深海底集矿机是一个复杂的液压动力机械系统,传统的故障诊断方法由于需要建立对象精确的数学模型,从而在集矿机故障诊断中难以实现。为此本文采用智能诊断的理论和方法,将集成神经网络和传感器容错技术相结合,对集矿机进行状态监测与故障诊断,这对稳定深海采矿过程,提高集矿机运行可靠性,具有非常重要的意义。 集矿机包括集矿系统、行走机构、液压系统三大部分。在分析各部分可能故障的基础上,总结了车辆打滑、转向故障、前后倾角超限、履带马达故障、液压泵故障、电机故障等十种主要故障,并针对这些故障的特点,进行了集矿机故障诊断系统的研究和设计。本文首先提出了系统的结构框架,并总结了其功能特点;然后对集矿机传感器故障容错方法进行了研究,通过把传感器硬件冗余技术、加权融合算法以及灰色预测模型结合起来,构建具有故障检测、分离和冗余能力的传感器容错单元,保证了集矿机双传感器在不同时发生故障的情况下其输出始终有效;接着建立三个诊断子网络,从集矿系统、行走机构、液压系统三个不同的侧面对集矿机故障进行诊断,并利用决策融合网络将诊断子网络的诊断结果进行融合会诊,得到系统最终的诊断结论,提高了故障确诊率。仿真试验表明系统能有效地实现集矿机的故障诊断和传感器容错,为即将进行的“海试”打下了良好的基础。 论文最后进行了系统软件的设计。系统软件开发平台选用Windows2000,采用VISUAL C++6.0和SQL Server7.0编制,提供了信息输入、数据查询、故障诊断和故障仿真等功能,可用于深海采矿过程中集矿机的故障诊断。