隨著氣候的多樣變化和極端天氣的頻繁出現(xiàn),農(nóng)業(yè)領(lǐng)域?qū)庀罄走_(dá)的依賴越來越嚴(yán)重。氣象雷達(dá)一般建立在人煙稀少的露天場所,各種天氣對(duì)其損壞以及零配件的自然老化都影響著氣象雷達(dá)的性能及正常業(yè)務(wù)的進(jìn)行。目前,一般采取周期性的“定時(shí)維修”和出現(xiàn)故障后的“事后維修”等方式,此類策略浪費(fèi)人力、財(cái)力,可靠性差。因此,有必要對(duì)氣象雷達(dá)的故障診斷和健康管理進(jìn)行研究,實(shí)現(xiàn)維修策略由“事后維修”、“定時(shí)維修”向預(yù)防性維修的轉(zhuǎn)變,以提高維修效率,保證氣象雷達(dá)運(yùn)行能力。本文主要研究的具體工作包括:第一,根據(jù)氣象雷達(dá)系統(tǒng)的組成以及工作原理,結(jié)合氣象雷達(dá)故障歷史數(shù)據(jù),分析氣象雷達(dá)的故障類型、故障時(shí)間、各類故障占比情況等,為后續(xù)的故障診斷提供支撐。同時(shí)梳理故障診斷與健康管理的理論知識(shí),設(shè)計(jì)了針對(duì)氣象雷達(dá)的開放式健康管理系統(tǒng)體系結(jié)構(gòu)。第二,深入研究氣象雷達(dá)伺服電機(jī)的故障診斷技術(shù),利用四種方法,層層遞進(jìn)實(shí)現(xiàn)伺服電機(jī)故障的精確診斷,首先,在時(shí)域上人工提取信號(hào)特征,并把特征送入常規(guī)神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷;接著,采用對(duì)時(shí)間序列具有優(yōu)良處理能力的LSTM長短時(shí)記憶網(wǎng)絡(luò)來完成故障診斷;然后,結(jié)合人工提取的特征具有時(shí)間依賴性的特點(diǎn),將其送入... 

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景與意義
        1.1.1 研究背景
        1.1.2 研究意義
    1.2 國內(nèi)外研究現(xiàn)狀
        1.2.1 故障診斷與健康管理研究現(xiàn)狀
        1.2.2 雷達(dá)故障診斷研究現(xiàn)狀
        1.2.3 深度學(xué)習(xí)在故障診斷中的應(yīng)用
    1.3 本文研究的主要內(nèi)容
2 氣象雷達(dá)故障診斷理論與健康管理系統(tǒng)框架
    2.1 氣象雷達(dá)簡介
    2.2 氣象雷達(dá)故障分析
        2.2.1 氣象雷達(dá)故障分類
        2.2.2 氣象雷達(dá)故障時(shí)間及原因分析
    2.3 氣象雷達(dá)故障診斷理論基礎(chǔ)
        2.3.1 氣象雷達(dá)故障的基本特點(diǎn)
        2.3.2 氣象雷達(dá)故障診斷的方法
    2.4 氣象雷達(dá)健康管理系統(tǒng)
        2.4.1 健康管理系統(tǒng)完成的功能
        2.4.2 融合型數(shù)據(jù)處理流程
        2.4.3 健康管理系統(tǒng)體系結(jié)構(gòu)
    2.5 本章小結(jié)
3 基于深度學(xué)習(xí)的氣象雷達(dá)伺服電機(jī)故障診斷
    3.1 伺服電機(jī)數(shù)據(jù)準(zhǔn)備
    3.2 基于神經(jīng)網(wǎng)絡(luò)的故障診斷
        3.2.1 神經(jīng)網(wǎng)絡(luò)介紹
        3.2.2 時(shí)間序列信號(hào)特征提取
        3.2.3 基于時(shí)域特征的神經(jīng)網(wǎng)絡(luò)故障診斷
    3.3 基于LSTM長短時(shí)記憶網(wǎng)絡(luò)的故障診斷
        3.3.1 循環(huán)神經(jīng)網(wǎng)絡(luò)的引入
        3.3.2 BPTT算法
        3.3.3 LSTM長短時(shí)記憶網(wǎng)絡(luò)
        3.3.4 基于LSTM網(wǎng)絡(luò)的故障診斷
    3.4 基于Conv1D_LSTM的故障診斷
        3.4.1 Conv1D_LSTM算法設(shè)計(jì)
        3.4.2 Conv1D_LSTM網(wǎng)絡(luò)模型特點(diǎn)
        3.4.3 Conv1D_LSTM故障診斷結(jié)果與分析
    3.5 本章小結(jié)
4 基于Spark的氣象雷達(dá)實(shí)時(shí)大數(shù)據(jù)健康管理系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    4.1 氣象雷達(dá)健康管理系統(tǒng)設(shè)計(jì)
        4.1.1 氣象雷達(dá)健康管理系統(tǒng)面臨的技術(shù)問題
        4.1.2 氣象雷達(dá)健康管理系統(tǒng)架構(gòu)與技術(shù)選型
        4.1.3 實(shí)際部署方案的考慮
    4.2 氣象雷達(dá)健康管理系統(tǒng)實(shí)現(xiàn)
        4.2.1 模擬數(shù)據(jù)生產(chǎn)模塊
        4.2.2 實(shí)時(shí)數(shù)據(jù)接收模塊
        4.2.3 模型訓(xùn)練模塊
        4.2.4 實(shí)時(shí)診斷與預(yù)測模塊
        4.2.5 數(shù)據(jù)展示模塊
    4.3 結(jié)果展示
    4.4 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表論文及科研成果
致謝



本文編號(hào)：3727749