽内参数的内在规律,监测并识别铝电解过程中出现的异常槽况,并追溯其发生的根本原因,从而为故障诊断以及控制策略调整提供决策依据,最终保证铝电解槽平稳、可靠、安全运行。本文主要研究内容包括:1基于优化主元分析的铝电解槽况诊断方法。该方法利用相对主元分析方法在进行特征选择时的降维优势,提出一种有效的准则以确定主元的相对权重。通过遗传算法构造误报率适应度函数,考察观测样本在主元空间和残差空间里投影的变化,以获得搜索区域内最优的相对转换矩阵,使Hotelling's T~2检验和预测平方差(Squared Prediction Error,SPE)检验的误报率降低到最小。2基于特征子空间优化相对矩阵的铝电解槽况诊断方法。针对槽参数非线性特性,首先引入核函数将铝电解槽的非线性样本数据投影到高维特征子空间,然后利用细菌觅食算法(Bacterial Foraging Optimization Algorithm-BFO)构造简单,不易陷入局部极小值等优点,对相对转换矩阵进行优化,以最大限度地保留原始数据的特征分布,最后考察主元空间和残差空间里样本数据投影的变化,使得由Hotelling's T~2检验和SPE检验构成的综合指标φ检验漏检率降低到最小。3基于动态核相对主元分析的铝电解槽况诊断方法,考虑到铝电解槽参数具有的动态特性,通过变量过去时刻的观测值对当前时刻观测值进行扩充,以此获得增广矩阵,在此基础上,利用优化得到的特征子空间最优相对矩阵对增广矩阵进行相对转换,并利用核主元分析对槽内参数进行故障检测并追溯故障发生的根本原因。4利用动态核相对主元分析的铝电解槽况诊断模型设计开发出超低能耗铝电解槽况诊断系统,该系统基于MATLAB和C#进行开发,能在Windows 2003及其以上环境下运行。能实现铝电解现场生产状态实时监测以及故障诊断,为控制策略调整提供决策依据。通过在重庆天泰铝业有限公司300KA系列槽开展试运行,该系统能准确、及时诊断出槽内异常状况,达到了预期效果。综上所述,本文研究为超低能耗铝电解槽况的准确、及时诊断提供了有效解决方法。
邓少松[7]2017年在《基于阳极电流分布的铝电解槽异常诊断》文中进行了进一步梳理现代铝生产的主要方法是基于氧化铝—冰晶石的电解法。该方法由于内部复杂的物理、化学变化,以及外部各种场的存在,形成了复杂的槽况特征。建立有效的故障诊断系统不但可以提高生产过程中铝的质量和产量,同时也能降低电能消耗,对铝的生产有重要意义。目前,国内外都对铝电解槽槽况诊断技术进行了大量研究,提出了基于解析模型的故障诊断方法和基于知识的故障诊断方法。由于铝生产过程中数据获取比较困难并且我国铝电解工艺和整流设备与国外相比还有一定差距,使一些方法在我国无法推广。针对这一问题,本文研究了一种基于阳极电流和集成神经网络的故障诊断方法。阳极电流中包含了大量的槽况信息,通过对阳极电流的分析,可以为铝电解槽槽况的诊断提供依据。在本文中,首先对阳极电流信号进行频谱分析,通过计算每一段频谱上的香浓熵提取其特征值,作为子神经网络1的输入,然后计算阳极电流的均值、方差、偏度和峰度作为子神经网络2的输入,对子神经网络1和子神经网络2的输出的加权平均值作为决策融合神经网络的输入。由于单神经网络的使用效果和使用者的经验有很大关系,同时当出现新的故障或者有新的特征值时很难扩展,所以本文采用集成神经网络来提高诊断系统的泛化能力。在本文中,首先对子神经网络1和子神经网络2进行并联,使他们之间的诊断相互独立,然后将并联后的网络和决策融合神经网络进行串联来完成对槽况的诊断。本文还通过python建立了一个铝电解槽槽况诊断系统,首先通过网络对采集到的阳极电流进行读取,并存入sqlite数据库,然后对数据进行预处理,提取相应的特征值,最后经过集成神经网络对槽况进行诊断。通过测试,该系统可以完成对铝电解槽槽况的诊断。
