详情

原文传递公路隧道风机服役状态模糊数学评价方法

论文题名：	公路隧道风机服役状态模糊数学评价方法
关键词：	公路隧道;风机服役状态;评价体系;层次分析;模糊数学;故障诊断
摘要：	通风是实现隧道安全、卫生、舒适设计标准的重要技术手段，通风设施服役状态的优劣将直接影响隧道环境质量。研究分析隧道通风设施服役状态以及演化趋势可以为隧道通风设施精细化管养提供数据支撑，同时保障通风设施的可靠性，也有助于提高隧道运营安全水平。本文以隧道风机为研究对象，提出了基于层次分析及模糊数学理论的隧道风机服役状态评价方法，该方法通过选取隧道风机服役状态评价指标构建评价体系，再结合各评价指标的状态综合得到隧道风机的服役状态；本文提出了一种基于卷积神经网络的隧道风机关键零件故障诊断模型，从而解决对部分评价指标状态难以获取的问题，该诊断模型可以利用隧道风机的振动数据获取部分关键零件的故障信息，从而为风机的整体状态评价提供依据。本文的主要研究内容如下：　　（1）在全面考虑隧道风机影响因素的基础上，以相关规范及标准为依据，选取隧道风机服役状态评价指标，并构建隧道风机服役状态评价体系。通过规范确定各评价指标的标准范围后，合理选取各评价指标的权重、劣化度及隶属度计算方法。最后建立隧道风机服役状态模糊综合评价模型，以各评价指标的隶属度、权重及评价集的加权处理结果，得到隧道风机服役状态的综合评分。　　（2）开展隧道风机的服役状态评价研究时，部分关键评价指标的健康状态难以通过常规方式获取，故本文构建基于卷积神经网络的隧道风机故障诊断模型。将隧道风机的振动信号进行滤波以及连续小波变换处理后，输入故障诊断模型中进行诊断识别，以诊断结果对隧道风机关键零件的故障进行判断与定位，诊断结果可为隧道风机的整机状态评价提供数据支持。　　（3）为确保故障诊断模型在隧道风机状态评价研究中的可行性，以隧道风机电动机轴承故障数据开展实验验证，基于Python算法模块搭建好实验平台后，将轴承振动信号进行维度转换后，输入到故障诊断模型中进行训练，确定诊断模型的最优模型参数后，得到隧道风机轴承的故障诊断结果。实验结果表明：隧道风机故障诊断模型的诊断精确度达到了99.3%，其诊断精确度与速度都明显优于支持向量机、BP神经网络及邻近算法等故障诊断模型。　　（4）本文以某隧道两种不同电机功率的隧道轴流风机养护数据为基础，结合本文提出的隧道风机服役状态评价方法，开展了对某隧道风机服役状态的评价。以AHP层次分析法结合专家打分确定评价指标的主观权重，融合熵权Topsis法确定的客观权重值确定了各评价指标的组合权重值，再结合故障诊断模型，获取各评价指标的劣化度及隶属度，最后通过评价模型得到该隧道各风机的综合评分。评价结果能准确有效地描述隧道风机当前的健康状态，表明本文所提出的隧道风机服役状态评价方法可以为隧道风机的运维工作提供参考。
作者：	蒲米世行
专业：	土木工程
导师：	丁浩
授予学位：	硕士
授予学位单位：	重庆交通大学
学位年度：	2023