智能故障诊断融合技术在数控机床故障诊断中的应用
发布时间：2021-04-24 23:30
数控机床作为衡量一个国家工业现代化水平的重要标志,其出现故障不仅造成巨大的经济损失,严重时还会危及到人身安全。借助专家系统和网络技术开发基于Web的故障诊断专家系统,可以方便快速找出故障原因,给出排除故障的方法,有效的缩短因设备故障而造成的设备停机时间。同时以“数据流动”代替“人员流动”,减少产品维修人员的出差次数,降低售后技术支持费用,增强产品的市场竞争力。论文在对数控机床功能结构、故障机理和故障诊断理论方法深入分析的基础之上,首先将云理论和RBF神经网络结合提出了RBF云神经网络模型,该模型既具备云理论的随机性和模糊性,又兼备RBF的学习、记忆能力。随后将其应用到数控机床的刀具磨损状态识别中,经比较发现该网络模型的精确度较高,具有较强实用性。该模型同样适用于数控机床故障诊断,当有多个可能的故障原因时可以利用该模型找到最大可能的故障原因,减少逐一尝试排查所带来的不必要时间浪费。接着文章讨论了该故障诊断系统采用的诊断机制,即RBR和CBR协调工作的诊断机制,二者在推理中混合执行,规则是对实例的归纳总结,克服了规则获取难的缺点,在诊断中又指导实例,使得故障快速定位,提高了诊断的效率。知识...
【文章来源】：大连交通大学辽宁省
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题的研究背景及目的和意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 本文关键技术及创新点
1.5 本文章节内容安排
本章小结
第二章 数控机床故障诊断系统总体介绍
2.1 故障诊断技术概述
2.2 数控机床基本组成及故障机理
2.2.1 数控机床的工作过程
2.2.2 数控机床基本组成
2.2.3 数控机床的故障机理
2.3 故障诊断的理论和方法
2.3.1 基于解析模型的故障诊断方法
2.3.2 基于信号处理的故障诊断方法
2.3.3 基于知识的方法
2.4 数控机床故障诊断系统网络结构
2.5 本地数控机床故障诊断系统结构
本章小结
第三章 云神经网络模型及其应用
3.1 RBF神经网络
3.1.1 神经网络概述
3.1.2 RBF神经网络模型
3.2 云理论基本知识
3.2.1 云模型
3.2.2 云发生器
3.3 RBF云神经网络
3.4 仿真工具MATLAB7.0简介
3.5 RBF云神经网络应用实例
3.5.1 在数控机床刀具磨损状态识别中的应用
3.5.2 在故障诊断中的应用
本章小结
第四章 数控机床故障诊断机制
4.1 专家系统基本原理
4.2 面向对象的知识表示
4.2.1 面向对象知识表示概述
4.2.2 面向对象知识表示基本结构
4.3 RBR与CBR协调诊断机制基础
4.3.1 RBR机制
4.3.2 CBR机制
4.3.3 数控机床功能结构划分
4.4 RBR与CBR协调诊断机制
4.4.1 RBR与CBR协调诊断机制组织结构
4.4.2 RBR与CBR协调诊断机制
4.4.3 RBR与CBR的相互转换
本章小结
第五章 系统实现
5.1 系统开发平台
5.1.1 系统开发技术
5.1.2 系统软件开发环境
5.1.3 系统开发工具MyEclipse6.6介绍
5.2 数控机床故障诊断专家系统总体设计
5.2.1 功能需求
5.2.2 系统功能模块设计
5.2.3 系统工作流程
5.3 数控机床故障诊断专家系统设计与实现
5.3.1 数据库设计
5.3.2 数据库连接
5.3.3 数控机床故障诊断专家系统实现
5.3.4 用Java启动MATLAB
本章小结
结论
参考文献
附录A 铣削实验数据
攻读硕士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]基于RBR和CBR的故障诊断专家系统研究[J]. 马振林,于英杰. 微计算机信息. 2010(04)
[2]智能故障诊断技术及发展[J]. 谭勇,王伟. 飞航导弹. 2009(07)
[3]基于云神经网络的空间推进系统故障检测与诊断[J]. 徐宗本,樊忠泽. 兵工学报. 2009(06)
