电磁搅拌电力监控及故障预测系统

《电磁搅拌电力监控及故障预测系统》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、华中科技大学硕士学位论文摘要武钢一炼钢厂电磁搅拌装置每年会多次出现一点或多点接地的故障，严重影响了铸坯质量，造成生产量减少和废品率增加，甚至引起严重的电力事故。每年造成直接和间接经济损失数百万元。本论文设计了一个电磁搅拌电力在线监控及故障预测系统。该系统采用霍尔式电压、电流、漏电流检测仪表结合自主开发的调理模块进行电磁搅拌装置的电力信号监控，实时监控电磁搅拌装置的电力运行情况，并且对可能出现的电力线一点或多点接地情况采用智能算法进行预测，以保证电磁搅拌装置的故障尽快地得到检测。本论文给出了系统的总体方案，并

2、介绍了系统的软硬件构成。讲述了灰色预测算法的原理，以及采用改进的灰色预测算法对漏电流动态过程进行预测的仿真和研究过程。并介绍了采用虚拟仪器开发环境LabWindows/CVI开发系统软件的过程，包括如何实现实时曲线绘制,历史数据保存,串口通讯等。本课题的开发和运行对于实现武钢一炼钢厂连铸工段的挖潜增效具有战略性的意义。而且论文的成果不仅适用于武钢一炼钢厂，在国内其他大型钢铁企业连铸生产线的技术改造领域也具有相当的推广价值。关键词：故障预测；灰色预测算法；虚拟仪器；电磁搅拌I华中科技大学硕士学位论文Abstr

3、actTheelectromagneticblendersoftheWuhanFirstSteelworksappearthemalfunctionthatthepowerlinehaveconnectedtogroundononepointormoremanytimeseveryyear,affectingthequantityofcastironseriously,resultinginreducingtheoutputandincreasingtherateofwaster,evencausethes

4、eriouselectricpowertrouble.Ithasresultedintheeconomiclossofmillionsofdollardirectlyandindirectlyeveryyear.Thisthesisdesignstheon-lineelectricpowermonitorandmalfunctionpredictionoftheelectromagneticblenders.ThesystemadoptstheHallvoltage,current,leakycurrent

5、sensorsandthedo-it-yourselfdivecestodetectthelowfrequencysignaloftheelectromagneticblender，monitoringtheelectricpoweroftheelectromagneticblender,evencanpredictthemalfunctionthatthepowerlinehaveconnectedtogroundononedotormore.withtheassurancethattheelectrom

6、agneticblendercanworkssafelywithoutanyfault.Thethesisgivethetotaldesignofthesystem:thehardwaredepartmentandthesoftwaredepartmentofthesystem.Itgivesthethedetailsofthealgorithmofgreyprediction,andthesimulationofhowtouseimprovedgreypredictiontopredictmalfunct

7、ion.ItalsointroduceshowtouseLabwindows/CVItodevelopthesoftwareofthesystem,includingthedisplayofreal-timecurveandstorageofhistorydata,andserial-portcommunication.ThefindingsisveryimportanttotheWuhanFirstSteelworks.Notonlythethesis’sachievementissuitableforW

8、uhanFirstSteelworks,butalsoithasthesuitablepromotedvalueinthedomainifthedomesticotherlarge-scalesteelenterprisestotechnologicaltransformationsofproductionline.Keywords:malfunctionprediction;algorithmofgreypre