液压动力站远程监控及故障诊断系统的研究与开发

《液压动力站远程监控及故障诊断系统的研究与开发》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、硕士学位论文（专业学位）液压动力站远程监控及故障诊断系统的研究与开发二〇一五年五月同济大学硕士学位论文摘要摘要液压动力站(HydraulicPowerUnit，HPU)是很多机器设备的能源供应中心。在实际应用中，由于种种原因不可避免的会出现各种各样的故障，影响了企业的生产效率。对于HPU的远程监控及其故障诊断，一直是让管理人员，维修人员和操作人员困扰的问题。通常液压动力站工作地点偏远(如沙漠采油)、工作环境恶劣(如露天采矿)，当其发生故障时，不但故障难以确定、持续时间长，即使耗费大量人力物力也很难快速排除故障。因此，研究和开发液压动力站远

2、程监控及其故障诊断系统，实现HPU的实时监控及其快速故障定位和故障排除，具有重要的理论意义和应用价值。本文针对HPU工作分散，地点偏远等特点，研究并开发了液压动力站远程监控及其故障诊断系统。采用ZigBee和GPRS技术设计了无线组网，实现了液压动力站的数据采集和双向传输。基于模糊故障诊断理论建立了模糊故障诊断模型，并通过实例验证了其可行性。本文主要工作和研究成果归纳如下：（1）深入分析了国内外远程监控及故障诊断技术的发展状况和某公司HPU结构组成及工作特点。提出了适合液压动力站远程监控及故障诊断的整体框架。（2）分析了ZigBee技术理

3、论、GPRS技术理论和TCP/IP协议，通过对Zigbee及GPRS等硬件设备的选型以及ZigBee协调器、路由器的二次编程开发，完成了HPU无线组网的构建，实现了HPU数据采集及远程数据传输，为远程监控及故障诊断打下基础。（3）分析了液压动力站监测数据及其故障特点，并总结了液压动力站常见故障及其原因。研究了模糊故障诊断理论特点及工作原理，重点研究了隶属函数、模糊算子和模糊综合评判原理。提出了多因素模糊故障诊断法，并利用该方法建立了基于HPU的模糊故障诊断矩阵、故障征兆集、故障征兆语义表和模糊故障诊断模型，然后利用液压动力站的故障实例对该

4、模型进行了验证。（4）采用面向对象程序设计语言C#，结合ASP.NET技术、TCP/IP技术、Socket技术以及知识库技术，以MicrosoftVisualStudio2012作为系统开发环境，采用SQLServer2008数据库，设计了液压动力站知识库，开发了基于B/S模式的远程监控及故障诊断系统，该系统包含四个子系统：用户管理子系统，知识库管理子系统，故障诊断子系统以及远程监控子系统。该系统能在用户使用时，随时对设备进行监测或控制，在设备发生故障时，提供相应故障的解决方案，为故障排除提供了很好的决策支持，实现了液压动力站的远程监控及

5、故障诊断要求。关键词:液压动力站，ZigBee，数据采集，远程监控，故障诊断，模糊理论ITongjiUniversityMasterofEngineeringAbstractABSTRACTHydraulicpowerunit(HPU)isthecenterofmanyenergysuppliesofmachineryandequipment.Butinpractice,duetovariousreasonstherearevarietiesofinevitablefaultsaffectingtheproductionefficienc

6、y.ForremotemonitoringandfaultsdiagnoseofHPU,itisalwaysdifficultproblemformanagers，maintainersandoperations.Asthehydraulicpowerstationworkinremotelocations(forExampleHydraulicpumpingunit),badworkingconditions(miningmachinery)orusingofclosed-endManagement,Sowhenamajorfaulto

7、ccursinthehydraulicpowerstation,itisnotonlyverydifficulttodeterminethereasons,butalsocontinuelongtime,thusitmaybewastinglotsofmanpowerandresourcesbutitcannotevensolvedtheproblem,therefore,theresearchanddevelopmentofremotemonitoringandfaultsdiagnosesystemforHPUtoachieverea

8、l-timemonitoringand，rapidpositioningfaultssources，faultspredictionandexclusion,isofgreattheoreti