气动工业现场电子产品故障预测研究
发布时间：2021-03-11 06:53
定位器作为气动执行器组成之一,是保持生产稳定运行的重要设备。本文以定位器作为气动领域电子产品的典型对象,开展故障预测研究。定位器与调节阀一起安装在工业生产现场,由于常常在高温、高压、易堵、强腐蚀、易漏或频繁的机械运动等恶劣环境下工作,定位器会出现各种异常或故障。定位器一旦出现问题,会使控制回路中产生振荡,进而导致设备加速损耗、降低产品质量、浪费能源和污染环境等问题。目前定位器的维修主要采用事后维修和定期维修,这两种维修方式会均存在一定的问题:事后维修,在设备发生故障以后才维修,有较大的安全隐患;定期维修往往造成盲目修理,增大了维修成本。为保障定位器能够稳定、可靠、高效的运行,有效降低由于定位器停机所造成的经济损失和安全事故。因此,对阀门定位器的状态进行监测,利用监测数据进行定位器故障诊断与状态参数的预测研究,对工业过程高效、稳定、安全的生产意义重大。为此,本文对定位器故障诊断与状态参数预测进行了研究,主要工作如下:（1）阐述了定位器的主要结构和工作原理,分析了定位器常见故障类型及其原因,并搭建实验平台获取正常及8种常见故障的相关数据。（2）针对收集到的定位器各类故障数据,对缺失的数据做...
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
定位器与调节阀实物图
电子科技大学硕士学位论文6第二章定位器故障预测相关理论本章将集中介绍本文用到的所有理论，包括数据预处理相关理论，与故障诊断相关的随机森林理论和梯度提升决策树理论，与故障预测相关的长短期记忆神经网络理论，最后介绍模型评价准则。2.1数据预处理技术在数据采集过程中，由于受到环境、设备精度以及人为失误等众多因素的影响，通常造成采集的数据存在数据缺失、记录错误、噪音污染等问题，得到的数据质量不高，这些数据被称为“脏数据”。如果不对这些数据进行提前处理，会导致后续的数据挖掘与分析不够精确，以至于影响数据分析结果的应用[41-42]，所以数据的预处理工作十分必要。数据预处理阶段的主要工作是对通过各种方式收集的各类数据进行加工处理，其过程主要包括数据清洗、数据集成、数据归约以及数据变换等。本文中，涉及到的数据预处理过程如图2-1所示。图2-1数据预处理流程图2.1.1数据清洗数据清理的主要工作是处理数据的各类异常情况，常见的异常情况有：数据离群、数据缺失和数据含噪。(1)小波阈值去噪原理通常一段小范围的波被称为“小波”，小波分析是基于傅里叶分析的时频局部化分析方法。“小波”既能够沿着时间轴按照一定的比例进行伸展或压缩，也可以向前或向后移动，于是更低频率和更高频率的小波片段就可通过该方法获龋在信号的滤波和压缩时，较好的小波基函数有助于从含噪信号中提取有用信息。小波阈值去噪的流程为：首先根据含噪信号特点选择合适的小波基函数和分解层数将信号做多尺度小波分解，得出各尺度的小波系数；然后对各分解尺度下
电子科技大学硕士学位论文8(a)软阈值法(b)硬阈值法图2-3软阈值与硬阈值法2.1.2数据集成数据集成是指将数据由多个数据源合并成一个一致的数据存储。该部分主要处理数据的冲突、数据的选择和数据不一致数据等问题。一般情况下，数据集成主要包括三方面：一是模式集成，主要作用表现在对数据库的元数据进行模式识别；二是对冲突的数据进行检测和处理；三是冗余数据的集成，删除无用数据，保留有效数据，使得数据集的数据更具使用价值。在数据集成过程中，要做到具体问题具体分析，有针对性地筛选，将有用数据保留下来。在确定数据预处理的目标后，为提高预处理的效率、提升资源利用率，需要明确处理数据的范围。2.1.3数据归约数据归约处理主要是指在保证数据完整性的基础上，尽可能的减少数据储存空间，使内存资源不断减少。由于该技术改变了以往数据的形式，大大降低了原有的数据量，使数据处理更加可行，这一优点使得数据归约在数据预处理阶段被广泛使用。在数据预处理中，维归约是数据归约最有效的一种处理方法，该方法通过删除无关数据，从而有效的降低了数据量，特别是当数据集中存在大量无关联的数据时，该方法可以极大程度减少无关数据，同时保留有价值的数据[44-45]。2.1.4数据变换数据的归并或转换称为数据变换，数据变换方法的选取依赖于后续所使用的算法，常用的数据变换方法包括：规范化处理，将数据特征值按比例缩放，使之落入某一特定区间，规范化有助于避免对度量单位的过度依赖造成的权重不平衡；函数变换，使用特定的数学函数对特征值进行映射。在本文中，主要用到了特征构造、归一化等数据变换技术。(1)特征构造从原始数据中构造新特征的过程称为特征构造，其目的是为了提升模型的表
