智能生产线故障预测分析方法研究与应用

发布时间：2021-11-22 07:34

　　现今,随着科学技术的发展,越来越多的企业开始建立起智能化生产线来应对日益激烈的竞争环境,同时,生产线中引入的设备也越来越多,其机械结构也越来越复杂,给维护工作提出了新的要求。传统“定时维护”和“事后维护”的方式已不能满足现代化的生产作业要求,在生产过程中发生故障,不仅极大地影响生产效率,更会对工作人员的人身安全造成威胁。如果能预测到生产线中潜在的故障点,就可以提前制定出合适的维护方案,在降低对生产工作影响的同时,还能有目的对设备进行检修,可以提高设备的有效使用寿命,为企业节省额外的开支。因此,如何有效地实现对生产线故障的预测,从而为设备的维护工作提供相应的依据,是一个亟待解决的问题。针对上述问题,本文结合小型化实验产线平台,在深入探究设备故障发生机理的基础上,对其展开了设备状态预测和生产线故障诊断的研究工作,并给出了相应的算法模型工作流程,对提高生产线故障预测的准确性有一定的实际应用价值。本文具体研究内容如下:1.实验产线设备故障机理分析。首先对主要设备结构进行了介绍,然后根据每类设备的工作用途和工作应力进行了故障机理分析,并建立起了设备故障树分析模型,最后给出了主要设备的核心监测指标... 

【文章来源】：中国科学院大学(中国科学院沈阳计算技术研究所)辽宁省

【文章页数】：90 页

【学位级别】：硕士

【部分图文】：

循环神经网络结构

第3章基于长短时记忆网络的设备状态预测方法研究33图3.2长短时记忆神经网络结构Figure3.2Structureoflongandshorttimememoryneuralnetwork通过前向计算算法可以得到网络的输出结果，主要计算的对象为、、、、五个向量的值，计算过程如下：遗忘门(forgetgate)：用来控制需要保留的细胞状态信息，计算公式为：=([1,]+)…(3.3)其中[1,]为上次输出与本次输入向量的一个拼接，和分别表示权重矩阵和偏置项。运算结果通过一个激活函数映射到0~1之间，决定了保留之前信息的程度。输入门(inputgate)：主要负责当前序列位置的输入，计算公式为：=([1,]+)…(3.4)=([1,]+)…(3.5)其中和通过和激活函数分别将运算输出映射到0~1和-1~1之间。细胞状态更新：将遗忘门和输入门得到的数据添加到上一细胞状态中，计算公式为：=1+…(3.6)细胞状态记录了起始输入到当前输入所保留的信息，通过遗忘门信息与输入门信息进行求和运算，可以有效解决RNN中的梯度消失和梯度爆炸的问题。

单步预测结果对比

【参考文献】：
期刊论文
[1]装配制造企业智慧研发工具设计探索与实践[J]. 苏雷,和帅.  装备制造技术. 2019(10)
[2]基于灰色神经网络组合模型的故障预测[J]. 黄魁,苏春.  系统工程与电子技术. 2020(01)
[3]基于改进Elman神经网络的烟气轮机运行状态趋势预测[J]. 陈涛,王立勇,徐小力,王少红.  广西大学学报(自然科学版). 2019(02)
[4]中国智能制造的发展路径[J]. "新一代人工智能引领下的智能制造研究"课题组,周济.  中国经济报告. 2019(02)
[5]德国工业4.0与中国煤机装备智能制造的发展[J]. 王国法,杜毅博.  煤炭科学技术. 2019(03)
[6]智能制造及其关键技术研究现状与趋势综述[J]. 张映锋,张党,任杉.  机械科学与技术. 2019(03)
[7]基于LSTM循环神经网络的盾构机故障预测系统设计[J]. 周奇才,王益飞,赵炯,熊肖磊,沈鹤鸿.  现代机械. 2018(05)
[8]深度学习研究综述[J]. 张荣,李伟平,莫同.  信息与控制. 2018(04)
[9]基于支持向量机和遗传算法的变压器故障诊断[J]. 吐松江·卡日,高文胜,张紫薇,莫文雄,王红斌,崔屹平.  清华大学学报(自然科学版). 2018(07)
[10]支持向量机模型与应用综述[J]. 刘方园,王水花,张煜东.  计算机系统应用. 2018(04)

博士论文
[1]支持向量技术及其应用研究[D]. 董宝玉.大连海事大学 2016
[2]基于支持向量机的旋转机械故障诊断与预测方法研究[D]. 朱霄珣.华北电力大学 2013

硕士论文
[1]基于SVM和BP神经网络的短时交通流预测与实现[D]. 余涛.南京邮电大学 2018
[2]基于状态监测数据的盘式刀库故障预测与健康管理技术研究[D]. 杜乐.吉林大学 2018



本文编号：3511229