神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)技術(shù)在生產(chǎn)系統(tǒng)智能維護(hù)中的應(yīng)用研究.pdf

1、隨著社會(huì)經(jīng)濟(jì)的不斷發(fā)展和科學(xué)技術(shù)的不斷創(chuàng)新，我國(guó)制造業(yè)中生產(chǎn)制造系統(tǒng)迅速向集成化、連續(xù)化、高速化和自動(dòng)化方向發(fā)展。因此，合理的維護(hù)生產(chǎn)系統(tǒng)，保障生產(chǎn)系統(tǒng)的流暢運(yùn)作已成為決定企業(yè)核心競(jìng)爭(zhēng)力的重要因素?，F(xiàn)在企業(yè)中多采用定期檢修的方式，不僅仍然不能最大程度的減少生產(chǎn)系統(tǒng)出現(xiàn)的問題，企業(yè)還需要為此付出昂貴的經(jīng)濟(jì)支出。采用先進(jìn)的電子計(jì)算機(jī)和信息技術(shù)，利用人工智能對(duì)生產(chǎn)系統(tǒng)進(jìn)行智能維護(hù)，為保證生產(chǎn)系統(tǒng)的安全、高效、可靠運(yùn)行提供了一條捷徑。
　

2、　智能維護(hù)是包含信息采集硬件設(shè)備、網(wǎng)絡(luò)信息傳輸、生產(chǎn)性能預(yù)測(cè)技術(shù)和決策支持與優(yōu)化技術(shù)等在內(nèi)的系統(tǒng)化工程。本文利用神經(jīng)網(wǎng)絡(luò)技術(shù)建立模型，針對(duì)生產(chǎn)性能預(yù)測(cè)技術(shù)進(jìn)行了研究，具體研究?jī)?nèi)容如下：
　　1）通過查閱文獻(xiàn)，調(diào)研和企業(yè)生產(chǎn)管理人員的幫助，分析生產(chǎn)系統(tǒng)性能的影響要素和提取特征量。
　　2）建立相應(yīng)的的自組織特征映射（SOM）神經(jīng)網(wǎng)絡(luò)細(xì)分模型，包括細(xì)分模型的結(jié)構(gòu)、學(xué)習(xí)過程算法和模型參數(shù)；在Matlab7.1軟件中模擬運(yùn)行該模型，

3、對(duì)瀚宇彩晶公司的現(xiàn)有生產(chǎn)系統(tǒng)狀態(tài)進(jìn)行細(xì)分。
　　3）針對(duì)不同特征的系統(tǒng)狀態(tài)，使用BP識(shí)別模型對(duì)生產(chǎn)系統(tǒng)各狀態(tài)和生產(chǎn)性能的關(guān)聯(lián)規(guī)則進(jìn)行學(xué)習(xí)，構(gòu)建成熟的生產(chǎn)性能預(yù)測(cè)模型。在Matlab中模擬運(yùn)行該預(yù)測(cè)模型，對(duì)實(shí)驗(yàn)結(jié)果進(jìn)行分析。
　　研究結(jié)果表明，運(yùn)用SOM神經(jīng)網(wǎng)絡(luò)的聚類算法可以對(duì)現(xiàn)有生產(chǎn)狀態(tài)進(jìn)行細(xì)分；BP神經(jīng)網(wǎng)絡(luò)的模式識(shí)別算法可有效預(yù)測(cè)生產(chǎn)系統(tǒng)的性能，測(cè)試樣本的實(shí)驗(yàn)結(jié)果精度較高，能夠作為生產(chǎn)性能預(yù)測(cè)的應(yīng)用模型。因此，將神經(jīng)網(wǎng)絡(luò)的