1、密閉鼓風爐的熔煉過程極其復雜,工藝結構龐大.傳統的故障診斷方法由于需要建立比較精確的數學模型,從而在實際應用中遇到了難以逾越的障礙.本論文應用了人工智能的理論和技術,將一些先進的診斷理論和檢測技術手段結合起來,構成一個有機的統一整體,對整個生產系統進行狀態(tài)監(jiān)測和故障診斷,取得了良好的診斷結果.論文主要進行了密閉鼓風爐熔煉過程智能集成故障診斷系統的研究.智能集成系統由基于BP神經網絡的生產過程早期故障診斷結構和專家系統結構組成.系統根據當

2、前參數的變化趨勢進行基于BP神經網絡的生產過程早期故障診斷,診斷得到"潛在故障"與另一組參數進入專家系統結構,根據專家規(guī)則庫中的規(guī)則集進行綜合評價得到最終的診斷結果.神經網絡結構具有自學習功能,對爐況的適應性強;專家系統結構可靠性強,推理過程簡單,運算容易,可保證系統實時運行速度,并且規(guī)則易于理解.文章重點論述了生產過程早期故障診斷結構和專家系統規(guī)則庫的建立.在故障診斷系統實施過程中,首先確定了待測故障和參數集,然后結合熔煉過程實際情況

3、對系統各部分進行實例化并給出了具體診斷過程.第一章指出了課題的來源和意義,簡要介紹了密閉鼓風爐熔煉過程和國內外故障診斷技術的研究現狀;第二章重點介紹了故障診斷基本理論與技術,包括典型的智能故障診斷系統;第三章提出了密閉鼓風爐熔煉過程故障診斷系統的設計方案,并對系統組成進行了詳細介紹;第四章結合熔煉過程實際情況進行具體方案實施,詳細論述了系統各部分的實例化及診斷過程的實現;第五章介紹了熔煉過程故障診斷系統的軟件設計與實現;最后對整個研究工