基于物聯(lián)網的感應電爐故障波形多率采集與診斷系統(tǒng).pdf

1、感應電爐是金屬材料加熱領域中常用的工業(yè)設備。為了確保感應電爐工作正常，一般需要監(jiān)測其電源部分的一些信號波形。當出現故障信號時，技術人員需要去現場結合信號波形和人工經驗排查故障，效率較低。
　　針對此問題，本論文設計了一套基于物聯(lián)網的感應電爐故障波形多率采集與診斷系統(tǒng)。該系統(tǒng)可以分為兩個較為獨立的部分:故障波形多率采集系統(tǒng)和故障診斷系統(tǒng)。
　　故障波形多率采集系統(tǒng)是基于物聯(lián)網架構設計的，由安裝在感應電爐現場電氣柜的故障數據采集

2、模塊、部署在公網的服務器模塊和遠程用戶終端模塊組成。故障數據采集模塊針對多率系統(tǒng)，設計了一種基于多通道模數轉換器的高低頻信號有限時間混合采集方法，該方法能夠在有限時間內通過采集通道的合理配置，實現高低頻信號波形的混合采集。在提高性價比和資源利用率的同時，解決了在單塊數據采集卡上完成數據采集的需求問題。用戶終端通過服務器可以與現場故障數據采集模塊進行交互，實現遠程查看故障波形數據和現場狀態(tài)等功能。
　　故障診斷系統(tǒng)是針對采集到的故障

3、波形數據進行故障分類。首先對大量故障波形數據進行標記，作為多分類監(jiān)督學習的數據集。然后使用兩種方式進行分類對比:一種是使用LSTM神經網絡分類器直接對故障時序數據進行分類，另一種是先對故障波形使用小波分解得到能量特征向量，再以該特征向量作為輸入，通過隨機森林分類器進行分類。兩種方式均得到了較為可觀的結果，驗證了該故障診斷系統(tǒng)的可行性。
　　通過上述兩個部分組成的完整的基于物聯(lián)網的感應電爐故障波形多率采集與診斷系統(tǒng)，實現了感應電爐電