數(shù)控機(jī)床作為衡量一個(gè)國家工業(yè)現(xiàn)代化水平的重要標(biāo)志,其出現(xiàn)故障不僅造成巨大的經(jīng)濟(jì)損失,嚴(yán)重時(shí)還會(huì)危及到人身安全。借助專家系統(tǒng)和網(wǎng)絡(luò)技術(shù)開發(fā)基于Web的故障診斷專家系統(tǒng),可以方便快速找出故障原因,給出排除故障的方法,有效的縮短因設(shè)備故障而造成的設(shè)備停機(jī)時(shí)間。同時(shí)以“數(shù)據(jù)流動(dòng)”代替“人員流動(dòng)”,減少產(chǎn)品維修人員的出差次數(shù),降低售后技術(shù)支持費(fèi)用,增強(qiáng)產(chǎn)品的市場競爭力。論文在對數(shù)控機(jī)床功能結(jié)構(gòu)、故障機(jī)理和故障診斷理論方法深入分析的基礎(chǔ)之上,首先將云理論和RBF神經(jīng)網(wǎng)絡(luò)結(jié)合提出了RBF云神經(jīng)網(wǎng)絡(luò)模型,該模型既具備云理論的隨機(jī)性和模糊性,又兼?zhèn)銻BF的學(xué)習(xí)、記憶能力。隨后將其應(yīng)用到數(shù)控機(jī)床的刀具磨損狀態(tài)識別中,經(jīng)比較發(fā)現(xiàn)該網(wǎng)絡(luò)模型的精確度較高,具有較強(qiáng)實(shí)用性。該模型同樣適用于數(shù)控機(jī)床故障診斷,當(dāng)有多個(gè)可能的故障原因時(shí)可以利用該模型找到最大可能的故障原因,減少逐一嘗試排查所帶來的不必要時(shí)間浪費(fèi)。接著文章討論了該故障診斷系統(tǒng)采用的診斷機(jī)制,即RBR和CBR協(xié)調(diào)工作的診斷機(jī)制,二者在推理中混合執(zhí)行,規(guī)則是對實(shí)例的歸納總結(jié),克服了規(guī)則獲取難的缺點(diǎn),在診斷中又指導(dǎo)實(shí)例,使得故障快速定位,提高了診斷的效率。知識... 

【文章來源】：大連交通大學(xué)遼寧省

【文章頁數(shù)】：59 頁

【學(xué)位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 課題的研究背景及目的和意義
    1.2 國內(nèi)外研究現(xiàn)狀
    1.3 本文研究內(nèi)容
    1.4 本文關(guān)鍵技術(shù)及創(chuàng)新點(diǎn)
    1.5 本文章節(jié)內(nèi)容安排
    本章小結(jié)
第二章 數(shù)控機(jī)床故障診斷系統(tǒng)總體介紹
    2.1 故障診斷技術(shù)概述
    2.2 數(shù)控機(jī)床基本組成及故障機(jī)理
        2.2.1 數(shù)控機(jī)床的工作過程
        2.2.2 數(shù)控機(jī)床基本組成
        2.2.3 數(shù)控機(jī)床的故障機(jī)理
    2.3 故障診斷的理論和方法
        2.3.1 基于解析模型的故障診斷方法
        2.3.2 基于信號處理的故障診斷方法
        2.3.3 基于知識的方法
    2.4 數(shù)控機(jī)床故障診斷系統(tǒng)網(wǎng)絡(luò)結(jié)構(gòu)
    2.5 本地?cái)?shù)控機(jī)床故障診斷系統(tǒng)結(jié)構(gòu)
    本章小結(jié)
第三章 云神經(jīng)網(wǎng)絡(luò)模型及其應(yīng)用
    3.1 RBF神經(jīng)網(wǎng)絡(luò)
        3.1.1 神經(jīng)網(wǎng)絡(luò)概述
        3.1.2 RBF神經(jīng)網(wǎng)絡(luò)模型
    3.2 云理論基本知識
        3.2.1 云模型
        3.2.2 云發(fā)生器
    3.3 RBF云神經(jīng)網(wǎng)絡(luò)
    3.4 仿真工具M(jìn)ATLAB7.0簡介
    3.5 RBF云神經(jīng)網(wǎng)絡(luò)應(yīng)用實(shí)例
        3.5.1 在數(shù)控機(jī)床刀具磨損狀態(tài)識別中的應(yīng)用
        3.5.2 在故障診斷中的應(yīng)用
    本章小結(jié)
第四章 數(shù)控機(jī)床故障診斷機(jī)制
    4.1 專家系統(tǒng)基本原理
    4.2 面向?qū)ο蟮闹R表示
        4.2.1 面向?qū)ο笾R表示概述
        4.2.2 面向?qū)ο笾R表示基本結(jié)構(gòu)
    4.3 RBR與CBR協(xié)調(diào)診斷機(jī)制基礎(chǔ)
        4.3.1 RBR機(jī)制
        4.3.2 CBR機(jī)制
        4.3.3 數(shù)控機(jī)床功能結(jié)構(gòu)劃分
    4.4 RBR與CBR協(xié)調(diào)診斷機(jī)制
        4.4.1 RBR與CBR協(xié)調(diào)診斷機(jī)制組織結(jié)構(gòu)
        4.4.2 RBR與CBR協(xié)調(diào)診斷機(jī)制
        4.4.3 RBR與CBR的相互轉(zhuǎn)換
    本章小結(jié)
第五章 系統(tǒng)實(shí)現(xiàn)
    5.1 系統(tǒng)開發(fā)平臺
        5.1.1 系統(tǒng)開發(fā)技術(shù)
        5.1.2 系統(tǒng)軟件開發(fā)環(huán)境
        5.1.3 系統(tǒng)開發(fā)工具M(jìn)yEclipse6.6介紹
    5.2 數(shù)控機(jī)床故障診斷專家系統(tǒng)總體設(shè)計(jì)
        5.2.1 功能需求
        5.2.2 系統(tǒng)功能模塊設(shè)計(jì)
        5.2.3 系統(tǒng)工作流程
    5.3 數(shù)控機(jī)床故障診斷專家系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
        5.3.1 數(shù)據(jù)庫設(shè)計(jì)
        5.3.2 數(shù)據(jù)庫連接
        5.3.3 數(shù)控機(jī)床故障診斷專家系統(tǒng)實(shí)現(xiàn)
        5.3.4 用Java啟動(dòng)MATLAB
    本章小結(jié)
結(jié)論
參考文獻(xiàn)
附錄A 銑削實(shí)驗(yàn)數(shù)據(jù)
攻讀碩士學(xué)位期間發(fā)表的學(xué)術(shù)論文
致謝


