本文關(guān)鍵詞：基于數(shù)控機(jī)床的機(jī)器故障預(yù)測與診斷模型研究

  更多相關(guān)文章： 預(yù)測 錯(cuò)誤診斷 錯(cuò)誤演變 狀態(tài)維護(hù)

【摘要】：過程的安全性和可靠性對于大規(guī)模、高度集成的現(xiàn)代化工業(yè)是極其重要的,但是工業(yè)生產(chǎn)機(jī)械故障是不可避免的,而且長期的故障困擾會影響工業(yè)的正常運(yùn)轉(zhuǎn)、致使利益下降和技術(shù)上的危機(jī)。為了檢測故障,論文提出一種新的故障分類模型和一個(gè)融合了模型神經(jīng)網(wǎng)絡(luò)、動態(tài)貝葉斯網(wǎng)絡(luò)和粒子濾波思想的單一平臺故障檢測算法。這個(gè)新的模型將故障分為兩大類：第一類是短暫的、即時(shí)的故障；第二類故障是長期的、有發(fā)展過程的故障,此類故障在初始階段就產(chǎn)生并在整個(gè)過程中都存在。依據(jù)改進(jìn)的Taylor公式可知,在整個(gè)機(jī)器生命周期中故障存在的時(shí)間越長,機(jī)器的壽命就會越短。 對于錯(cuò)誤診斷來說,我們的框架有兩個(gè)部分組成：第一個(gè)部分主要是在線錯(cuò)誤診斷；第二個(gè)部分涉及在線和離線兩個(gè)模塊錯(cuò)誤診斷詳細(xì)實(shí)現(xiàn)。在第一個(gè)部分,我們引入了一個(gè)模糊神經(jīng)預(yù)測器來對設(shè)備故障維護(hù)或海量錯(cuò)誤的診斷作為相應(yīng)的決策。對于一個(gè)即將發(fā)布的錯(cuò)誤診斷命令,僅僅當(dāng)一個(gè)錯(cuò)誤不斷發(fā)展到超出一個(gè)嚴(yán)格的閾值時(shí)—CBM限制時(shí),第二個(gè)部分才開始發(fā)揮作用。在這個(gè)過程中,DBN和PF技術(shù)被用作一種智能錯(cuò)誤診斷系統(tǒng)來對錯(cuò)誤的數(shù)量和錯(cuò)誤發(fā)生時(shí)間和錯(cuò)誤發(fā)生的位置進(jìn)行確定。這種方法的可行性已經(jīng)過測試,在模擬環(huán)境下使用CNS機(jī)器作為個(gè)案研究的結(jié)果進(jìn)行研究和分析。圖25幅,表1個(gè),參考文獻(xiàn)93篇。
【關(guān)鍵詞】：預(yù)測 錯(cuò)誤診斷 錯(cuò)誤演變 狀態(tài)維護(hù)
【學(xué)位授予單位】：中南大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2013
【分類號】：TG659;TH165.3
【目錄】：

• 摘要4-5
• Abstract5-9
• Chapter 1 Introduction9-13
• 1.1 Background9-10
• 1.2 Problem Statement10-11
• 1.3 Objectives11
• 1.4 Organization of The Thesis11-13
• Chapter 2 Literature Review13-36
• 2.1 Introduction13-19
• 2.2 Fault Diagnosis and Prognostics19-21
• 2.3 Prognostic Approaches21-28
• 2.3.1 Bayesian Networks26-27
• 2.3.2 Particle Filtering27-28
• 2.4 Neural Networks28-29
• 2.5 Fuzzy Logic29-32
• 2.5.1 Degrees of truth30-31
• 2.5.2 Applying truth Values31
• 2.5.3 Linguistic variables31-32
• 2.6 Illustration32-34
• 2.6.1 Propositional fuzzy logics33
• 2.6.2 Decidability issues for fuzzy logic33-34
• 2.6.3 Fuzzy databases34
• 2.7 Data clustering34-36
• Chapter 3 Fault Diagnosis Expert System36-54
• 3.1 Expert System36-37
• 3.2 Knowledge Acquisition System(KAS)37
• 3.3 Inference Engine37-38
• 3.4 The CNC Machine38-42
• 3.4.1 Tool/Machine Crashing39-41
• 3.4.2 Introduction and Problem Solution41-42
• 3.4.3 Solution Methodology42
• 3.5 Performance Metrics of Numerically Controlled Machines42-43
• 3.6 Performance Evaluation of Existing Machines43-46
• 3.7 Lathe Accuracy Turning Accuracy(Precision turning)46-48
• 3.8 Cutting tools48-49
• 3.9 Tooling for CNC Automatic Lathes49-52
• 3.10 Conclusion52-54
• Chapter 4 Classification Model and Solution54-72
• 4.1 Definition54
• 4.2 Degree-2 Fault Evolution Analyses54-58
• 4.3 Proposed System Framework58-59
• 4.4 Neuro-Fuzzy Predictor59-63
• 4.5 CNC Fault Diagnosis63-65
• 4.6 Uncertainty65-66
• 4.8 Interfaces66-67
• 4.9 Traceability67-70
• 4.10 Thread Tooling for External Threading70
• 4.11 Measurement set-up70-71
• 4.12 Conclusion71-72
• Chapter 5 Experiment and Results72-80
• 5.1 Experimental Set-up72-74
• 5.2 Results and Analysis74-77
• 5.3 Error Analysis77-78
• 5.4 Conclusion78-80
• Chapter 6 Conclusious and Future Work80-81
• REFERENCE81-90
• ACKNOWLEDGEMENT90-91
• PUBLISHED PAPERS91

【共引文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 楊恒;徐格寧;韓子淵;;基于模糊失效閥值的性能退化數(shù)據(jù)可靠性分析[J];中國工程機(jī)械學(xué)報(bào);2013年04期

2 李威霖;傅攀;李曉暉;;無先驗(yàn)知識下基于CHMM的刀具磨損監(jiān)測技術(shù)[J];機(jī)床與液壓;2013年15期

3 蔣覺義;李t，

本文編號：994269