發(fā)布時間：2020-12-23 18:46

　　磨料水射流切割是一種在切割過程中不會產(chǎn)生熱量的特殊加工技術(shù),使其適應(yīng)范圍十分廣泛。一臺超高壓磨料水射流機床的造價昂貴,且結(jié)構(gòu)比較復(fù)雜,部件與部件之間的耦合關(guān)聯(lián)緊密,如果故障發(fā)生,而操作人員僅依靠自身經(jīng)驗去判斷故障原因,往往會使得超高壓磨料水射流切割機床得不到及時診斷,導(dǎo)致設(shè)備受到嚴重破壞,給企業(yè)和人員帶來嚴重的損害。因此,對超高壓磨料水射流切割機床的故障預(yù)警與診斷技術(shù)提出更為迫切的要求。本文針對超高壓磨料水射流切割機床智能化故障診斷的需求,將利用傳感器技術(shù),人工神經(jīng)網(wǎng)絡(luò)模型和優(yōu)化后的神經(jīng)網(wǎng)絡(luò)模型,研究出一種適用于超高磨料水射流切割機床的故障診斷方法,并建立對機床的故障預(yù)測的智能模塊系統(tǒng)。首先通過分析磨料水射流的工作原理、元器件特征參數(shù)以及常見故障,來選取本文研究的特征參數(shù)和故障類型;其次,對比現(xiàn)有的智能型故障診斷方法的優(yōu)缺點,并選取出神經(jīng)網(wǎng)絡(luò)的方法,分析其故障診斷過程,利用傳感器技術(shù)收集機床的原始數(shù)據(jù),結(jié)合神經(jīng)網(wǎng)絡(luò)對訓(xùn)練數(shù)據(jù)的需求,整理出樣本數(shù)據(jù)并建立特征參數(shù)矩陣和故障類型矩陣;然后,通過對BP神經(jīng)網(wǎng)絡(luò)各層的節(jié)點數(shù)設(shè)置和故障類型的編碼,將樣本數(shù)據(jù)和對應(yīng)的故障類型編碼分別作為BP神經(jīng)網(wǎng)絡(luò)... 

【文章來源】：西華大學(xué)四川省

【文章頁數(shù)】：76 頁

【學(xué)位級別】：碩士

【部分圖文】：

水射流切割機床Fig1.1WaterJetCuttingMachineTool

2 超高壓磨料水射流切割系統(tǒng)工作原理及特征參數(shù)和故障分析在超高壓磨料水射流切割機床的故障診斷中，特征參數(shù)的選取是一個關(guān)鍵點，特征參數(shù)必須要精確的反映出設(shè)備的工作情況，所以在進行建立故障診斷模型之前，需要對超高壓磨料水射流切割機床幾個關(guān)鍵元器件設(shè)備的工作狀態(tài)進行分析，并確立超高壓磨料水射流切割機床的特征參數(shù)和常見故障類型，作為本文研究對象。2.1 超高壓磨料水射流切割系統(tǒng)工作原理磨料水射流切割系統(tǒng)主要是由增壓系統(tǒng)、低壓供水系統(tǒng)、磨料供給系統(tǒng)、數(shù)控系統(tǒng)和循環(huán)系統(tǒng)等構(gòu)成[28]。

來進行預(yù)測。在故障診斷中，灰色模型可以根據(jù)已有的特征信息來對預(yù)測設(shè)發(fā)展趨勢。由于灰色模型基于少量數(shù)據(jù)就可以建立模型，在診斷大樣本的預(yù)測力，預(yù)測效果不夠好[38]。4、專家系統(tǒng)專家系統(tǒng)隸屬于人工智能技術(shù)，并仿照專家的經(jīng)驗和知識來處理問題[39]。換句是依靠許多經(jīng)驗和知識組成的程序系統(tǒng)，是一組智能化程序[40]。包含知識庫和前者主要功能是儲存知識，而知識的形式不是固定單一的，可能是多種多樣的結(jié)構(gòu)，可能是規(guī)則等，因此，知識庫就是反映專家系統(tǒng)性能最要指標，知識庫以及存儲知識的質(zhì)量就很大程度的決定著專家系統(tǒng)性能；后者就是具體求解問執(zhí)行部門，按照一定的方法和推理邏輯來找到知識，它與知識庫是分離的，可機就是專家系統(tǒng)的解題思路。故障診斷專家系統(tǒng)知識庫的知識來源于維修人員或者很多專業(yè)的專家多年來的經(jīng)驗。具體的流程是：設(shè)備有故障，將故障的表象輸入到計算機，通過故障現(xiàn)推理機一系列的分析推理算法，結(jié)合知識庫中的知識進行選擇匹配，得到故障通過人機交互界面提出具體的方案來解決故障。

