摘要：针对传统水力除焦操作中需要人为观测判断、劳动强度过大、环境恶劣的缺陷,提出了基于振动声学的智能除焦状态检测系统,利用智能检测技术完成除焦状态的判读。通过振动传感器对信号进行采集,再完成特性参数的提取,使用模式识别的方式建立除焦状态和振型参数之间的关系,采用BP神经网络将获取的振动信号样本进行傅里叶变换后得到振动信号的幅频曲线。提取不同特征频段的幅值作为特征参数,进行样本学习训练,建立起除焦状态与焦炭塔振动特性之间的学习识别网络,经过训练并且稳定的网络即可用于水力除焦智能检测系统中。

关键词：水力除焦 智能检测 频谱分析 神经网络 振动声学 

单位：武汉工程大学电气信息学院; 湖北武汉430000