原文传递
基于PCA和SVM的汽车涂装线机电设备智能诊断
| 论文题名： | 基于PCA和SVM的汽车涂装线机电设备智能诊断 |
| 关键词： | 主成分分析法;支持向量机;汽车涂装线;设备监控;故障诊断 |
| 摘要： | 随着新的汽车涂装生产技术、生产工艺以及大型复杂设备的不断涌现和迅速发展，为了保证生产和设备高效、可靠的运行，因此对汽车涂装系统各机电设备运行状态的准确诊断提出了更高的要求。由于智能理论的发展，设备状态判别进入了智能化发展阶段。本文详细研究了主成分分析法和支持向量机在涂装线设备诊断中的应用，并结合虚拟仪器进行了涂装线设备监控与智能诊断系统的设计。论文主要内容如下： 1.根据汽车涂装线生产工艺，对各子系统主要设备的故障机理进行了分析研究，指出了设备经常发生的故障类型和征兆，在各系统内建立了数据采集系统。 2.研究了故障征兆提取技术。在实际环境下，众多传感器采集到的信号，一方面，并不是所有变量都反映设备状态的重要信息，有些会干扰诊断；另一方面，设备信号特征的输出有一定相关性。因此，论文讨论了主成分分析方法和改进的主成分分析法的应用。通过烘房燃烧加热系统设备的实例对比分析，验证了此方法的优势。 3.较深入研究了核函数类型及核参数对分类器精度的影响。通过双螺旋数据样本仿真试验，分别分析了高斯核和多项式核对分类精度的影响，以及高斯核宽度系数和惩罚参数对分类精度的影响，表明高斯核参数和惩罚参数在某个范围时，分类器精度最好。 4.提出了一种基于主成分分析和支持向量机的设备状态分类识别方法。结合主成分分析法的特征提取和向量机的识别优势，采用网格搜索交叉验证法寻求最优核参数，来建立向量机训练模型。通过烘房燃烧加热系统4种设备的12种状态进行了验证。分别分析了主成分分析法改进前后的分类精度，识别率都基本达到85％以上。 5.结合虚拟仪器进行了涂装线设备监控智能诊断系统的设计，对数据采集、时域和频域分析、特征提取和智能诊断等模块进行了介绍。 6.最后，对全文进行了总结，并对进一步的研究提出一些展望。 |
| 作者： | 刘志浩 |
| 专业： | 机械设计及理论 |
| 导师： | 叶永伟 |
| 授予学位： | 硕士 |
| 授予学位单位： | 浙江工业大学 |
| 学位年度： | 2011 |
| 正文语种： | 中文 |
检索历史
应用推荐
