本文關(guān)鍵詞：FMS故障診斷的關(guān)鍵技術(shù)研究

  更多相關(guān)文章： FMS 故障診斷 貝葉斯網(wǎng)絡(luò) 支持向量機 遠程診斷

【摘要】：柔性制造系統(tǒng)(FMS)作為CIMS的重要組成部分,對于智能制造的發(fā)展意義重大。其無故障工作時間是保證生產(chǎn)效率的前提,所以融合了智能算法的FMS故障診斷系統(tǒng),是柔性制造系統(tǒng)不可或缺的部分。在國家提出《中國制造2025》,由制造大國向制造強國邁進的背景下,開展FMS故障診斷的研究具有重要意義。數(shù)據(jù)挖掘技術(shù)、數(shù)據(jù)庫技術(shù)、計算機技術(shù)及信號處理技術(shù)的發(fā)展,為FMS的故障診斷提供了嶄新的解決方案。本文在分析FMS故障特點的基礎(chǔ)上,針對現(xiàn)有方法存在的問題,結(jié)合數(shù)據(jù)挖掘技術(shù),對FMS故障診斷的關(guān)鍵技術(shù)進行了研究,并開發(fā)了基于數(shù)據(jù)挖掘的FMS遠程故障診斷原型系統(tǒng)。本論文主要進行了以下幾點研究:(1)針對FMS及其故障的特點,從系統(tǒng)的觀點出發(fā),將故障分為加工系統(tǒng)故障、物流系統(tǒng)故障和控制系統(tǒng)故障,并建立了故障診斷系統(tǒng)的集成架構(gòu);(2)針對物流系統(tǒng)的特點,提出了物流系統(tǒng)頻發(fā)的位置/速度控制(即運動狀態(tài))故障的診斷策略。然后針對加工系統(tǒng)故障特點,提出了一種分層診斷的策略,將加工系統(tǒng)的診斷分為初級診斷和精診斷,并建立了診斷模型;(3)針對加工系統(tǒng)初級診斷的特點,提出了以貝葉斯網(wǎng)絡(luò)(BN)為數(shù)學(xué)模型的初級診斷策略。在簡要闡述BN理論的基礎(chǔ)上,研究了貝葉斯診斷網(wǎng)絡(luò)的構(gòu)造策略及算法,并通過實例驗證了該方法的有效性;(4)在加工系統(tǒng)精診斷時,由于診斷初期故障樣本較少,針對BP神經(jīng)網(wǎng)絡(luò)在小樣本情況下識別率較低的問題,提出了以支持向量機(SVM)為數(shù)學(xué)模型的精診斷策略。在簡要闡述SVM概念的基礎(chǔ)上,重點研究了SVM的擴展策略,并通過實驗對比驗證了SVM在小樣本情況下的識別率高于BP神經(jīng)網(wǎng)絡(luò);(5)利用本文提出的診斷模型,建立了基于數(shù)據(jù)挖掘技術(shù)的遠程故障診斷原型系統(tǒng)。
【關(guān)鍵詞】：FMS 故障診斷 貝葉斯網(wǎng)絡(luò) 支持向量機 遠程診斷
【學(xué)位授予單位】：長安大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：TH165.3
【目錄】：

