乳化炸药是一种工业炸药,对经济建设和社会进步起到了非常重要的推动作用。然而乳化炸药在带来经济效益的同时,乳化炸药生产线的设备时常会发生一些故障。由于炸药行业的特殊性,这些故障往往带来灾难性的后果。乳化器是整条生产线容易发生故障的设备,当前用于乳化器的安全措施主要是对其重要参数设置阈值,参数在超过阈值时报警,同时对设备定期维护。事实表明,这些方法不能及时发现乳化器的潜在性故障,做到防患于未然。传统的计划维修和事后维修无法满足乳化器安全运行的需求,乳化器故障报警需要向预知维修和按需维修转变。预测技术的发展为上述要求提供了可能。本文将预测技术用于乳化器安全运行,提出一种基于遗传算法优化神经网络的乳化器故障预警方法。该方法通过建立多变量的模型来预测乳化器运行状况,从而在故障发生前预警。本文主要进行了以下几点研究:(1)简单介绍乳化炸药生产工艺流程,从乳化器机械结构和乳化工艺的角度分析了乳化器是乳化炸药生产线容易发生故障的设备。接着采用故障树方法分析了乳化器的故障影响因素,在此基础上提出需要建立动态、多变量的故障预警模型用于乳化器故障预警。(2)介绍了当前故障预警常用的三种预测方法,通过比较三种方法的优缺点并结合乳化器的实际情况,选用BP神经网络建立乳化器故障预警模型,并针对BP神经网络的缺点采用遗传算法优化BP神经网络,接着介绍了利用遗传算法和BP神经网络实现乳化器故障预警的方法。(3)详细阐述了建立乳化器故障预警模型的流程,实验结果表明遗传算法优化后的BP神经网络预测误差更小。然后以某化工厂的实际运行数据为基础,通过实例分析了故障预警模型的有效性。(4)在乳化炸药生产线现有设备和安全监测的基础上,完成乳化器故障预警系统的初步设计。