[4]智能故障诊断方法综述[J]. 郭富强. 陕西广播电视大学学报. 2009(02)
[5]Design of performance robustness for uncertain nonlinear time-delay systems via neural network[J]. Luan Xiaoli & Liu Fei Inst. of Automation, Southern Yangtze Univ., Wuxi 214122, P. R. China. Journal of Systems Engineering and Electronics. 2007(04)
[6]面向对象的知识表示方法在故障诊断系统中的应用[J]. 陈传波,郭天杰. 计算机工程与科学. 2006(12)
[7]基于Sugeno模糊模型的数控机床故障诊断法[J]. 宋刚,胡德金. 上海交通大学学报. 2005(01)
[8]基于JAVA的工程设计KBE专家系统研究[J]. 周飞,胡洁,王伟明,李爱平. 计算机工程与应用. 2004(19)
[9]基于Internet的数控机床远程故障诊断系统的研究[J]. 王国锋,王子良,秦旭达,王太勇. 机械设计. 2004(02)
[10]数控机床远程监视与故障诊断系统[J]. 丁庆新,焦汝娟,李晓俭,高立新,高广新. 电气时代. 2004(02)
博士论文
[1]多层免疫模型及其在故障诊断中的应用研究[D]. 田玉玲.太原理工大学 2009
[2]基于多Agent的数控机床远程故障诊断系统研究[D]. 周桂红.吉林大学 2008
[3]基于网络的数控机床远程协作诊断系统研究[D]. 宋刚.上海交通大学 2003
硕士论文
[1]基于贝叶斯网络的数控机床远程智能故障诊断研究[D]. 李遇春.浙江大学 2010
[2]基于嵌入式系统的数控机床加工工况信息采集及处理技术的研究[D]. 宫政.大连交通大学 2010
[3]数控机床网络化机械故障诊断系统的研究[D]. 聂彩丽.河北农业大学 2008
[4]基于规则和案例的压缩机集成故障诊断专家系统研究[D]. 李宏娟.湖南大学 2008
[5]基于云理论的RBF神经网络算法改进研究[D]. 王守国.东北电力大学 2008
[6]CAK6150数控车床故障诊断系统的研究[D]. 赵太平.上海交通大学 2007
[7]转子系统故障诊断专家系统的研究[D]. 原成泽.南京工业大学 2006
[8]基于Internet的数控机床远程故障诊断系统研究[D]. 李伟民.南京航空航天大学 2006
本文编号：3158264
【文章来源】：大连交通大学辽宁省
【文章页数】：59 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第一章 绪论
1.1 课题的研究背景及目的和意义
1.2 国内外研究现状
1.3 本文研究内容
1.4 本文关键技术及创新点
1.5 本文章节内容安排
本章小结
第二章 数控机床故障诊断系统总体介绍
2.1 故障诊断技术概述
2.2 数控机床基本组成及故障机理
2.2.1 数控机床的工作过程
2.2.2 数控机床基本组成
2.2.3 数控机床的故障机理
2.3 故障诊断的理论和方法
2.3.1 基于解析模型的故障诊断方法
2.3.2 基于信号处理的故障诊断方法
2.3.3 基于知识的方法
2.4 数控机床故障诊断系统网络结构
2.5 本地数控机床故障诊断系统结构
本章小结
第三章 云神经网络模型及其应用
3.1 RBF神经网络
3.1.1 神经网络概述
3.1.2 RBF神经网络模型
3.2 云理论基本知识
3.2.1 云模型
3.2.2 云发生器
3.3 RBF云神经网络
3.4 仿真工具MATLAB7.0简介
3.5 RBF云神经网络应用实例
3.5.1 在数控机床刀具磨损状态识别中的应用
3.5.2 在故障诊断中的应用
本章小结
第四章 数控机床故障诊断机制
4.1 专家系统基本原理
4.2 面向对象的知识表示
4.2.1 面向对象知识表示概述
