[01294202]冶金除尘风机智能诊断系统

多数冶金除尘风机工作在高温、高压、特别是高金属粉尘的恶劣环境下，并且长期高负荷运行，容易出现叶片磨损、转子不平衡、转子不对中等多种故障。如果没有较完善的预防维护措施，风机一旦出现问题就会影响正常生产，并造成严重的环境污染。国家近年来加大了环境保护的力度，对大型工业企业的污染防治问题尤为重视。研制和开发冶金除尘风机智能诊断系统，不仅可以及时发现风机故障并给出准确的结论，降低对现场人员的专业技术知识的要求，从而提高企业设备管理现代化水平，还可以提高厂矿空气质量控制水平，改善环保控制手段。　　该项目对冶金除尘风机内流场运动、气体与固体微粒的相互作用，流体速度、流动形式、碰撞过程、颗粒粒度等因素进行了综合深入研究，采用专用流场仿真软件Fluent，建立了风机在气固两相流作用下的三维流场模型，对风机叶片表面受流体冲击压力、冲击磨损情况进行了仿真分析，在此基础上运用机械系统动力学自动分析软件ADAMS建立了冶金除尘风机旋转工作的虚拟样机模型，并利用ADAMS/Vibration计算了模型在不同叶片磨损情况下的振动频谱，为冶金除尘风机故障仿真找到了一个较好的仿真实验平台，获得了大量故障样本数据，为智能故障诊断提供了很好的学习样本。　　目前风机智能诊断系统的主要缺点是训练速度慢，对并发故障诊断能力差，容易出现误诊和漏诊。该项目针对上述缺点，利用RBF算法在冶金除尘风机故障诊断中具有更好的学习性能和抗噪性能，从信号的有效组合出发，用冶金除尘风机不同部位的多个传感器信号作为神经网络的输入，用流场仿真数据和已有的实验数据作为神经网络的训练样本，用各个子神经网络从不同侧面诊断系统的故障，然后将各子神经网络的局部信息进行决策融合，从而形成集成动态神经网络智能故障诊断系统，有利于充分利用各种信息。由于各种子神经网络输入特征信息不同，其决策从不同方面反映了设备的状态，它们经过重新融合，有利于减少决策间的不确定性，提高确诊率。　　关键技术　　1、基于FLUENT和ADAMS/Vibration的风机叶片磨损故障仿真　　2、基于径向基函数的集成动态神经网络智能诊断技术　　该项目成果于2006年1月和2006年2月在武钢炼铁厂和武钢烧结厂投入运行使用。一年多的实际运行情况表明，设备运行正常，系统工作稳定，使用效果良好，诊断准确率高，提高了设备作业率，降低了维修成本，实现了预知维修的要求，满足了生产需要。为武钢创造经济效益为775.6万元/年。