【參考文獻】：
期刊論文
[1]一種BP神經(jīng)網(wǎng)絡(luò)的汽車齒輪箱故障診斷方法及實驗驗證[J]. 楊家印.  機械傳動. 2019(01)
[2]狀態(tài)監(jiān)測與故障診斷技術(shù)在化工設(shè)備維護中的應(yīng)用[J]. 胥天婷,吳瑋.  智能城市. 2018(20)
[3]關(guān)于故障預(yù)測與健康管理技術(shù)的幾點認識[J]. 年夫順.  儀器儀表學(xué)報. 2018(08)
[4]基于REF網(wǎng)絡(luò)的船用柴油機故障檢測[J]. 張寒,劉亦薇.  科技風(fēng). 2018(04)
[5]一種改進的算法在天然氣凈化脫硫裝置中的應(yīng)用[J]. 閆龍.  天然氣化工(C1化學(xué)與化工). 2017(04)
[6]微波散射計反演海面風(fēng)場的神經(jīng)網(wǎng)絡(luò)方法研究[J]. 陳坤堂,董曉龍,徐星歐,郎姝燕.  遙感技術(shù)與應(yīng)用. 2017(04)
[7]改進的基于遺傳優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的電網(wǎng)故障診斷[J]. 袁圃,毛劍琳,向鳳紅,劉戀,張茂興.  電力系統(tǒng)及其自動化學(xué)報. 2017(01)
[8]微磨料水射流加工技術(shù)研究現(xiàn)狀[J]. 李增強,趙佩杰,宋雨軒,孫濤.  納米技術(shù)與精密工程. 2016(02)
[9]基于BP神經(jīng)網(wǎng)絡(luò)的機械系統(tǒng)故障診斷[J]. 李群燕,幸福堂,桂瞬豐.  安全與環(huán)境工程. 2015(06)
[10]模糊理論在系統(tǒng)故障診斷中的應(yīng)用[J]. 楊國忠,吳碧容,辛少菲.  計算機與數(shù)字工程. 2015(05)

博士論文
[1]齒輪箱振動特性分析與智能故障診斷方法研究[D]. 何俊.浙江大學(xué) 2018
[2]高維遙感數(shù)據(jù)土地覆蓋特征提取與分類研究[D]. 劉正軍.中國科學(xué)院研究生院（遙感應(yīng)用研究所） 2003

碩士論文
[1]基于遺傳算法-BP神經(jīng)網(wǎng)絡(luò)的旋回式破碎機故障診斷系統(tǒng)研究[D]. 田晶晶.西安建筑科技大學(xué) 2018
[2]改進GABP算法的磨料水射流切割質(zhì)量智能控制研究[D]. 鄢烈忠.西華大學(xué) 2018
[3]高速列車電磁發(fā)射測量與數(shù)據(jù)分析[D]. 孫曉英.北京交通大學(xué) 2017
[4]基于改進神經(jīng)網(wǎng)絡(luò)的變壓器故障診斷方法的研究[D]. 李江浩.華北電力大學(xué) 2015
[5]危化品運輸船舶遠程監(jiān)控及故障診斷關(guān)鍵技術(shù)研究[D]. 冒志敏.南京航空航天大學(xué) 2015
[6]一種新的神經(jīng)網(wǎng)絡(luò)混合預(yù)報模型的應(yīng)用研究[D]. 李雪蓮.南京信息工程大學(xué) 2013
[7]遺傳算法與RBF神經(jīng)網(wǎng)絡(luò)融合技術(shù)應(yīng)用于微車后橋故障診斷[D]. 劉委.武漢理工大學(xué) 2013
[8]基于BP神經(jīng)網(wǎng)絡(luò)的再生混凝土強度預(yù)測[D]. 孟紅.青島理工大學(xué) 2012
[9]基于SaaS模式的電子采購平臺的研究及實現(xiàn)[D]. 張哲.復(fù)旦大學(xué) 2012
[10]基于主元分析的動態(tài)系統(tǒng)故障檢測方法研究[D]. 陳志文.中南大學(xué) 2012



本文編號：2934179