24小时论文定制热线
24小时论文定制热线
摘 要
电力风机作为现代化电力产业的重要生产设备，其可靠性与稳定性必须得以保障。然而，随着电力风机越来越高速复杂，其在运行过程中所产生的问题也越来越难以排查解决，因此，对风机的健康状态进行实时监测与诊断十分必要和重要。本课题设计并实现了一套基于 Linux 的电力风机健康监测系统，用以监测风机设备的传感器信号并诊断其健康状态，从而有效保障风机设备安全可靠地运行。
论文首先根据电力风机健康监测的功能需求设计了包括数据采集终端、组网传输和监控主机的总体方案，分析并确定了以小波包分析作为故障信号特征提取方案，以神经网络专家系统作为故障诊断方案。基于 ARM 设计并实现了 4-20mA 多路隔离数据采集子板、RTD 信号采集子板、数字信号采集子板和基于 Linux 操作系统的双处理器主控板的软硬件，同时基于 Linux 实现了双网口数传系统的软件设计。各类数据采集子板采集压力、温度、风量等传感器信号，采样频率 2Hz，并通过基于 Modbus 协议的 RS485 总线传输至主控板；主控板采集振动信号，采样频率 1kHz，采样精度 12bit，同时轮询并处理子板数据，并将数据通过以太网口以TCP/IP 协议上传，经过有线或无线的网络拓扑结构传输至监控主机。同时，论文基于风机故障特性，将小波包分析提取到的风机故障特征向量作为 BP 神经网络的输入，结合专家系统设计了风机故障诊断算法，经过训练与验证，证明该算法模型可信度较高，可以有效实现风机故障诊断。监控上位机设计基于 C#语言，调用Matlab 组件，实现数据实时显示、曲线显示、阈值报警、故障分析等功能。
最后，论文给出了各板卡功能测试及系统整机测试的过程，测试结果表明，系统各模块均满足设计需求，能够实现对电力风机的在线监测并诊断健康状态，具有良好的稳定性和可靠性。
关键词：电力风机；健康监测；Linux 操作系统；小波神经网络
Abstract
Electric power fan as an important production equipment of modern power industry, its reliability and stability must be guaranteed. However, with the power fan more and more high-speed and complex, its problems in the process of running are increasingly difficult to troubleshoot, therefore, it is necessary and important to monitor and diagnose the health status of the fan in real time. This paper designs and implements a set of power monitoring system based on Linux to monitor the sensor signal of the fan equipment and diagnose its health status, so as to effectively ensure the safe and reliable operation of the fan equipment.
In this paper, the general scheme of data acquisition terminal, network transmission and monitoring host is designed according to the functional requirements of power fan health monitoring. The wavelet packet analysis is used as the fault signal feature extraction scheme, and the neural network expert system is used as fault diagnosis scheme. Based on ARM, the hardware and software of 4-20mA multi-channel isolation data acquisition board, RTD signal acquisition board, digital signal acquisition board and dual processor main-control board based on Linux are designed and implemented.
At the same time, the software design of the dual-port digital transmission system based on Linux is realized. All kinds of data acquisition board collect pressure, temperature, air flow and other sensor signals, sampling frequency 2Hz, and through the Modbus bus based on Modbus protocol transmit to the main control board. Main control board collects vibration signals, sampling frequency 1kHz, sampling accuracy 12bit, polling and processing sub-board data, and through the Ethernet port based on TCP / IP protocol upload the data, through a wired or wireless network topology transmits to the monitoring host. At the same time, based on the characteristics of fan fault, the fan fault feature vector extracted by wavelet packet analysis is used as the input of BP neural network, and the fan fault diagnosis algorithm is designed according to the expert system. After training and verification, the model is proved to have higher reliability, can effectively achieve fan fault diagnosis. Monitoring PC is designed based on C# language, calling Matlab components, and realize real-time data display, curve display, threshold alarm, fault analysis and other functions.
Finally, the paper gives the process of board function test and system test, the test results show that the system modules meet the design requirements, to achieve on-line monitoring of electric fans and diagnosing the health status, with good stability and reliability.
