基于遗传算法优化BP神经网络的电机生产线故障诊断

发布时间：2017-08-01 00:13

  本文关键词：基于遗传算法优化BP神经网络的电机生产线故障诊断

  更多相关文章： 生产线 故障诊断 BP 遗传算法 数据融合

【摘要】：在挂式空调外风机电机自动化生产线上,由于各种机械设备及电子设备之间关系复杂,设备的可靠性和维修性不高。一旦生产线某设备出现故障,即使是局部的故障都有可能导致整条线的停运,这将给企业造成巨大的经济损失,甚至伤害工人的人身安全,所以有故障产生的地方,就必然涉及到设备故障诊断问题。由此可见,生产设备故障诊断具有不可替代的地位,必须科学系统地研究故障诊断技术,不能仅凭原始的感官经验,要以科学的方法指导我们的实际生产。因此,研究电机自动化生产线设备故障诊断技术具有非常重要的意义。电机自动化生产线由诸多的机械、电动、气动设备所组成,因而生产线故障症状和原因较多,并且各设备之间存在相关性,故障性质往往不同,这就导致该电机自动化生产线故障具有层次性、随机性、相关性、耦合性等特点。根据以上特点本文将采用BP神经网络的方法对生产线进行故障诊断,同时利用遗传算法对网络的权值和阈值进行优化,最后通过数据融合的方式对各诊断子网输出的故障信息进行融合决策。本文根据生产线的实际情况,选择故障发生频率较高的自动压定子工位最小系统作为研究对象,并对工位中送定子X轴电缸系统进行故障诊断,搭建故障诊断子网A1,同时从相关联设备考虑,搭建送定子电机系统故障诊断子网A2和送定子Y轴电缸系统故障诊断子网A3。使用遗传算法对各BP神经网络初始权值和阈值进行优化,并利用数据融合技术对三个故障诊断子网输出的故障信息进行融合决策。通过对故障诊断子网A1的分析可知：基于BP神经网络的方法和基于遗传算法优化BP神经网络的方法训练时分别在170步和34步达到收敛,收敛速度大大提高；GA-BP网络误差曲线波动较小,运行过程更为平稳；通过对30组数据的测试,故障诊断的准确率高达93.3%。同时从融合诊断网络可以看出,融合诊断网络给出了更多的故障诊断信息,比任何一个故障诊断子网都要多,诊断结果更贴合实际,提高了故障诊断的可靠性。
【关键词】：生产线 故障诊断 BP 遗传算法 数据融合
【学位授予单位】：合肥工业大学
【学位级别】：硕士
【学位授予年份】：2016
【分类号】：TM305.1;TP183
【目录】：

• 致谢7-8
• 摘要8-9
• ABSTRACT9-15
• 第一章 绪论15-21
• 1.1 论文研究目的及意义15-16
• 1.2 故障诊断研究现状16-18
• 1.3 故障诊断发展趋势18-19
• 1.4 论文研究的主要内容19-20
• 1.5 本章小结20-21
• 第二章 电机生产线工艺及故障21-32
• 2.1 电机生产线简介21-22
• 2.2 电机生产线工艺22-25
• 2.2.1 自动压定子工位22-23
• 2.2.2 自动放红岗工位23-24
• 2.2.3 自动放波垫工位24
• 2.2.4 其它工位24-25
• 2.3 电机生产线故障分析25-30
• 2.3.1 电机生产线故障分类25-28
• 2.3.2 电机生产线故障诊断方法28-29
• 2.3.3 电机生产线故障诊断方案29-30
• 2.4 本章小结30-32
• 第三章 遗传算法优化BP神经网络32-45
• 3.1 BP神经网络32-38
• 3.1.1 人工神经网络32-34
• 3.1.2 BP神经网络结构及算法34-37
• 3.1.3 BP神经网络在故障诊断中的应用37-38
• 3.2 遗传算法优化BP神经网络38-44
• 3.2.1 BP神经网络缺陷38-39
• 3.2.2 BP神经网络优化方法39-40
• 3.2.3 遗传算法优化BP神经网络40-44
• 3.3 本章小结44-45
• 第四章 基于遗传BP神经网络的电机生产线子网故障诊断45-59
• 4.1 基于遗传BP神经网络的故障诊断模型设计45-49
• 4.1.1 训练样本的准备45-46
• 4.1.2 BP神经网络设计46-47
• 4.1.3 遗传算法设计47-49
• 4.2 送定子X轴电缸系统故障诊断子网建模与仿真49-58
• 4.2.1 基于BP神经网络的故障诊断建模与仿真49-55
• 4.2.2 基于遗传BP神经网络的故障诊断建模与仿真55-58
• 4.3 本章小结58-59
• 第五章 基于遗传BP神经网络的电机生产线系统故障诊断59-68
• 5.1 基于遗传BP神经网络的电机生产线系统故障诊断59
• 5.2 故障诊断子网59-63
• 5.2.1 送定子电机系统故障诊断子网建模与仿真60-61
• 5.2.2 送定子Y轴电缸系统故障诊断子网建模与仿真61-63
• 5.3 自动压定子工位子网融合故障诊断63-67
• 5.4 本章小结67-68
• 第六章 总结与展望68-70
• 参考文献70-73
• 攻读硕士学位期间的学术活动及成果情况73

【参考文献】

中国期刊全文数据库 前10条

1 苏中鲜;;基于数据驱动的工业过程故障诊断方法综述[J];软件导刊;2016年03期

2 黄君政;李爱平;刘雪梅;谢楠;;考虑缓冲区配置的生产线布局优化设计[J];同济大学学报(自然科学版);2015年07期

3 李朝静;唐幼纯;黄霞;;BP神经网络的应用综述[J];劳动保障世界(理论版);2012年08期

4 马永杰;云文霞;;遗传算法研究进展[J];计算机应用研究;2012年04期

5 杨金宝;张昌宏;陈平;;基于改进BP神经网络的网络故障诊断研究[J];计算机与数字工程;2012年02期

6 毛健;赵红东;姚婧婧;;人工神经网络的发展及应用[J];电子设计工程;2011年24期

7 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

8 刘强;柴天佑;秦泗钊;赵立杰;;基于数据和知识的工业过程监视及故障诊断综述[J];控制与决策;2010年06期

9 李成华;;利用机外编程器排除数控机床故障[J];制造技术与机床;2010年06期

10 赵宜鹏;孟磊;彭承靖;;遗传算法原理与发展方向综述[J];黑龙江科技信息;2010年13期

，

本文编号：601722