FMS故障诊断的关键技术研究

发布时间：2017-08-07 22:24

  本文关键词：FMS故障诊断的关键技术研究

  更多相关文章： FMS 故障诊断 贝叶斯网络 支持向量机 远程诊断

【摘要】：柔性制造系统(FMS)作为CIMS的重要组成部分,对于智能制造的发展意义重大。其无故障工作时间是保证生产效率的前提,所以融合了智能算法的FMS故障诊断系统,是柔性制造系统不可或缺的部分。在国家提出《中国制造2025》,由制造大国向制造强国迈进的背景下,开展FMS故障诊断的研究具有重要意义。数据挖掘技术、数据库技术、计算机技术及信号处理技术的发展,为FMS的故障诊断提供了崭新的解决方案。本文在分析FMS故障特点的基础上,针对现有方法存在的问题,结合数据挖掘技术,对FMS故障诊断的关键技术进行了研究,并开发了基于数据挖掘的FMS远程故障诊断原型系统。本论文主要进行了以下几点研究:(1)针对FMS及其故障的特点,从系统的观点出发,将故障分为加工系统故障、物流系统故障和控制系统故障,并建立了故障诊断系统的集成架构;(2)针对物流系统的特点,提出了物流系统频发的位置/速度控制(即运动状态)故障的诊断策略。然后针对加工系统故障特点,提出了一种分层诊断的策略,将加工系统的诊断分为初级诊断和精诊断,并建立了诊断模型;(3)针对加工系统初级诊断的特点,提出了以贝叶斯网络(BN)为数学模型的初级诊断策略。在简要阐述BN理论的基础上,研究了贝叶斯诊断网络的构造策略及算法,并通过实例验证了该方法的有效性;(4)在加工系统精诊断时,由于诊断初期故障样本较少,针对BP神经网络在小样本情况下识别率较低的问题,提出了以支持向量机(SVM)为数学模型的精诊断策略。在简要阐述SVM概念的基础上,重点研究了SVM的扩展策略,并通过实验对比验证了SVM在小样本情况下的识别率高于BP神经网络;(5)利用本文提出的诊断模型,建立了基于数据挖掘技术的远程故障诊断原型系统。
【关键词】：FMS 故障诊断 贝叶斯网络 支持向量机 远程诊断
【学位授予单位】：长安大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TH165.3
【目录】：

• 摘要4-5
• Abstract5-9
• 第一章 绪论9-18
• 1.1 问题的提出背景及研究意义9-11
• 1.2 故障诊断概述11-13
• 1.2.1 故障诊断的基本概念11
• 1.2.2 故障诊断的分类11-13
• 1.3 FMS的故障诊断研究现状及发展趋势13-16
• 1.3.1 FMS的故障诊断研究现状13-15
• 1.3.2 FMS的故障诊断发展趋势15-16
• 1.4 本文的主要研究内容及结构安排16-18
• 第二章 FMS故障诊断集成系统架构研究18-27
• 2.1 FMS故障特点18-22
• 2.1.1 FMS的定义、组成与分类18-21
• 2.1.2 FMS故障的特点21-22
• 2.2 FMS故障诊断系统框架22-26
• 2.2.1 FMS故障诊断系统的组成23-25
• 2.2.2 FMS故障诊断关键技术分析25-26
• 2.3 本章小结26-27
• 第三章 FMS故障粗诊断27-42
• 3.1 物流系统故障诊断27-29
• 3.1.1 物流系统故障机理分析27-28
• 3.1.2 物流系统的故障诊断28-29
• 3.2 加工系统初级诊断的任务29-30
• 3.3 贝叶斯网络概述30-38
• 3.3.1 贝叶斯网络中的相关概率论知识30-31
• 3.3.2 贝叶斯概率推理31-32
• 3.3.3 贝叶斯网络的概念及特点32-33
• 3.3.4 贝叶斯网络的建模33-34
• 3.3.5 贝叶斯网络的推理模式及算法34-36
• 3.3.6 贝叶斯网络的学习36-38
• 3.4 贝叶斯网络在加工系统初级诊断中的应用38-41
• 3.4.1 基于贝叶斯网络的FMS加工系统初级诊断步骤38-40
• 3.4.2 诊断实例分析40-41
• 3.5 本章小结41-42
• 第四章 基于支持向量机的FMS故障精诊断42-56
• 4.1 支持向量机概述42-48
• 4.1.1 支持向量机的概念42-45
• 4.1.2 支持向量机的多分类扩展45-48
• 4.2 基于支持向量机的FMS故障精诊断48-51
• 4.2.1 FMS设备层故障特点49-50
• 4.2.2 基于支持向量机的诊断步骤50-51
• 4.3 诊断实例分析51-55
• 4.3.1 BP神经网络分类器51-53
• 4.3.2 诊断数据集53
• 4.3.3 基于BP神经网络的故障诊断仿真53-54
• 4.3.4 基于SVM的故障诊断仿真54-55
• 4.4 本章小结55-56
• 第五章 FMS故障诊断集成系统实现56-64
• 5.1 故障诊断系统的模式56-57
• 5.2 远程故障诊断系统的发展与研究现状57
• 5.3 远程故障诊断系统的网络模式选择57-60
• 5.3.1 客户机/服务器模式57-58
• 5.3.2 浏览器/服务器模式58-60
• 5.4 远程故障诊断系统拓扑结构60
• 5.5 FMS故障诊断系统的功能结构设计60-61
• 5.6 FMS远程故障诊断系统的实现61-63
• 5.7 本章小结63-64
• 总结与展望64-66
• 参考文献66-71
• 攻读学位期间取得的研究成果71-72
• 致谢72

【参考文献】

中国期刊全文数据库 前10条

1 王元章;吴春华;周笛青;付立;李智华;;基于BP神经网络的光伏阵列故障诊断研究[J];电力系统保护与控制;2013年16期

2 王国彪;何正嘉;陈雪峰;赖一楠;;机械故障诊断基础研究“何去何从”[J];机械工程学报;2013年01期

3 李冰寒;高晓利;刘三阳;;基于互信息学习贝叶斯网络等价类[J];计算机应用研究;2011年01期

4 李晗;萧德云;;基于数据驱动的故障诊断方法综述[J];控制与决策;2011年01期

5 袁静;胡昌华;龙勇;徐瑞;;基于C/S+B/S双模式的分布式远程诊断专家系统[J];计算机工程;2006年12期

6 王润孝;高利辉;薛俊峰;;柔性制造系统(FMS)故障诊断技术研究综述[J];机械科学与技术;2006年02期

7 杨叔子,吴波;先进制造技术及其发展趋势[J];机械工程学报;2003年10期

8 邱静,胡政,温熙森;FMS状态监控与故障诊断述评[J];中国机械工程;1999年07期

9 史天运,严亮,杨富玉,吴叶兰,刘正斌;FMS 智能化状态监测与故障诊断系统研究[J];组合机床与自动化加工技术;1998年02期

10 周东华,王桂增;第五讲 故障诊断技术综述[J];化工自动化及仪表;1998年01期

，

本文编号：637074