喷涂生产监测数据的存储及特征分析

发布时间：2021-04-27 20:09

　　喷涂作为当前热门的制造技术,广泛应用在各个行业中。喷涂所需的高温环境容易引起事故,需要对喷涂环境进行监测。另一方面,由于目前喷涂流程复杂,影响喷涂产品合格率的因素较多,需要对生产数据进行特征分析。本文针对汽车零件喷涂生产中的环境监测,利用云平台进行数据存储并从存储的数据中找出影响产品合格率的因素,并预测了在这些因素作用下产品的不合格率。首先申请阿里云ECS云平台,在阿里云服务器上搭建Node.js服务器与MongoDB非关系型数据库负责数据的存储与传输。通过python中的pymongo模块调用MongoDB中的数据,结合产品合格率进行特征分析。分析时首先进行数据预处理,处理数据中的缺失值并将数据规范化。接着采用lasso回归的方法对数据特征进行降维,从14种数据中筛选出6种影响产品合格率的主要因素;最后分别运用传统的BP神经网络和基于遗传算法优化的BP神经网络进行预测,平均绝对百分比误差分别达到18.825%和7.152%,发现对lasso回归分析得到的特征采用遗传算法优化的BP神经网络模型对产品合格率的预测有比较好的效果,为实际生产提供有科学依据的决策与支持。 

【文章来源】：内蒙古大学内蒙古自治区 211工程院校

【文章页数】：60 页

【学位级别】：硕士

【文章目录】：
摘要
abstract
第一章 绪论
    1.1 论文研究背景及意义
    1.2 国内外研究现状
    1.3 论文安排
第二章 数据存储和数据分析技术
    2.1 数据存储技术
        2.1.1 阿里云服务器
        2.1.2 Node.js与 Express.js框架
        2.1.3 非关系型数据库MongoDB
    2.2 数据预处理
        2.2.1 缺失值处理
        2.2.2 数据的规范化
        2.2.3 相关性检验
        2.2.4 数据降维
    2.3 BP神经网络
        2.3.1 人工神经网络
        2.3.2 BP神经网络的训练原理
        2.3.3 BP神经网络的优缺点
    2.4 基于遗传算法优化的神经网络
        2.4.1 遗传算法基本原理
        2.4.2 遗传算法执行过程
        2.4.3 基于遗传算法优化的BP神经网路
    2.5 本章小结
第三章 数据存储与数据传输
    3.1 喷涂流程
    3.2 服务器的设计与实现
        3.2.1 阿里云服务环境搭建
        3.2.2 搭建开发环境
        3.2.3 服务器的搭建
        3.2.4 路由设计
        3.2.5 注册及登陆
        3.2.6 服务器集群搭建
    3.3 数据库的搭建
        3.3.1 MongoDB安装及运行环境配置
        3.3.2 数据库的设计
        3.3.3 数据接入与访问
    3.4 本章小结
第四章 喷涂质量的特征分析
    4.1 喷涂生产质量分析
    4.2 喷涂原理的参数分析
    4.3 数据预处理
        4.3.1 数据获取
        4.3.2 缺失值处理
        4.3.3 规范化处理
        4.3.4 Pearson系数检验
    4.4 主要影响因素筛选
    4.5 BP神经网络预测模型
        4.5.1 构建BP神经网络
        4.5.2 结果分析
    4.6 基于遗传算法优化的BP神经网络预测
        4.6.1 遗传算法优化BP神经网络的设计
        4.6.2 结果分析
    4.7 本章小节
第五章 总结与展望
参考文献
致谢


【参考文献】：
期刊论文
[1]基于遗传算法优化BP神经网络的接触电阻预测[J]. 孙海峰,沈颖,王亚楠.  电测与仪表. 2019(05)
[2]基于Pearson相关系数的货运车辆能耗模型研究[J]. 蔡静,张明辉,朱宇婷,刘宇环.  交通运输系统工程与信息. 2018(05)
[3]MongoDB在存储与分析工业时间序列数据中的应用[J]. 冯德伦.  自动化与仪器仪表. 2018(09)
[4]融合PCA和ESN的交通流周期预测模型[J]. 李慧,奚园园,马宇鑫,张瑞梅.  西安电子科技大学学报. 2019(01)
[5]大数据环境下基于信息论的入侵检测数据归一化方法[J]. 宋勇,蔡志平.  武汉大学学报(理学版). 2018(02)
[6]基于支持向量机的机载吊舱故障诊断优化算法[J]. 刘治超,李侍林,黄毅,潘继文,姬传庆.  计算机测量与控制. 2018(01)
[7]基于混合粒子群算法的喷涂机器人喷枪轨迹组合优化[J]. 黄俊.  数字技术与应用. 2017(01)
[8]异步响应式集群实时监控系统设计[J]. 吕海东,陆永林.  电子技术应用. 2016(02)
[9]智能制造——“中国制造2025”的主攻方向[J]. 周济.  中国机械工程. 2015(17)

博士论文
[1]特征降维与自适应特征提取方法及其在行星齿轮箱故障诊断中的应用研究[D]. 赵川.北京科技大学 2018
[2]偏差数据下的半参数模型研究[D]. 马慧娟.中国科学技术大学 2015

硕士论文
[1]基于NoSQL数据库的系统设计与开发[D]. 仝野.南京邮电大学 2018
[2]基于BP神经网络的北京市二手房交易价格预测研究[D]. 李圆圆.首都经济贸易大学 2018
[3]面向快消品行业的二维码营销决策支持系统研究[D]. 顾志奇.北京化工大学 2018
[4]Lasso及其改进方法在变量选择中的优劣性研究[D]. 郝宽.哈尔滨工业大学 2018
[5]基于Node.js的脑慢病管理系统的设计与实现[D]. 杨涛.南京大学 2018
[6]基于Node.js的图书共享平台的设计与实现[D]. 汪彤.北京邮电大学 2018
[7]基于随机森林和XGBoost的大型风力机故障诊断方法研究[D]. 钱力扬.浙江大学 2018
[8]生猪行情数据挖掘预测与可视化[D]. 董效贤.浙江大学 2018
[9]遗传算法优化神经网络在推荐系统中的应用研究[D]. 刘莹.东北财经大学 2017
[10]室内环境监测中的BP神经网络算法的改进及其仿真分析[D]. 张凌.南京邮电大学 2017



本文编号：3164085