本文编号：3076054
【文章来源】：电子科技大学四川省 211工程院校 985工程院校 教育部直属院校
【文章页数】：93 页
【学位级别】：硕士
【部分图文】：
定位器与调节阀实物图
电子科技大学硕士学位论文6第二章定位器故障预测相关理论本章将集中介绍本文用到的所有理论，包括数据预处理相关理论，与故障诊断相关的随机森林理论和梯度提升决策树理论，与故障预测相关的长短期记忆神经网络理论，最后介绍模型评价准则。2.1数据预处理技术在数据采集过程中，由于受到环境、设备精度以及人为失误等众多因素的影响，通常造成采集的数据存在数据缺失、记录错误、噪音污染等问题，得到的数据质量不高，这些数据被称为“脏数据”。如果不对这些数据进行提前处理，会导致后续的数据挖掘与分析不够精确，以至于影响数据分析结果的应用[41-42]，所以数据的预处理工作十分必要。数据预处理阶段的主要工作是对通过各种方式收集的各类数据进行加工处理，其过程主要包括数据清洗、数据集成、数据归约以及数据变换等。本文中，涉及到的数据预处理过程如图2-1所示。图2-1数据预处理流程图2.1.1数据清洗数据清理的主要工作是处理数据的各类异常情况，常见的异常情况有：数据离群、数据缺失和数据含噪。(1)小波阈值去噪原理通常一段小范围的波被称为“小波”，小波分析是基于傅里叶分析的时频局部化分析方法。“小波”既能够沿着时间轴按照一定的比例进行伸展或压缩，也可以向前或向后移动，于是更低频率和更高频率的小波片段就可通过该方法获龋在信号的滤波和压缩时，较好的小波基函数有助于从含噪信号中提取有用信息。小波阈值去噪的流程为：首先根据含噪信号特点选择合适的小波基函数和分解层数将信号做多尺度小波分解，得出各尺度的小波系数；然后对各分解尺度下
电子科技大学硕士学位论文8(a)软阈值法(b)硬阈值法图2-3软阈值与硬阈值法2.1.2数据集成数据集成是指将数据由多个数据源合并成一个一致的数据存储。该部分主要处理数据的冲突、数据的选择和数据不一致数据等问题。一般情况下，数据集成主要包括三方面：一是模式集成，主要作用表现在对数据库的元数据进行模式识别；二是对冲突的数据进行检测和处理；三是冗余数据的集成，删除无用数据，保留有效数据，使得数据集的数据更具使用价值。在数据集成过程中，要做到具体问题具体分析，有针对性地筛选，将有用数据保留下来。在确定数据预处理的目标后，为提高预处理的效率、提升资源利用率，需要明确处理数据的范围。2.1.3数据归约数据归约处理主要是指在保证数据完整性的基础上，尽可能的减少数据储存空间，使内存资源不断减少。由于该技术改变了以往数据的形式，大大降低了原有的数据量，使数据处理更加可行，这一优点使得数据归约在数据预处理阶段被广泛使用。在数据预处理中，维归约是数据归约最有效的一种处理方法，该方法通过删除无关数据，从而有效的降低了数据量，特别是当数据集中存在大量无关联的数据时，该方法可以极大程度减少无关数据，同时保留有价值的数据[44-45]。2.1.4数据变换数据的归并或转换称为数据变换，数据变换方法的选取依赖于后续所使用的算法，常用的数据变换方法包括：规范化处理，将数据特征值按比例缩放，使之落入某一特定区间，规范化有助于避免对度量单位的过度依赖造成的权重不平衡；函数变换，使用特定的数学函数对特征值进行映射。在本文中，主要用到了特征构造、归一化等数据变换技术。(1)特征构造从原始数据中构造新特征的过程称为特征构造，其目的是为了提升模型的表
本文编号：3076054
本文链接：https://www.wllwen.com/guanlilunwen/lindaojc/3076054.html
