数控切绘机远程故障诊断系统的研究

论文摘要

随着轻工业生产自动化程度的不断提高,数控切绘机的应用也越来越得到推广,特别是在服装、鞋帽、箱包、制革、玻璃雕花等行业,数控切绘机的应用极大地提高了企业的生产效率。但是当切绘机出现故障时,一般技术人员不能准确地分析判断出故障原因,需要厂方专业技术人员现场服务,这样会影响生产,因此建立数控切绘机故障诊断系统具有很大的实用价值。本文首先分析了国内外远程故障诊断技术的发展现状,介绍了现有的各种诊断方法。根据远程故障诊断系统的特点,建立了诊断的网络框架模型,并且对C/S(客户/服务器)模型和B/S(浏览器/服务器)模型进行详细分析和比较,确立了系统的网络模型。然后介绍了模糊控制和神经网络理论,由于模糊控制理论和神经网络各有所长,将他们结合起来组成了模糊神经网络(Fuzzy Neural Network—FNN)。基于FNN的故障诊断技术将充分体现神经网络和模糊控制理论的优点,是一个非常具有前景的研究方向,并且其应用领域也越来越广泛。最后介绍了数控切绘机的结构特点和工作原理,分析了数控切绘机的一些常见的故障以及解决方法。根据切绘机的故障特点,将反映故障的特征信号进行模糊化处理,使之能更好的反映故障随机性和不确定性,利用神经网络学习算法获取知识。所采用的改进的BP学习算法,在误差的反向传播中,不仅仅对网络权值进行修整,对模糊算子中的补偿参数也同样进行了修正。使陷入局部极小点机会更少,函数逼近精度更高,网络映射能力更强。通过仿真实验,证明了模糊神经网络故障诊断的可行性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景及课题来源
• 1.2 故障诊断技术概述
• 1.2.1 故障诊断技术产生背景
• 1.2.2 远程故障诊断的意义
• 1.2.3 传统故障诊断服务模式存在的问题
• 1.3 故障诊断的发展与现状
• 1.4 本课题的研究内容
• 第2章 故障诊断系统的总体结构
• 2.1 故障诊断的一般流程
• 2.1.1 信号采集
• 2.1.2 信号处理
• 2.1.3 特征量的提取
• 2.1.4 常用的诊断方法
• 2.2 系统框架模型设计
• 2.3 系统的网络实现
• 2.3.1 网络化系统的实现技术
• 2.3.2 C/S 模式与B/S 结构模式结构
• 第3章 基于模糊神经网络的故障诊断技术
• 3.1 神经网络基本理论
• 3.1.1 生物神经元结构
• 3.1.2 人工神经元结构
• 3.1.3 人工神经网络的学习过程
• 3.1.4 神经网络的主要特点
• 3.2 基于BP 模型的神经网络理论
• 3.2.1 BP 神经网络结构
• 3.2.2 BP 网络的特点
• 3.2.3 BP 算法的一般改进方法
• 3.3 模糊理论和神经网络结合
• 3.3.1 模糊控制基本理论
• 3.3.2 模糊控制和神经网络结合
• 3.3.3 模糊神经元
• 第4章 数控切绘机故障诊断实现
• 4.1 数控切绘机的结构及工作原理
• 4.2 数控切绘机故障诊断系统
• 4.2.1 数控切绘机故障的分类
• 4.2.2 数控切绘机诊断总体框架
• 4.3 故障诊断模糊神经网络（FNN）的实现
• 4.3.1 模糊神经网络（FNN）的结构
• 4.3.2 模糊神经网络的模糊化和反模糊化
• 4.3.3 模糊神经网络BP 算法的改进
• 4.3.4 基于模糊神经网络诊断模型
• 4.4 数控切绘机典型故障分析及仿真实现
• 4.4.1 数控切绘机典型故障
• 4.4.2 仿真及结果
• 第5章 软件功能及界面设计
• 5.1 动态服务器网页（ASP）技术
• 5.2 ASP 访问WWW
• 5.3 Web 数据库体系模型
• 5.4 系统界面实例
• 第6章 总结与展望
• 6.1 工作总结
• 6.2 研究展望
• 参考文献
• 致谢
• 附录 A 攻读学位期间参与的课题及发表的论文