4.2.2 面向对象知识表示基本结构
4.3 RBR与CBR协调诊断机制基础
4.3.1 RBR机制
4.3.2 CBR机制
4.3.3 数控机床功能结构划分
4.4 RBR与CBR协调诊断机制
4.4.1 RBR与CBR协调诊断机制组织结构
4.4.2 RBR与CBR协调诊断机制
4.4.3 RBR与CBR的相互转换
本章小结
第五章 系统实现
5.1 系统开发平台
5.1.1 系统开发技术
5.1.2 系统软件开发环境
5.1.3 系统开发工具MyEclipse6.6介绍
5.2 数控机床故障诊断专家系统总体设计
5.2.1 功能需求
5.2.2 系统功能模块设计
5.2.3 系统工作流程
5.3 数控机床故障诊断专家系统设计与实现
5.3.1 数据库设计
5.3.2 数据库连接
5.3.3 数控机床故障诊断专家系统实现
5.3.4 用Java启动MATLAB
本章小结
结论
参考文献
附录A 铣削实验数据
攻读硕士学位期间发表的学术论文
致谢
【参考文献】：
期刊论文
[1]基于RBR和CBR的故障诊断专家系统研究[J]. 马振林,于英杰. 微计算机信息. 2010(04)
[2]智能故障诊断技术及发展[J]. 谭勇,王伟. 飞航导弹. 2009(07)
[3]基于云神经网络的空间推进系统故障检测与诊断[J]. 徐宗本,樊忠泽. 兵工学报. 2009(06)
[4]智能故障诊断方法综述[J]. 郭富强. 陕西广播电视大学学报. 2009(02)
[5]Design of performance robustness for uncertain nonlinear time-delay systems via neural network[J]. Luan Xiaoli & Liu Fei Inst. of Automation, Southern Yangtze Univ., Wuxi 214122, P. R. China. Journal of Systems Engineering and Electronics. 2007(04)
[6]面向对象的知识表示方法在故障诊断系统中的应用[J]. 陈传波,郭天杰. 计算机工程与科学. 2006(12)
[7]基于Sugeno模糊模型的数控机床故障诊断法[J]. 宋刚,胡德金. 上海交通大学学报. 2005(01)
[8]基于JAVA的工程设计KBE专家系统研究[J]. 周飞,胡洁,王伟明,李爱平. 计算机工程与应用. 2004(19)
[9]基于Internet的数控机床远程故障诊断系统的研究[J]. 王国锋,王子良,秦旭达,王太勇. 机械设计. 2004(02)
[10]数控机床远程监视与故障诊断系统[J]. 丁庆新,焦汝娟,李晓俭,高立新,高广新. 电气时代. 2004(02)
博士论文
[1]多层免疫模型及其在故障诊断中的应用研究[D]. 田玉玲.太原理工大学 2009
[2]基于多Agent的数控机床远程故障诊断系统研究[D]. 周桂红.吉林大学 2008
[3]基于网络的数控机床远程协作诊断系统研究[D]. 宋刚.上海交通大学 2003
硕士论文
[1]基于贝叶斯网络的数控机床远程智能故障诊断研究[D]. 李遇春.浙江大学 2010
[2]基于嵌入式系统的数控机床加工工况信息采集及处理技术的研究[D]. 宫政.大连交通大学 2010
[3]数控机床网络化机械故障诊断系统的研究[D]. 聂彩丽.河北农业大学 2008
[4]基于规则和案例的压缩机集成故障诊断专家系统研究[D]. 李宏娟.湖南大学 2008
[5]基于云理论的RBF神经网络算法改进研究[D]. 王守国.东北电力大学 2008
[6]CAK6150数控车床故障诊断系统的研究[D]. 赵太平.上海交通大学 2007
[7]转子系统故障诊断专家系统的研究[D]. 原成泽.南京工业大学 2006
[8]基于Internet的数控机床远程故障诊断系统研究[D]. 李伟民.南京航空航天大学 2006
本文编号：3158264
本文链接：https://www.wllwen.com/jixiegongchenglunwen/3158264.html