姜绍龙[8]2005年在《铝电解槽智能健康诊断系统的研究》文中研究表明铝电解工业属于复杂的流程工业,生产过程具有高度非线性、干扰大、不确定性强、未知因素多,对象可测和可用的信息少等不利因素,这给铝电解槽状态诊断的实现带来了很大的难度。因此国家 863 计划将此列为工业自动化领域的重点研究课题。本文在深入现场考察研究的基础上,对铝电解生产的工艺过程和故障模式进行了详细的介绍与分析。以阳极效应为代表,电解槽各种故障的因果关系复杂,涉及参数众多,其故障特征的表现综合多样。这些都决定了其健康诊断问题不能简单地依靠单一的诊断方法,应当采用多专家合作机制,利用各种方法的互补性,以提高诊断的效果。为了更好的实现数据共享,作者提出并实现了适合于多专家协作诊断的黑板模型结构。对于槽况的诊断,如果依靠模糊专家算法、神经网络算法等多种先进算法得出综合的结果,可以大大提高诊断的准确率。但由于目前对神经网络算法在铝电解槽况诊断方面的应用研究尚不成熟,所以本文只阐述如何通过模糊专家算法来实现关键故障的分析和诊断。根据铝电解生产的特点和863课题的要求,作者自主设计和开发了铝电解槽智能健康诊断系统软件。本文从软件的任务角色、总体设计、功能设计、结构设计,以及系统主要算法等多个方面进行详细说明。其中重点描述了电解槽各种参数的计算方法,基于模糊专家算法的阳极效应的预报方法,以及针对多种故障的槽况诊断算法。铝电解槽智能健康诊断系统通过对现场采集来的数据进行仿真,实现了对多种异常状况的实时报警,和对阳极效应、阳极长苞、冷槽、热槽等典型故障的实时诊断与预报,其中阳极效应的预报准确率较高。这对于铝电解企业降低能耗、提高效益具有重要意义。
崔琳[9]2013年在《铝电解过程的多参数采集与分析》文中研究说明铝电解过程是一个多变量、非线性、慢时变、强腐蚀、高能耗的工业体系,许多过程都是在电解槽中进行的,其中阳极导杆等距压降信号是准确反映电解槽状态变化的重要参数之一,所以对这种参数的检测与分析就显得尤为重要。本文研究的铝电解槽多参数采集与分析系统是以PCI-8602数据采集卡为核心的数据采集与分析系统。系统软件构成了基于实验室环境的铝电解槽模拟实验平台的槽电压信号及热电偶温度信号采集及实时信号显示功能,而信号分析部分是基于铝电解槽阳极导杆等距压降信号的分析处理功能。对于现场信号的采集,软件上采用了直接内存存取DMA方式,即数据传输在设备和内存之间直接进行,能很快的将数据从设备读入用户缓冲区,大大加快了数据采集与处理的效率。采集与显示通过多线程方式实现。采集到的数据分别存入上位机采集系统存储器和Microsoft Access数据库中。对于阳极导杆等距压降信号的分析,采用了希尔伯特-黄变换法,分析目的是实现信号中的噪声高频成分和真实低频成分的逐层分离,清晰得到信号主频,并探讨希尔伯特-黄变换法在处理铝电解过程中的信号的适用性。分析过程包括：经验模态分解,Hilbert变换以及积分求边际谱。经过经验模态分解得到的基本模态函数包含了信号不同时间尺度的局部特征信号,而基本模态函数经过Hilbert变换得到瞬时频率图,发掘信号中真实存在的瞬时频率,最后于时间层面对信号的积分运算得到信号的边际谱图,其物理意义与传统的信号傅里叶变换谱图相同并进行对比,发现了希尔伯特-黄变换法在处理铝电解槽阳极导杆等距压降信号时较传统处理方法的优势。将分析结果在上述的铝电解槽多参数采集与分析系统中显示,实现数据分析功能。本文用到的工具有Visual C++6.0、MATLAB、Microsoft Access2003数据库。其中MATLAB软件用于数据分析, Access数据库完成数据存储,VC软件以友好的界面实现了数据采集与实时显示、处理结果显示等功能。
