電子信息產(chǎn)業(yè)已經(jīng)成為了國(guó)民經(jīng)濟(jì)和國(guó)防建設(shè)的支撐之一,而現(xiàn)在衡量一個(gè)國(guó)家或地區(qū)的科技水平的指標(biāo)通常也包括電子制造裝備的水平高低。隨著科技的發(fā)展,電子制造裝備的結(jié)構(gòu)也越來(lái)越復(fù)雜,然而再高端的設(shè)備都無(wú)法避免長(zhǎng)時(shí)間運(yùn)行帶來(lái)的設(shè)備老化問(wèn)題,電子制造裝備的運(yùn)行狀態(tài)會(huì)直接影響到企業(yè)的生產(chǎn)效率和經(jīng)濟(jì)效益。因此,深入研究電子制造裝備的狀態(tài)評(píng)估問(wèn)題具有重要科學(xué)意義和實(shí)踐價(jià)值。本文基于大數(shù)據(jù)分析技術(shù)對(duì)電子制造裝備的運(yùn)行狀態(tài)評(píng)估問(wèn)題進(jìn)行了細(xì)致研究,主要包括以下幾部分內(nèi)容:首先,面向電子產(chǎn)品生產(chǎn)線的關(guān)鍵設(shè)備,分析了設(shè)備狀態(tài)評(píng)估在實(shí)際生產(chǎn)中的應(yīng)用需求,建立了狀態(tài)評(píng)估指標(biāo)體系。構(gòu)建了電子制造裝備的狀態(tài)評(píng)估模型框架,包括狀態(tài)評(píng)估數(shù)據(jù)模型、狀態(tài)評(píng)估規(guī)則模型和狀態(tài)評(píng)估過(guò)程模型。并以貼片機(jī)這一典型的電子制造裝備為例,給出了狀態(tài)評(píng)估模型的建立方法。其次,分別引入了基于反向傳播算法（Back Propagation,BP）神經(jīng)網(wǎng)絡(luò)和基于粒子群算法（Particle Swarm Optimization,PSO）的最小二乘支持向量機(jī)（Least Square Support Vector Machines,LSSVM）構(gòu)建了兩種... 

【文章來(lái)源】：哈爾濱工業(yè)大學(xué)黑龍江省 211工程院校 985工程院校

【文章頁(yè)數(shù)】：75 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

BP 神經(jīng)網(wǎng)絡(luò)模型

圖 3-7 BP 神經(jīng)網(wǎng)絡(luò)仿真結(jié)果絕對(duì)誤差分布直方圖布直方圖可以清晰地看出在不同的誤差區(qū)間，樣本數(shù)由圖 3-7 可以看出，樣本評(píng)估絕對(duì)誤差絕大部分落在網(wǎng)絡(luò)對(duì)測(cè)試樣本的均方根誤差(Root Mean Squared 統(tǒng)計(jì)結(jié)果可以看出，訓(xùn)練好的 BP 神經(jīng)網(wǎng)絡(luò)模型的性能采取增加隱藏層層數(shù)、調(diào)節(jié)隱含層節(jié)點(diǎn)數(shù)等方式繼續(xù)

從圖 3-10 可以看出 LSSVM 算法計(jì)算出的評(píng)估結(jié)果與實(shí)際狀態(tài)值極為接近，絕對(duì)誤差基本在 0.05 以下。對(duì) LSSVM 算法計(jì)算出的評(píng)估結(jié)果與實(shí)際狀態(tài)值的絕對(duì)誤差區(qū)間中樣本數(shù)量的統(tǒng)計(jì)結(jié)果如圖 3-11 所示。圖 3-11 LSSVM 誤差統(tǒng)計(jì)直方圖通過(guò)圖 3-11 可以看出，LSSVM 算法的樣本評(píng)估值與實(shí)際狀態(tài)絕對(duì)誤差主要處在[0,0.02]區(qū)間內(nèi)，經(jīng)過(guò)計(jì)算其 RMSE 值為 0.0125。通過(guò)統(tǒng)計(jì)結(jié)果可以得出結(jié)論，LSSVM 算法的性能較好，其已經(jīng)能以較高精度逼近輸入與輸出之間的函數(shù)關(guān)系。

【參考文獻(xiàn)】：
期刊論文
[1]基于模糊綜合評(píng)價(jià)的礦用提升機(jī)電氣傳動(dòng)系統(tǒng)狀態(tài)評(píng)估[J]. 王福忠,李媛媛,韓素敏,史鵬飛.  電力系統(tǒng)保護(hù)與控制. 2019(09)
[2]基于改進(jìn)Elman神經(jīng)網(wǎng)絡(luò)的煙氣輪機(jī)運(yùn)行狀態(tài)趨勢(shì)預(yù)測(cè)[J]. 陳濤,王立勇,徐小力,王少紅.  廣西大學(xué)學(xué)報(bào)(自然科學(xué)版). 2019(02)
[3]基于SVM的控制棒驅(qū)動(dòng)機(jī)構(gòu)滾輪狀態(tài)評(píng)估方法[J]. 陳玲,石磊,于耀華,張黎明.  海軍工程大學(xué)學(xué)報(bào). 2019(02)
[4]我國(guó)電子信息產(chǎn)業(yè)高端化對(duì)策分析[J]. 李傳志.  經(jīng)濟(jì)問(wèn)題. 2019(01)
[5]基于隱馬爾可夫的機(jī)床健康狀態(tài)評(píng)估與預(yù)測(cè)[J]. 馮成均.  中國(guó)設(shè)備工程. 2018(24)
[6]基于灰度關(guān)聯(lián)法和TOPSIS法的繼電保護(hù)狀態(tài)評(píng)估綜合算法研究與應(yīng)用[J]. 楊國(guó)生,戴飛揚(yáng),王文煥,郭鵬,李妍霏.  中國(guó)電力. 2019(02)
[7]基于馬爾科夫鏈的核電廠電機(jī)狀態(tài)預(yù)測(cè)[J]. 葛秋原.  項(xiàng)目管理技術(shù). 2018(10)
[8]AHP與馬爾科夫模型在封閉式組合電器狀態(tài)評(píng)估中的應(yīng)用[J]. 商淼,陳英慧,張建濤.  黑龍江電力. 2018(04)
[9]基于LSSVM與WNN的燃?xì)廨啓C(jī)狀態(tài)趨勢(shì)預(yù)測(cè)[J]. 崔建國(guó),李慧華,于明月,蔣麗英.  火力與指揮控制. 2018(08)
[10]基于LSTM的風(fēng)洞設(shè)備健康狀態(tài)評(píng)估方法研究[J]. 吳魁,孫潔,蔣波,王仙勇,黃玉龍.  計(jì)算機(jī)測(cè)量與控制. 2018(03)

碩士論文
[1]動(dòng)車組軸箱軸承健康狀態(tài)評(píng)估與趨勢(shì)分析[D]. 舒敏.北京交通大學(xué) 2018
[2]航班延誤預(yù)測(cè)的大數(shù)據(jù)方法研究[D]. 胡皓月.南京航空航天大學(xué) 2017
[3]基于大數(shù)據(jù)分析的風(fēng)電機(jī)組運(yùn)行狀態(tài)評(píng)估方法研究[D]. 江順輝.華僑大學(xué) 2016



本文編號(hào)：3578247