串联机械系统故障预测与控制问题的实证研究

发布时间：2021-10-27 10:21

　　随着微电子工业和先进制造技术的发展,设备的结构越来越复杂,成本也越来越高。提高设备利用率对生产效率的改进方面起着至关重要的作用,是降低生产成本的关键因素。本文主要研究的对象是半导体封装测试工厂的设备故障数据。通过对历史故障数据的分析,实现对设备故障的预测,从而对设备维修维护策略提供参考,最终实现提高设备利用率的目标。本文研究的故障数据取自不同的串联机械系统,而不同的机械系统是由几个,甚至十几个不同的设备组成的。针对这样复杂的数据,本文主要利用时间序列的方法建立预测模型。把故障数据看成时间序列的一组动态数据。这些动态数据往往是非平稳的,需要考虑对序列进行平稳化处理。针对数据非平稳性的特点,本文尝试利用差分的方法对数据进行平稳化处理。平稳化效果较为理想,故尝试建立ARIMA预测模型,并进行预测分析。预测分析结果表明了该方法的可行性。针对一些数据表现出阶段性的趋势,本文尝试一种新的叠合预测模型。在这种叠合预测模型中,序列{Xt}被分解成确定性趋势部分{mt}与随机部分{Yt}的叠加。在实证研究中,把经过预处理的故障数据看成时间序列的一组动态数据。对动态数据进行分解,一组为确定性趋势序列,用以... 

【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】：41 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第一章 引言
    1.1 研究的背景及意义
    1.2 国内外研究现状和发展态势
    1.3 本文主要研究内容与方法
    1.4 本章小结
第二章 ARIMA预测模型及实证研究
    2.1 ARIMA预测模型
        2.1.1 时间序列的分解
        2.1.2 ARMA模型的定义
        2.1.3 ARIMA模型的定义
        2.1.4 时间序列的平稳性检验
        2.1.5 ARMA模型阶数的初定
        2.1.6 ARMA模型系数估计
        2.1.7 残差序列白噪声检验
    2.2 实证研究
        2.2.1 ARIMA预测模型的基本步骤
        2.2.2 原始数据及预处理
        2.2.3 ARIMA模型的建立
        2.2.4 预测结果分析
    2.3 本章小结
第三章 ARMA与非线性自回归的叠合预测模型及实证研究
    3.1 叠合预测模型结构设计
    3.2 非线性自回归预测模型
        3.2.1 非线性自回归预测模型的定义
        3.2.2 模型的拟合优度
        3.2.3 非线性自回归预测模型的基本步骤
    3.3 实证研究
        3.3.1 原始数据及预处理
        3.3.2 非线性自回归模型的建立及预测
        3.3.3 ARMA模型的建立及预测
        3.3.4 预测结果分析
    3.4 本章小结
第四章 总结与展望
    4.1 本文小结
    4.2 展望
致谢
参考文献
攻读硕士期间所取得的研究成果


【参考文献】：
期刊论文
[1]设备故障趋势预测的分析与应用[J]. 续媛君,潘宏侠.  振动、测试与诊断. 2006(04)
[2]设备故障停机时间的ARMA模型预测[J]. 杨德斌,韩志清,徐金梧,姚林,胡军.  冶金设备. 2006(01)
[3]基于ARIMA和RBF网络组合预测的惯性器件故障预报[J]. 吕瑛洁,胡昌华,李国华,张伟.  电光与控制. 2005(04)
[4]基于灰色理论、径向基神经网络的大型压缩机故障预测方法的研究[J]. 金晶,芮延年,郭旭红,赵礼刚.  苏州大学学报(工科版). 2004(05)
[5]动态系统的故障预报技术[J]. 陈敏泽,周东华.  控制理论与应用. 2003(06)
[6]基于模糊自组织映射神经网络的故障诊断方法[J]. 宋云雪,史永胜.  计算机工程. 2003(14)
[7]GM模糊优化方法在小子样机械系统故障预测中的应用[J]. 陈举华,郭毅之.  中国机械工程. 2002(19)
[8]故障模糊预测系统建模方法研究[J]. 王强,郑坚,秦俊奇,贾长治.  计算机自动测量与控制. 2002(01)
[9]一种基于强跟踪滤波器的自适应故障预报方法[J]. 陈敏泽,周东华.  上海海运学院学报. 2001(03)
[10]机械设备故障规律及运行趋势预测方法综述[J]. 蒋瑜,杨雪,阮启明.  机电一体化. 2001(03)



本文编号：3461407