• 摘要4-5
• Abstract5-9
• 第一章 緒論9-18
• 1.1 問題的提出背景及研究意義9-11
• 1.2 故障診斷概述11-13
• 1.2.1 故障診斷的基本概念11
• 1.2.2 故障診斷的分類11-13
• 1.3 FMS的故障診斷研究現(xiàn)狀及發(fā)展趨勢13-16
• 1.3.1 FMS的故障診斷研究現(xiàn)狀13-15
• 1.3.2 FMS的故障診斷發(fā)展趨勢15-16
• 1.4 本文的主要研究內(nèi)容及結(jié)構(gòu)安排16-18
• 第二章 FMS故障診斷集成系統(tǒng)架構(gòu)研究18-27
• 2.1 FMS故障特點18-22
• 2.1.1 FMS的定義、組成與分類18-21
• 2.1.2 FMS故障的特點21-22
• 2.2 FMS故障診斷系統(tǒng)框架22-26
• 2.2.1 FMS故障診斷系統(tǒng)的組成23-25
• 2.2.2 FMS故障診斷關(guān)鍵技術(shù)分析25-26
• 2.3 本章小結(jié)26-27
• 第三章 FMS故障粗診斷27-42
• 3.1 物流系統(tǒng)故障診斷27-29
• 3.1.1 物流系統(tǒng)故障機理分析27-28
• 3.1.2 物流系統(tǒng)的故障診斷28-29
• 3.2 加工系統(tǒng)初級診斷的任務(wù)29-30
• 3.3 貝葉斯網(wǎng)絡(luò)概述30-38
• 3.3.1 貝葉斯網(wǎng)絡(luò)中的相關(guān)概率論知識30-31
• 3.3.2 貝葉斯概率推理31-32
• 3.3.3 貝葉斯網(wǎng)絡(luò)的概念及特點32-33
• 3.3.4 貝葉斯網(wǎng)絡(luò)的建模33-34
• 3.3.5 貝葉斯網(wǎng)絡(luò)的推理模式及算法34-36
• 3.3.6 貝葉斯網(wǎng)絡(luò)的學(xué)習(xí)36-38
• 3.4 貝葉斯網(wǎng)絡(luò)在加工系統(tǒng)初級診斷中的應(yīng)用38-41
• 3.4.1 基于貝葉斯網(wǎng)絡(luò)的FMS加工系統(tǒng)初級診斷步驟38-40
• 3.4.2 診斷實例分析40-41
• 3.5 本章小結(jié)41-42
• 第四章 基于支持向量機的FMS故障精診斷42-56
• 4.1 支持向量機概述42-48
• 4.1.1 支持向量機的概念42-45
• 4.1.2 支持向量機的多分類擴展45-48
• 4.2 基于支持向量機的FMS故障精診斷48-51
• 4.2.1 FMS設(shè)備層故障特點49-50
• 4.2.2 基于支持向量機的診斷步驟50-51
• 4.3 診斷實例分析51-55
• 4.3.1 BP神經(jīng)網(wǎng)絡(luò)分類器51-53
• 4.3.2 診斷數(shù)據(jù)集53
• 4.3.3 基于BP神經(jīng)網(wǎng)絡(luò)的故障診斷仿真53-54
• 4.3.4 基于SVM的故障診斷仿真54-55
• 4.4 本章小結(jié)55-56
• 第五章 FMS故障診斷集成系統(tǒng)實現(xiàn)56-64
• 5.1 故障診斷系統(tǒng)的模式56-57
• 5.2 遠程故障診斷系統(tǒng)的發(fā)展與研究現(xiàn)狀57
• 5.3 遠程故障診斷系統(tǒng)的網(wǎng)絡(luò)模式選擇57-60
• 5.3.1 客戶機/服務(wù)器模式57-58
• 5.3.2 瀏覽器/服務(wù)器模式58-60
• 5.4 遠程故障診斷系統(tǒng)拓?fù)浣Y(jié)構(gòu)60
• 5.5 FMS故障診斷系統(tǒng)的功能結(jié)構(gòu)設(shè)計60-61
• 5.6 FMS遠程故障診斷系統(tǒng)的實現(xiàn)61-63
• 5.7 本章小結(jié)63-64
• 總結(jié)與展望64-66
• 參考文獻66-71
• 攻讀學(xué)位期間取得的研究成果71-72
• 致謝72

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 王元章;吳春華;周笛青;付立;李智華;;基于BP神經(jīng)網(wǎng)絡(luò)的光伏陣列故障診斷研究[J];電力系統(tǒng)保護與控制;2013年16期

2 王國彪;何正嘉;陳雪峰;賴一楠;;機械故障診斷基礎(chǔ)研究“何去何從”[J];機械工程學(xué)報;2013年01期

3 李冰寒;高曉利;劉三陽;;基于互信息學(xué)習(xí)貝葉斯網(wǎng)絡(luò)等價類[J];計算機應(yīng)用研究;2011年01期

4 李晗;蕭德云;;基于數(shù)據(jù)驅(qū)動的故障診斷方法綜述[J];控制與決策;2011年01期

5 袁靜;胡昌華;龍勇;徐瑞;;基于C/S+B/S雙模式的分布式遠程診斷專家系統(tǒng)[J];計算機工程;2006年12期

6 王潤孝;高利輝;薛俊峰;;柔性制造系統(tǒng)(FMS)故障診斷技術(shù)研究綜述[J];機械科學(xué)與技術(shù);2006年02期

7 楊叔子,吳波;先進制造技術(shù)及其發(fā)展趨勢[J];機械工程學(xué)報;2003年10期

8 邱靜,胡政,溫熙森;FMS狀態(tài)監(jiān)控與故障診斷述評[J];中國機械工程;1999年07期

9 史天運,嚴(yán)亮,楊富玉,吳葉蘭,劉正斌;FMS 智能化狀態(tài)監(jiān)測與故障診斷系統(tǒng)研究[J];組合機床與自動化加工技術(shù);1998年02期

10 周東華,王桂增;第五講 故障診斷技術(shù)綜述[J];化工自動化及儀表;1998年01期

，

本文編號：637074