基于神經網絡與虛擬儀器的擠壓機故障診斷技術研究.pdf

1、擠壓機是擠壓加工生產線中的關鍵設備，決定著擠壓車間的生產品種和能力。因此，對擠壓機的故障診斷和及時排除故障對保證產品質量和生產進度顯得尤為重要。即使是經驗豐富的工人診斷設備的運行狀態也無法與一套完整的設備狀態監控系統的判斷精度相比。一旦判斷失誤就會造成重大損失。為了提高擠壓機可靠性、經濟性，降低生產成本，提高設備的利用率，通過設備的狀態監測與故障診斷技術，實現設備的“狀態維修”就成為現代設備管理和維護的必然需要。
　　 本文在分

2、析了擠壓機結構特點、擠壓機故障的種類及產生的多種原因的基礎上，給出了一種利用神經網絡技術來進行擠壓機故障診斷的設計方案。
　　 本文所采用的擠壓機故障診斷方法是:利用多種傳感器測出擠壓機液壓系統壓力、溫度及振動信號，根據液壓系統反饋回來的信號自動繪制出壓力波形，并且提取出特征參數，再將這些特征參數作為BP神經網絡的輸入樣本，并利用其對所建立起的BP神經網絡反復訓練，然后利用訓練好的神經網絡進行擠壓機故障診斷，得出診斷結果。這種方

3、法不僅大大提高了故障診斷的效率，而且還使故障診斷具有人工智能化。
　　 試驗表明，基于神經網絡的故障診斷結果與實測值具有良好的一致性，只要擁有了足夠多能夠準確反映故障的樣本對BP神經網絡進行訓練，網絡的可靠性和穩定性就能得到大大的提高。針對設備運行的復雜性，僅選用單一的診斷參數往往會做出錯誤的判斷，而基于神經網絡的故障模式識別方法能充分利用信息特征，實現輸入與輸出之間的映射關系，得出準確的診斷結果。人工神經網絡為狀態監測和故障診