Key words: power fan, health monitoring, Linux OS, wavelet neural network
风机设备的应用十分广泛，无论是电力行业、煤矿行业还是风力行业等都离不开风机设备。目前，国外现有的风机健康监测系统能够采集大型风机设备的传感器数据，评估风机设备的运行状态与性能水平，并实现故障诊断。部分监测系统则可以在风机运行过程中实现控制功能，对有需求的工况点进行在线的调试。同时，有的系统会在风机设备出现异常时，启动备用风机，从而保障工业生产的不间断运作。然而，国外的风机监测系统都是与大型风机成套出售，并且价格都十分昂贵[29]。
与国外相比，国内的风机监测技术虽然也在稳步发展，但是相较于国外发达国家依然存在很多不足。国内的风机监测系统普遍存在数据采集的实时性不够高的问题，并且大多只能实现监测功能，并不能与控制功能很好地结合，对控制量的调节不够智能准确[30]。同时，国内对电力风机的监控基本都采用独立的系统，不能够与工业现场的其他系统实现网络互联，信息分散不易管理。并且，国内的电力风机监测系统还存在可靠性差、功能单一的缺点，风机的故障诊断算法也不够优化智能[31,32]。
综上，风机的健康状态监测与诊断需要进一步结合先进的传感器数据采集与处理技术，提高采集的精度与分辨率；同时需要结合更为优化的人工智能算法；还需要提升监测软件的易用性与规范性。
本课题通过对风机故障特征提取方法和故障诊断方法进行分析与研究，设计一套基于 Linux 系统的双处理器嵌入式风机健康监测系统。嵌入式数据采集终端实现对风机进出口温度、轴承温度、压力、执行器开度、风机风量、轴承振动等信号量的采集与打包处理；监控主机服务器端实现 PC 端人机交互界面，基于小波神经网络专家系统提取风机信号故障特征并分析诊断风机健康状态，从而有效保障电力风机安全可靠地运行。
课题主要研究内容由四个部分组成：
（1）根据系统需求设计系统整体方案和数据采集终端方案，研究比较各种故障信号特征提取方法和故障诊断方法并确定故障诊断方案。
（2）基于 STM32F103RBT6 微处理器设计 4-20mA 多路隔离数据采集子板、RTD 信号采集子板、数字信号采集子板的软硬件；基于 i.MX6Q 核心板设计双处理器主控板的软硬件；基于 Am335x 核心板设计双网口数传系统的软件程序。子板负责各类传感器信号的采集；主控板则基于 Linux 操作系统采集振动信号，处理子板数据，并通过以太网口实现数据的网络化。主控板与采集子板通过基于 RS485的 Modbus 协议通信，主控板与监控主机通过 TCP/IP 协议通信，主控板的两个处理器间以 SPI 通信。双网口数传系统基于 Linux 操作系统，实现数据从局域网到互联网的可靠传输。
（3）基于风机故障特性，研究并设计基于小波包分析的风机故障特征向量提取算法，设计并训练基于 BP 神经网络的风机故障诊断算法，构建小波神经网络专家系统，实现对风机的故障诊断。
（4）根据 PC 终端的需求，基于.NET 框架，采用 C#语言设计并实现人机交互界面，实现数据实时显示、曲线显示、网络配置、数据/曲线保存、阈值报警、故障分析等功能。
电力风机健康监测系统功能测试界面：
主控板卡RS485读取结果
通道隔离板卡 RS485 读取结果
4-20mA 通道隔离子板功能测试
RTD 信号采集板卡功能测试
数字输入采集板卡功能测试
正弦波信号测试结果
三类子板与主控板联调测试结果
特征提取测试结果
故障诊断测试结果
故障诊断测试结果
系统状态监测功能测试
4G传输测试结果
目 录
摘 要
Abstract
第 1 章 绪 论
1.1 课题研究背景和意义
1.2 国内外研究现状及分析
1.2.1 电力风机监测系统
1.2.2 风机故障诊断技术
1.2.3 国内外现状综述
1.3 本课题研究内容
第 2 章 系统总体方案设计
2.1 系统整体方案
2.2 数据采集终端设计方案
2.3 通信协议选取
2.4 故障特征提取方案
2.4.1 小波变换
2.4.2 小波包分析
2.5 故障诊断方案
2.5.1 BP 神经网络算法
2.5.2 专家系统
2.6 本章小结
第 3 章 系统软硬件设计与实现
3.1 系统硬件整体设计
3.2 系统各板卡硬件设计
3.2.1 主控板硬件设计
3.2.2 数据采集子板硬件设计
3.2.3 PCB 设计与实现
3.3 系统软件整体设计
3.4 系统各板卡软件设计
3.4.1 主控板软件设计
3.4.2 数据采集子板软件设计
3.4.3 双网口数传系统软件设计
3.5 本章小结
第 4 章 基于小波神经网络的故障诊断算法
4.1 故障特征的提取
4.1.1 风机故障特性分析
4.1.2 小波包分解
4.1.3 特征信号的提取
4.2 故障诊断算法的设计
4.2.1 风机故障诊断神经网络模型
4.2.2 BP 神经网络的学习算法
4.2.3 故障诊断算法的实现
4.3 监控主机专家系统的实现
4.3.1 神经网络专家系统的设计
4.3.2 上位机软件设计
4.3.3 故障分析模块软件设计
4.4 本章小结
第 5 章 系统功能测试
5.1 主控板及数据采集子板功能测试
5.1.1 Modbus 通信功能测试
5.1.2 数据采集子板功能测试
5.1.3 主控板功能测试
5.2 故障诊断算法功能测试
5.3 系统整机功能测试
5.4 本章小结
结 论
参考文献
攻读硕士学位期间发表的论文及其它成果
哈尔滨工业大学学位论文原创性声明及使用授权说明
致 谢
（如您需要查看本篇毕业设计全文，请您联系客服索取）