新闻中心

EEPW首页 > 嵌入式系统 > 设计应用 > 用单片机系统实现故障诊断

用单片机系统实现故障诊断

作者:时间:2012-03-19来源:网络收藏

0.引言

本文引用地址:http://www.amcfsurvey.com/article/171850.htm

现代工矿企业设备日益朝向大型化、复杂化、智能化发展,迫切要求对其运行状态进行多参数监测和。随着芯片技术的发展及智能技术的应用,技术已开始进入一个新阶段,即智能化阶段,这是一种基于人工智能技术的方法。该方法对复杂大的诊断尤其有效,可充分利用现有的经验知识,构造智能模型,进行快速诊断。智能诊断的性能取决于所采用的智能模型。

本文用人工神经网络综合凝汽器运行状态的诊断判断。其原理是:设备的各种运行状态与其各种物理参数如温度、压力、振动频率等有一定关联。这种关联难以用确定的数学表达式来表达,但可以用神经网络来逼近该模型。

1.基于神经网络的诊断

人工神经网络(Artificial Neural Networks 简称ANN)[1]是由大量简单处理单元广泛连接而成的复杂的非线性,具有学习能力、自适应能力、非线性逼近能力等。实际应用研究中,大多使用的是 BP网络(Back-Propagation network)即反向传播网络。BP网络因具有较强的非线性逼近能力,能进行模式识别,还能进行故障严重程度评估和故障预测,因此,应用最广。但是,由于BP算法在迭代时采用梯度下降法,存在着收敛缓慢、振荡和局部极小等问题,一些改进的BP算法在这些方面有些改善。BP网络属于多层结构,前馈式,它是继Hopfield 网络之后,Rumelhart提出的又一重实用网络模型,其学习算法采用的是反向传播算法,基本思想是构造一个类似于感知机的非线性系统,并让该系统的决策能力与最小误差函数和梯度下降联系起来,从而解决了普遍存在的多层神经网络的学习不易收敛问题。

1989年Robert Hesht Nielson证明了对于任何在闭区间内的一个连续函数,都可以用一个隐含层的BP网络来逼近,因而一个3层BP网络可以完成任意的n维空间到m维的映射,故本文采用的网络是3层网络,中间只有一层隐含层,网络结构如下图所示。

28.gif

2.系统总体方案介绍

表1为该系统使用的凝汽器11种典型故障的征兆集[2][3]。在征兆集中,“1”表示征兆存在,“0”表示征兆不存在。BP网络的目标输出对应各故障的隶属函数,即为:
29.gif q, l-1, 2, …, 11

为了说明起见,仍采用文献[2]中给出的故障征兆来对网络进行训练。

该系统的功能有上述17种信号的采集与放大滤波、压力温度信号的补偿、键盘输入、LCD显示输出、与上位机的通信。

注:故障征兆序号的含义为:1.真空急剧下降;2.真空缓慢下降;3.循环水泵电动机电流降至零;4.循环水泵出口压力降至零;5.汽轮机低压胀差为负值;6.凝结水泵出口压力增加;7.凝结水泵出口压力下降;8.凝结水泵电动机电流增加;9.凝结水泵电动机电流减小; 10 .凝结水导电度增加; 11 .低压加热器水位升高; 12 .循环水温升增加; 13 .循环水温升减小; 14.凝汽器端差增加;15.凝结水过冷度增加;16 .抽气器抽出的空气温度与冷却水入口温度之差增加;17.凝汽器抽气口至抽气器入口之间的压差减小。

3.硬件

为了硬件系统的小型化,这里选用带有A/D转换、4K ROM和256字节RAM的83C552 CPU。可编程放大器同时具有采样保持的功能。

30.gif


上一页 1 2 3 4 下一页

评论


相关推荐

技术专区

关闭