基于神经网络的柔性制造系统的故障诊断研究

发布时间：2017-09-06 11:31

  本文关键词：基于神经网络的柔性制造系统的故障诊断研究

  更多相关文章： 柔性制造系统 神经网络 故障诊断 遗传算法

【摘要】：本论文涉及的内容是基于神经网络的柔性制造系统的故障诊断研究。随着经济高速发展人民生活需求不断增长时代的到来,一些传统的制造模式已经渐渐不能满足大众对制造业更高的要求。柔性制造系统正是在这种形势下应运而生的。柔性制造系统的诞生,能极大减少人工工作量,极大满足公司产品对市场变化的应变。就技术先进性而言,柔性制造系统在制造业的优势越来越明显。但在实际生产过程中,由于其结构复杂,故障发生频繁。柔性制造系统的技术先进性很难体现。这使得对柔性制造系统故障诊断研究势在必行。论文分析了柔性制造系统的基本组成结构和工作原理,然后结合某条柔性制造系统统计的几年内故障信息,采用故障模式统计分析法,分析确定了柔性制造系统故障频发部位即薄弱环节,进而将立式加工中心确定为本论文故障诊断研究切入点。针对目前国内外故障诊断方面的研究成果,考虑到神经网络技术在故障诊断方面的诸多优势,本论文确定将神经网络技术应用在柔性制造系统故障诊断中。本文通过遗传算法与神经网络的结合,实现了对BP神经网络算法的改进。通过对不同信号采集方法优劣比较,最后确定将电流能量法应用于立式加工中心刀具状态识别与故障诊断中。采集主轴电机电流信号,将电流能量值归一化后输入到已训练的改进后的BP神经网络模型中,通过实验数据分析验证,取得了更快的诊断速度与更准确的诊断结果。在柔性制造系统生产实际中,故障频发往往是引起生产效率严重下降的关键原因。而柔性制造系统的故障原因多样,种类复杂。因此通过统计分析,找准关键部位,用行之有效的方法对其进行状态监测与故障诊断,能有效的控制柔性制造系统故障处理时间,大大提高其生产效率。因此本文具有一定的借鉴意义和实际使用价值。
【关键词】：柔性制造系统 神经网络 故障诊断 遗传算法
【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;TP183
【目录】：

• 摘要4-5
• Abstract5-10
• 第一章 绪论10-16
• 1.1 引言10-14
• 1.1.1 柔性制造系统的发展10-13
• 1.1.2 故障诊断技术的发展13-14
• 1.2 本论文主要研究工作14-16
• 第二章 柔性制造系统故障诊断体系研究16-25
• 2.1 柔性制造系统故障诊断总体设计思路17-21
• 2.1.1 故障诊断的基本体系17-19
• 2.1.2 柔性制造系统故障诊断体系19-21
• 2.2 柔性制造系统故障诊断实现原理21-23
• 2.2.1 监测信号的选择21-22
• 2.2.2 信号的特征提取22
• 2.2.3 故障诊断的实现22-23
• 2.3 本章小结23-25
• 第三章 柔性制造系统及其故障分析25-45
• 3.1 柔性制造系统的定义25
• 3.2 柔性制造系统的分类及特点25-27
• 3.2.1 柔性制造系统的分类25-26
• 3.2.2 柔性制造系统的特点26-27
• 3.3 柔性制造系统的组成、原理及作用27-29
• 3.3.1 柔性制造系统的一般组成27-28
• 3.3.2 柔性制造系统的工作原理28-29
• 3.4 柔性制造系统的故障分析29-43
• 3.4.1 柔性制造系统故障模式、故障部位分类30-33
• 3.4.2 柔性制造系统故障模式分析33-43
• 3.5 本章小结43-45
• 第四章 人工神经网络与故障诊断45-67
• 4.1 人工神经网络的生物学基础45
• 4.1.1 生物神经元的结构45
• 4.1.2 生物神经网络45
• 4.2 人工神经元及神经网络基础45-49
• 4.2.1 神经元的建模45-46
• 4.2.2 神经元的数学模型46-47
• 4.2.3 神经元的转移函数f47-48
• 4.2.4 神经网络拓扑结构类型48-49
• 4.3 人工神经网络的学习49-54
• 4.3.1 人工神经网络学习综述49-51
• 4.3.2 人工神经网络的学习规则51-54
• 4.4 前馈神经网络54-56
• 4.4.1 感知器模型54-55
• 4.4.2 感知器的功能55-56
• 4.5 误差反传((BP)算法56-64
• 4.5.1 BP算法的基本思想56-57
• 4.5.2 基于BP算法的多层前馈网络模型57-58
• 4.5.3 BP学习算法58-60
• 4.5.4 BP算法的信号流60
• 4.5.5 BP算法流程图60-62
• 4.5.6 BP算法的改进62-64
• 4.6 神经网络与故障诊断64-66
• 4.6.1 神经网络的特点总结64-65
• 4.6.2 神经网络与故障诊断的密切联系65-66
• 4.7 本章小结66-67
• 第五章 基于神经网络的柔性制造系统故障诊断设计67-79
• 5.1 刀具状态监测与故障诊断方法67-68
• 5.2 监测信号的选择68-71
• 5.2.1 刀具状态监测与故障诊断实验基础68-69
• 5.2.2 电流监测的理论依据69-70
• 5.2.3 传感器的选择70-71
• 5.2.4 实验装置的设计71
• 5.3 信号的处理71-72
• 5.4 刀具破损状态识别72-76
• 5.4.1 基于神经网络的状态识别72-73
• 5.4.2 遗传神经网络在实验中的运用73-76
• 5.5 集成神经网络智能故障诊断76-78
• 5.5.1 基于神经网络的智能诊断的发展方向76-77
• 5.5.2 分布式集散神经网络故障诊断的结构77
• 5.5.3 多神经网络的学习77-78
• 5.6 本章小结78-79
• 结论与展望79-81
• 参考文献81-86
• 攻读硕士期间取得的研究成果86-87
• 致谢87

【参考文献】

中国期刊全文数据库 前10条

1 刘丽娟;武文革;;基于B/S的数控机床故障诊断系统的开发[J];机械工程与自动化;2014年04期

2 郝丽珍;龚尧莞;王子强;李媛州;;基于BP算法和Petri网的柔性制造系统故障诊断[J];计算机测量与控制;2011年10期

3 曾祥超;陈捷;;数控机床刀具故障在线监测系统开发[J];机械设计与制造;2009年11期

4 赵永满;梅卫江;吴疆;王春林;;机械故障诊断技术发展及趋势分析[J];机床与液压;2009年10期

5 钟更进;卢晓春;;FMS故障诊断的神经网络方法研究[J];广东交通职业技术学院学报;2007年03期

6 钟更进;裴小英;;基于神经网络的FMS故障诊断方法研究[J];装备制造技术;2007年05期

7 牛小玲;;基于集成神经网络风机故障诊断系统的研究[J];煤矿机械;2006年05期

8 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

9 姚桂艳,孙丽媛,程秀芳,薛全会;机械故障诊断技术的研究现状及发展趋势[J];河北理工学院学报;2005年03期

10 王岳平;现代制造业发展的特点与趋势[J];宏观经济研究;2004年12期

，

本文编号：802876