手机知网 App
24小时专家级知识服务
打 开
手机知网|搜索

瓦斯监测系统故障智能诊断技术研究

王其军

   瓦斯监测系统作为对安全性要求很高的一个复杂的动态系统,因单一故障诊断方法或专家知识水平的局限性,往往不能满足诊断系统实时性和准确性的要求,所以需要集成运用多个专家经验才能获得正确的结论。同时对诊断问题的求解要求实现集成化、智能化、自动化和网络化,传统的诊断技术已不能满足此诊断性能的需要,必须采用新的诊断理论体系和结构。Agent是一种具有自主行为的智能体,能够实时处理多维信息,通过Agent之间的互相通信与协作,可以在相同环境中采用不同的方法解决问题,增强了诊断系统对环境的适应性。本文以瓦斯监测系统为研究对象,利用Agent的自主性,构造基于多诊断Agent的故障诊断系统,实现对复杂的瓦斯监测系统的故障智能诊断。 首先分析了影响瓦斯监测系统可靠性的因素以及当前煤矿机电设备故障诊断技术的现状,据此提出了瓦斯监测系统故障诊断应包含的任务和内容。针对瓦斯传感器的故障模式和系统复杂性的特点,提出了从传感器到系统的多Agent故障诊断规划和实现策略。 从瓦斯传感器故障诊断出发,研究构造了瓦斯传感器的故障诊断Agentl。利用多传感器信息融合技术对瓦斯监测系统中相关传感器(风速传感器、温度传感器、CO_2传感器等)提供的大量数据进行融合,构建高精度RBF网络逼近器,以逼近值作为监测瓦斯传感器状态的参考基准,来实现对瓦斯传感器有效的故障诊断。该方法能较准确的诊断出瓦斯传感器出现的速率较大的漂移故障和突变类型的故障以消除瓦斯传感器故障的影响,是一种比较有效瓦斯传感器故障诊断方法。 从监测系统的故障诊断出发,深入研究了基于故障树模型的图论理论,给出了瓦斯监测系统井下分站的故障树图论模型,建立了瓦斯监测系统运行常见故障的故障树,设计了由框架和规则混合知识表示的故障智能诊断系统。构造了基于故障树的瓦斯监测系统的诊断Agent2。 建立了一种基于案例推理的瓦斯监测系统诊断方法Agent3,并给出了该推理方法的详细的实现过程。研究将神经网络技术和遗传算法引入基于K-NN的CBR推理系统,用自适应共振神经网络ART1模型的聚类能力有效缩小问题搜索空间,同时基于遗传算法对案例的特征权值向量进行优化,以提高对瓦斯监测系统故障案例库检索时的效率与质量。 本文研究了瓦斯监测系统故障诊断的多Agent模型,提出了一种故障诊断的抽象MAS模型,研究针对瓦斯监测系统使用该模型如何实现故障诊断。根据多诊断Agent解的特点,对证据理论中的概率分配函数进行了约束和具体化,提出了基于证据理论的多Agent合作诊断解的综合步骤,并通过结论一致、部分冲突和完全冲突3个实例进行了综合分析,说明了该方法的有效性。将基于三种诊断方法的多Agent故障诊断系统方案应用于实际的瓦斯监测系统故障诊断的设计上,给出了技术实现的方式、步骤,对形成的诊断系统进行了初步应用。……   
[关键词]:瓦斯监测系统;瓦斯传感器;故障诊断;多Agent系统;径向基函数网络;故障树分析;案例推理
[文献类型]:博士论文
[文献出处]:山东科技大学2007年
App内打开