周昊[10]2010年在《基于集成小波神经网络的铝电解故障诊断技术研究》文中指出铝电解过程是一个非线性、强耦合、时变和大时滞的工业体系。铝电解过程设备结构复杂,故障种类繁多,故障的发生,对整个电解系列的产生都有很大影响,使电流效率下降,影响电解系列的各项技术指标,降低了铝的产量和质量,破坏了整个电解系列的平稳供电。因此,及时有效地进行故障诊断,对保证整个电解系列平稳安全生产,节约电能具有十分重要的意义。由于铝电解的非线性特点,难以建立精确的机理模型进行分析。但是通过对铝电解过程各种故障的相关量分析,利用智能算法进行辨识已经成为一种有效的手段。比如,已经有研究人员将粗糙集、BP神经网络、Elman神经网络、小波神经网络应用到铝电解故障诊断中。尽管这些方法已经取得了一定的效果,但是有的模型在训练时收敛速度慢,容易陷入局部极小值,造成训练时间长,故障诊断的准确率不高,而且缺少对复合故障的诊断,不能满足要求。因此,本文以铝电解过程为研究对象,针对目前故障诊断方法存在的问题,提出了一套新的故障诊断方案,并做了如下工作:第一,概述了国内外铝电解的发展状况,对铝电解故障诊断意义进行了阐述。论述了现有故障诊断方法的应用及存在的问题,论证了改进现有故障诊断方法的必要性。第二,对控制系统的故障诊断方法进行了理论探讨。针对铝电解过程中各种故障,详细分析了其产生的原因和预防方法,并提取了故障诊断的特征量,提出了论文中所采用的故障诊断方法。第叁,首先分析了神经网络应用于故障诊断的可能性和必要性。论述了小波分析与神经网络的结合途径,然后论述了阳极效应预报的常见方法,同时指出了目前阳极效应预报方法的不足之处。第四,分别采用Elman神经网络和小波Elman神经网络,根据阳极效应发生的机理,建立故障诊断模型,并对基本Elman神经网络模型结构进行改进,以期待达到理想的诊断效果。仿真结果表明:小波Elman神经网络诊断阳极效应具有诊断时间短,准确率高等特点,具有很好的实时性和可靠性。第五,根据铝电解过程中多种故障同时发生,并且各种故障之间存在着层次关系和因果关系的特点,提出了基于信息融合技术的集成小波神经网络的多故障诊断方法。并根据诊断流程设计了人机接口。仿真结果表明:该方法可对电解过程中多种故障的发生进行有效地诊断,解决了单一故障诊断方法难以解决的问题。第六,对基于神经网络的铝电解故障诊断方法进行了总结,对其优点和不足进行进一步地探讨,对为来工作进行了展望。
参考文献：
[1]. 铝电解槽阳极故障诊断系统研究[D]. 李春艳. 北方工业大学. 2004
[2]. 基于遗传神经网络的铝电解槽诊断系统研究[D]. 杨春宁. 北方工业大学. 2008
[3]. 基于短时傅里叶变换的铝电解槽阳极故障诊断[D]. 王丽娜. 北方工业大学. 2018
[4]. 基于SDG模型的故障诊断及应用研究[D]. 刘敏华. 清华大学. 2005
[5]. 铝电解槽阳极工作状态故障诊断系统研究[J]. 李春艳, 曾水平. 自动化技术与应用. 2004
[6]. 基于数据驱动的超低能耗铝电解槽况诊断研究及应用[D]. 黄迪. 重庆科技学院. 2016
[7]. 基于阳极电流分布的铝电解槽异常诊断[D]. 邓少松. 北方工业大学. 2017
[8]. 铝电解槽智能健康诊断系统的研究[D]. 姜绍龙. 清华大学. 2005
[9]. 铝电解过程的多参数采集与分析[D]. 崔琳. 北方工业大学. 2013
[10]. 基于集成小波神经网络的铝电解故障诊断技术研究[D]. 周昊. 沈阳建筑大学. 2010