【參考文獻(xiàn)】：
期刊論文
[1]基于RBR和CBR的故障診斷專家系統(tǒng)研究[J]. 馬振林,于英杰.  微計(jì)算機(jī)信息. 2010(04)
[2]智能故障診斷技術(shù)及發(fā)展[J]. 譚勇,王偉.  飛航導(dǎo)彈. 2009(07)
[3]基于云神經(jīng)網(wǎng)絡(luò)的空間推進(jìn)系統(tǒng)故障檢測與診斷[J]. 徐宗本,樊忠澤.  兵工學(xué)報(bào). 2009(06)
[4]智能故障診斷方法綜述[J]. 郭富強(qiáng).  陜西廣播電視大學(xué)學(xué)報(bào). 2009(02)
[5]Design of performance robustness for uncertain nonlinear time-delay systems via neural network[J]. Luan Xiaoli & Liu Fei Inst. of Automation, Southern Yangtze Univ., Wuxi 214122, P. R. China.  Journal of Systems Engineering and Electronics. 2007(04)
[6]面向?qū)ο蟮闹R表示方法在故障診斷系統(tǒng)中的應(yīng)用[J]. 陳傳波,郭天杰.  計(jì)算機(jī)工程與科學(xué). 2006(12)
[7]基于Sugeno模糊模型的數(shù)控機(jī)床故障診斷法[J]. 宋剛,胡德金.  上海交通大學(xué)學(xué)報(bào). 2005(01)
[8]基于JAVA的工程設(shè)計(jì)KBE專家系統(tǒng)研究[J]. 周飛,胡潔,王偉明,李愛平.  計(jì)算機(jī)工程與應(yīng)用. 2004(19)
[9]基于Internet的數(shù)控機(jī)床遠(yuǎn)程故障診斷系統(tǒng)的研究[J]. 王國鋒,王子良,秦旭達(dá),王太勇.  機(jī)械設(shè)計(jì). 2004(02)
[10]數(shù)控機(jī)床遠(yuǎn)程監(jiān)視與故障診斷系統(tǒng)[J]. 丁慶新,焦汝娟,李曉儉,高立新,高廣新.  電氣時(shí)代. 2004(02)

博士論文
[1]多層免疫模型及其在故障診斷中的應(yīng)用研究[D]. 田玉玲.太原理工大學(xué) 2009
[2]基于多Agent的數(shù)控機(jī)床遠(yuǎn)程故障診斷系統(tǒng)研究[D]. 周桂紅.吉林大學(xué) 2008
[3]基于網(wǎng)絡(luò)的數(shù)控機(jī)床遠(yuǎn)程協(xié)作診斷系統(tǒng)研究[D]. 宋剛.上海交通大學(xué) 2003

碩士論文
[1]基于貝葉斯網(wǎng)絡(luò)的數(shù)控機(jī)床遠(yuǎn)程智能故障診斷研究[D]. 李遇春.浙江大學(xué) 2010
[2]基于嵌入式系統(tǒng)的數(shù)控機(jī)床加工工況信息采集及處理技術(shù)的研究[D]. 宮政.大連交通大學(xué) 2010
[3]數(shù)控機(jī)床網(wǎng)絡(luò)化機(jī)械故障診斷系統(tǒng)的研究[D]. 聶彩麗.河北農(nóng)業(yè)大學(xué) 2008
[4]基于規(guī)則和案例的壓縮機(jī)集成故障診斷專家系統(tǒng)研究[D]. 李宏娟.湖南大學(xué) 2008
[5]基于云理論的RBF神經(jīng)網(wǎng)絡(luò)算法改進(jìn)研究[D]. 王守國.東北電力大學(xué) 2008
[6]CAK6150數(shù)控車床故障診斷系統(tǒng)的研究[D]. 趙太平.上海交通大學(xué) 2007
[7]轉(zhuǎn)子系統(tǒng)故障診斷專家系統(tǒng)的研究[D]. 原成澤.南京工業(yè)大學(xué) 2006
[8]基于Internet的數(shù)控機(jī)床遠(yuǎn)程故障診斷系統(tǒng)研究[D]. 李偉民.南京航空航天大學(xué) 2006



本文編號：3158264