原文传递
基于SVM的胎面生产过程的专家故障诊断系统
| 论文题名： | 基于SVM的胎面生产过程的专家故障诊断系统 |
| 关键词： | 设备状态;故障诊断;轮胎胎面;复合挤出;联动线PLC控制 |
| 摘要： | 设备状态故障诊断技术近年来在国内外获得了很大的发展，在保证设备安全、稳定、长周期优质运行方面发挥了很大的作用。随着科学技术的进步与发展，机械设备逐渐趋向于大型化、自动化、高速化和复杂化，使得设备故障诊断技术变得越来越重要。 本论文以轮胎胎面复合挤出联动线PLC控制系统为研究背景，根据其控制系统的总体结构和性能特点，分析了轮胎胎面复合挤出联动线PLC控制系统故障的类型、范围及产生的原因。基于现有故障诊断理论方法的优点和不足之处，重点介绍了专家系统和支持向量机的原理和特点，结合研究背景，确立了基于支持向量机的胎面PLC控制系统专家故障诊断系统。 论文对智能故障诊断系统的产生和发展现状作了综述，分析了基于智能故障诊断专家系统的一般结构，完成了专家故障诊断系统的总体结构和功能设计，并对该系统诊断知识库的构成，包括知识的来源、事实库与规则库的建立；知识的获取和维护；解释模块的设计；诊断推理模块的构建做了详细论述。 论文将支持向量机用于胎面联动线控制系统的故障诊断，建立了多类分类器，讨论了支持向量机的多类分类算法：一对一分类算法和一类对余类的分类算法，以及两种分类算法的步骤实现。主要研究了基于SVM的螺杆挤出机故障诊断，分析了挤出机的工作原理和在生产中的故障类型。通过Matlab编程软件并运用SVM Toolbox对现场采集的螺杆挤出机的转速，压力，主机电流等数据进行仿真，比较了一对一分类算法和一类对余类的分类算法的分类结果和性能。通过调整核函数参数gam和sig2，两种分类算法都能够达到很好的预期效果。 实例表明支持向量机的两种常用多类分类算法对相同的样本具有不同的诊断结果，同时也说明了在少样本的故障诊断方面支持向量机算法具有良好的适应性。 |
| 作者： | 张红梅 |
| 专业： | 检测技术与自动化装置 |
| 导师： | 邓燕妮 |
| 授予学位： | 硕士 |
| 授予学位单位： | 武汉理工大学 |
| 学位年度： | 2008 |
| 正文语种： | 中文 |
检索历史
应用推荐
