学位论文 > 优秀研究生学位论文题录展示

基于KPCA-RPROP的大型复杂机电系统智能预警

作　者: 高波
导　师: 叶永伟
学　校: 浙江工业大学
专　业: 机械制造及其自动化
关键词: KPCA RPROP神经网络汽车涂装线可拓智能预警
分类号: U468.2
类　型: 硕士论文
年　份: 2013年
下　载: 11次
引　用: 0次
阅　读: 论文下载

内容摘要

随着科学技术的不断发展,汽车涂装线的生产工艺及生产设备正在不断更新和变化。一旦某个工位出错,可能将导致整条流水线的停产。传统的故障诊断更多的是在故障发生之后再进行分析、排查,这已经不能满足智能诊断不断发展的趋势了。本文详细研究了KPCA及RPROP在涂装线设备中的应用,并结合实例,进行了涂装线设备的智能预警的研究。论文的主要研究内容如下：1.针对汽车涂装流水线,进行了详细的生产工艺流程分析。同时,对流水线各个子系统主要设备经常出现的故障进行了研究,分析了故障出现前的征兆,找出了故障发生的原因,并对故障进行了归类处理。最后,在各个子系统内建立了数据采集系统,为智能预警提供了基础。2.建立了涂装线KPCA特征提取模型,并研究了不同核函数类型、参数对特征提取的影响。为了消除噪声干扰、降低信息维数、减少信息间的相关性,建立了涂装线KPCA特征提取模型。同时以多项式核函数、高斯径向核函数以及多层感知器核函数为试验对象,分别分析了特征维数、核参数对KPCA特征提取精度的影响。3.提出了一种基于KPCA和RPROP神经网络相结合的机电系统智能预警模型。结合KPCA在特征提取及数据降维方面的优势,以及RPROP神经网络强大的自适应能力、计算能力、优越的鲁棒性,建立了涂装线机电系统智能预警模型。采用数值仿真方法测试模型,验证了该模型的准确性及有效性。4.结合可拓关联函数,改进了机电系统的预警方法。传统预警为“量值”预警方法,针对其在涂装线应用上的不足,提出了“类值”预警法——可拓智能预警。将它和RPROP神经网络相结合建立涂装线的智能预警模型,并通过仿真试验证明该模型具有较高的准确率。5.最后,对论文进行了总结,并对下一步的研究内容做了展望。

全文目录

摘要  5-6
ABSTRACT  6-8
目录  8-10
第1章绪论  10-18
  1.1 本课题研究的背景和意义  10
  1.2 国内外研究现状  10-13
    1.2.1 智能预警研究现状  10-12
    1.2.2 涂装线研究现状  12-13
  1.3 KPCA-RPROP在故障智能预警中的应用  13-15
    1.3.1 KPCA的发展及应用  13-14
    1.3.2 RPROP的发展及应用  14-15
  1.4 论文研究内容  15-16
  1.5 本章小结  16-18
第2章汽车涂装线工艺设备及故障分析  18-38
  2.1 汽车涂装线生产工艺  18-20
  2.2 前处理系统工艺流程及故障分析  20-26
    2.2.1 前处理系统的工艺流程  20-22
    2.2.2 前处理系统故障分析  22-25
    2.2.3 前处理系统数据采集  25-26
  2.3 电泳系统工艺流程及故障分析  26-31
    2.3.1 电泳系统工艺流程  26-29
    2.3.2 电泳系统故障分析  29-30
    2.3.3 电泳系统数据采集  30-31
  2.4 烘房及喷漆系统工艺流程及故障分析  31-35
    2.4.1 烘房喷漆系统的工艺流程  31-33
    2.4.2 烘房系统的故障分析  33-35
    2.4.3 烘房系统的数据采集  35
  2.5 本章小结  35-38
第3章基于核主成分分析法的故障特征提取  38-52
  3.1 核方法简介  38-41
  3.2 基于核的主成分分析方法  41-44
    3.2.1 核主成分分析法的基本思路  41-42
    3.2.2 核主成分分析法的几何原理  42-44
  3.3 核主成分分析方法的基本算法  44-46
    3.3.1 核主成分分析算法步骤  44
    3.3.2 核主成分分析的特性  44-45
    3.3.3 基于核主成分分析的改进  45-46
  3.4 实例分析  46-51
    3.4.1 汽车涂装线烘房系统结构分析  46-47
    3.4.2 基于KPCA的数据处理  47-51
  3.5 本章小结  51-52
第4章基于可拓RPROP神经网络的智能预警  52-68
  4.1 神经网络基本理论概述  52-56
    4.1.1 神经网络模型  52-53
    4.1.2 神经网络的拓扑分类  53-55
    4.1.3 神经网络的学习算法分类  55-56
  4.2 基于RPROP算法的神经网络  56-61
    4.2.1 RPROP算法的基本原理  56-58
    4.2.2 RPROP算法的实施步骤  58-61
  4.3 基于可拓神经网络的智能预警  61-66
    4.3.1 可拓理论简介  61-63
    4.3.2 基于可拓关联函数改进的智能预警方法  63-64
    4.3.3 基于KPCA-RPROP的智能预警模型  64-66
  4.4 本章小结  66-68
第5章涂装线智能预警仿真及原型系统开发  68-82
  5.1 引言  68
  5.2 涂装线智能预警仿真  68-76
    5.2.1 烘房系统故障分析  68-70
    5.2.2 烘房系统智能预警仿真  70-74
    5.2.3 烘房系统仿真试验小结  74-76
  5.3 涂装线智能预警原型系统开发  76-80
    5.3.1 系统开发  76-77
    5.3.2 系统功能模块介绍  77-80
  5.4 本章小结  80-82
第6章结论与展望  82-84
  6.1 结论  82-83
  6.2 展望  83-84
附录  84-88
参考文献  88-92
致谢  92-94
攻读学位期间参加的科研项目和成果  94

基于KPCA-RPROP的大型复杂机电系统智能预警

内容摘要

全文目录

相似论文