造纸机是将纸料纤维悬浮液制成成品纸的重要联合装备,在整个造纸过程中起着不可替代的地位。然而,一旦造纸机出现局部安全故障就会造成大面积停产,给造纸机企业带来破坏性的事故和高额的维修费用等问题。为避免这些问题的出现,就需要对造纸机的现场运行状态进行实时监测、突发故障进行快速诊断、健康状态进行准确预测、维护策略进行及时决策、系统资源进行合理管理等。然而我国造纸企业规模庞大,据国家统计局数据,截至2017年,仅全国规模的造纸企业就有2328家,针对我国规模如此庞大的造纸行业,对其造纸机设备进行健康管理,传统的健康管理系统很难满足需求,所以需要设计一种具备强大计算能力和存储能力的造纸机远程健康管理系统。本文针对上述造纸行业存在的问题,通过健康管理技术和云计算技术的结合,设计了一种基于云平台的造纸机远程健康管理系统,本文工作内容如下:(1)分析了造纸机远程健康管理系统的需求,设计了可以实时采集造纸机相关参数并上传到健康管理中心的现场采集终端。该终端可以对造纸机易损部位等的相关数据(比如:温度信号、湿度信号以及振动信号等)进行采集,然后通过全球移动通信系统将这些数据实时传送到云平台资源层的数据库中,进而通过平台层提供的云服务,使这些数据可以被该系统的业务逻辑层使用。该终端提供了友好的人机交互界面,方便现场工作人员对该终端进行管理和维护。(2)针对本文系统的故障诊断模块在使用BP神经网络对造纸机滚动轴承进行故障诊断时,由于BP神经网络初始权值和阈值的选取不当,而导致该方法的故障识别率低的问题,本文提出了一种基于粒子群优化算法(Particle Swarm Optimization,PSO)和万有引力搜索算法(Gravitational Search Algorithm,GSA)优化的神经网络轴承故障诊断方法。该方法先从造纸机滚动轴承的原始振动信号中提取特征向量,再利用PSO的记忆能力和信息共享能力对GSA进行改进,并以此双优化算法来优化BP(Back Propagation)神经网络的初始权值及阈值,形成一种适用于轴承故障诊断的双优化神经网络模型。实验结果表明,该方法能较准确地识别出造纸机多种滚动轴承故障,可为本文所设计系统的故障诊断模块提供解决方案。(3)基于云平台对健康管理中心(即系统的远程服务端)进行设计与实现。以云平台的资源层和平台层所提供的云服务为基础,以MYSQL作为系统的数据库,通过JSP+Servlert+JavaBean技术,来完成对整个健康管理中心业务逻辑层的开发,进而完成该系统健康管理中心的建立。另外该系统健康管理中心的状态监测模块在对监测数据进行展示时,利用了百度公司最新推出的开源数据图表设计工具——商业级数据图表(Enterprise Charts,Echarts)实现对造纸机现场数据的个性化展示,增加用户体验度。(4)为方便用户通过移动终端使用该造纸机远程健康管理系统,本设计还采用Android技术为本文所设计系统的移动客户端开发了移动终端应用程序(Application,APP)。在实现本系统移动终端APP时,先对APP的功能结构进行设计,然后实现APP与该系统数据库数据同步、交互等功能,最后对APP的登录/注册、状态监测、资源管理等功能模块的界面及界面跳转进行设计与开发。(5)对本文所设计的整个系统及各个功能模块进行了测试和调试,验证了基于云平台的造纸机远程健康管理系统的正确性和可行性。实验结果表明,本文利用云平台和健康管理技术,已基本实现了对造纸机的远程健康管理,完成了基于云平台的造纸机远程健康管理系统的原型开发。总之,基于云平台的造纸机远程健康管理系统的采集终端可对造纸机现场参数进行采集,并通过移动通信技术传送给健康管理中心(即系统的服务端)。健康管理中心以云平台的资源层和平台层为基础,重点为实现其业务逻辑层而建立,提高整个系统计算、储存、分析和共享能力。系统远程客户端以移动终端应用程序和PC(Personal Computer)客户端两种形式实现。和传统造纸机维护和管理方法不同,该系统通过云计算技术和健康管理技术相结合的方式对造纸机进行管理,不仅实现了造纸机远程状态监测、故障诊断、资源管理等功能,而且管理造纸机设备的数量多,规模大。另外,通过本文提出的基于PSO和GSA优化的神经网络故障诊断方法,实现该系统故障诊断功能,提高整个系统的诊断精度和健康管理水平。