Регистрация / Вход
Прислать материал

Нейросетевой подход в задаче вибродиагностики привода металлургических агрегатов

ФИО
Гольев Анатолий Иванович
Электронная почта
1a984etolyan__1994@mail.ru
Номинация
Информационные технологии
Институт
Другой институт/университет
Кафедра
Другое
ФИО научного руководителя
к.т.н. Полещенко Дмитрий Александрович
Академическая группа
ММ/А-15-д
Наименование тезиса
Нейросетевой подход в задаче вибродиагностики привода металлургических агрегатов
Тезис

На сегодняшний день актуальной задачей металлургического производства является своевременное выявление и предупреждение неисправностей агрегатов. Выход из строя любого металлургического агрегата приводит к простою и, следовательно, к существенным убыткам предприятия. Решение задачи возможно посредством диагностики электродвигателя агрегата, в частности хороший результат даёт вибродиагностика. Этот метод контролирует техническое состояние агрегата в целом либо его отдельных узлов по возникающим в процессе работы акустическим сигналам. Он позволяет перейти от планово-предупредительного ремонта на более прогрессивные методы обслуживания оборудования, не останавливать машины, не выполнять лишнего объема работ.

Вибродиагностика осуществляется следующим образом. Датчики вибрации регистрируют виброускорение на неподвижных частях объектов контроля. Электронные диагностические приборы принимают эти сигналы и рассчитывают амплитуды диагностируемых объектов на частотах, характерных для различных видов дефектов, которые автоматически корректируются в зависимости от скорости вращения двигателей. Обработка, хранение и представление информации осуществляется на сервере. Обрабатывать информацию на сервере можно по-разному, существует несколько групп методов:

  1. Диагностика асинхронного двигателя (АД) по среднеквадратичному значению вибросигнала.
  2. Вибродиагностика АД с помощью фазовых портретов.
  3. Спектральный анализ, выявляющий частотный состав сигнала.
  4. Ультразвуковая дефектоскопия и акустическая диагностика.
  5. Специальные диагностические параметры и др.

Классические группы методов обладают рядом существенных недостатков. Достаточно перспективным подходом считается диагностика на основе аппарата нейронных сетей (НС). Интеллектуальная надстройка позволяет сделать систему более гибкой и устойчивой, а главное, адекватно реагирующей на изменения в работе в силу ряда преимуществ, которым обладает такой метод искусственного интеллекта, как НС. Особое внимание привлекают самоорганизующиеся нейронные сети, реализованные по методу конкурентного обучения, так как они способны адаптироваться к входным данным, используя имеющиеся в них зависимости.

Научный руководитель - к.т.н. Полещенко Д.А.