基于KPCA-RPROP的大型復(fù)雜機(jī)電系統(tǒng)智能預(yù)警.pdf

1、隨著科學(xué)技術(shù)的不斷發(fā)展，汽車涂裝線的生產(chǎn)工藝及生產(chǎn)設(shè)備正在不斷更新和變化。一旦某個工位出錯，可能將導(dǎo)致整條流水線的停產(chǎn)。傳統(tǒng)的故障診斷更多的是在故障發(fā)生之后再進(jìn)行分析、排查，這已經(jīng)不能滿足智能診斷不斷發(fā)展的趨勢了。本文詳細(xì)研究了KPCA及RPROP在涂裝線設(shè)備中的應(yīng)用，并結(jié)合實例，進(jìn)行了涂裝線設(shè)備的智能預(yù)警的研究。論文的主要研究內(nèi)容如下:
　　1.針對汽車涂裝流水線，進(jìn)行了詳細(xì)的生產(chǎn)工藝流程分析。同時，對流水線各個子系統(tǒng)主要設(shè)備經(jīng)

2、常出現(xiàn)的故障進(jìn)行了研究，分析了故障出現(xiàn)前的征兆，找出了故障發(fā)生的原因，并對故障進(jìn)行了歸類處理。最后，在各個子系統(tǒng)內(nèi)建立了數(shù)據(jù)采集系統(tǒng)，為智能預(yù)警提供了基礎(chǔ)。
　　2.建立了涂裝線KPCA特征提取模型，并研究了不同核函數(shù)類型、參數(shù)對特征提取的影響。為了消除噪聲干擾、降低信息維數(shù)、減少信息間的相關(guān)性，建立了涂裝線KPCA特征提取模型。同時以多項式核函數(shù)、高斯徑向核函數(shù)以及多層感知器核函數(shù)為試驗對象，分別分析了特征維數(shù)、核參數(shù)對KPCA

3、特征提取精度的影響。
　　3.提出了一種基于KPCA和RPROP神經(jīng)網(wǎng)絡(luò)相結(jié)合的機(jī)電系統(tǒng)智能預(yù)警模型。結(jié)合KPCA在特征提取及數(shù)據(jù)降維方面的優(yōu)勢，以及RPROP神經(jīng)網(wǎng)絡(luò)強(qiáng)大的自適應(yīng)能力、計算能力、優(yōu)越的魯棒性，建立了涂裝線機(jī)電系統(tǒng)智能預(yù)警模型。采用數(shù)值仿真方法測試模型，驗證了該模型的準(zhǔn)確性及有效性。
　　4.結(jié)合可拓關(guān)聯(lián)函數(shù)，改進(jìn)了機(jī)電系統(tǒng)的預(yù)警方法。傳統(tǒng)預(yù)警為“量值”預(yù)警方法，針對其在涂裝線應(yīng)用上的不足，提出了“類值”預(yù)警