基于模糊支持向量机的刀具故障诊断研究

发布时间：2017-03-28 11:19

  本文关键词：基于模糊支持向量机的刀具故障诊断研究，由笔耕文化传播整理发布。

【摘要】：随着经济和技术的不断发展,数控机床已经逐渐成为国家现代化水平的重要标志之 然而数控机床刀具的故障却成为影响生产效率的重要瓶颈。在中国的现阶段中小型企业使用的数控机床一般不具备智能诊断刀具状态的功能,大部分是靠经验来进行诊断和分析。由于人工经验的局限性,诊断的效率以及正确率存在很大的不确定性。基于以上原因,上述中小型企业迫切需要运用人工智能方法来对刀具的磨损状态进行监测以提高诊断的准确率。 学位论文写作的主要目标是运用科学的方法采集数据,以及采用人工智能融合技术来对中小型企业出现的刀具问题进行诊断,并在此基础上对于企业适合的系统进行总体设计以及实现。本文正是围绕上述提出的问题进行研究和分析。 在本次学位论文开始之前通过对数控机床刀具的磨损机理和刀具故障诊断理论方法深入分析,得出了将模糊理论和支持向量机结合,并在此基础上提出了模糊支持向量机的思想。根据该思想建立相关的数学模型以及多故障分类器。经实验仿真得出模糊支持向量机模型可以有效的解决分类时存在的分类盲区,提高分类器的分类精度,同时诊断过程具备模糊性,以及记忆能力,应用于刀具磨损的诊断具有较高的实用性。 最后,针对企业以及刀具故障的特点,提出采用分布式结构来对系统的总体架构进行设计和实现,并在此基础上选取适合中小型企业数据库。
【关键词】：数控机床刀具 故障诊断 模糊理论 支持向量机
【学位授予单位】：大连交通大学
【学位级别】：硕士
【学位授予年份】：2014
【分类号】：TH165.3;TG659
【目录】：

• 摘要5-6
• Abstract6-10
• 第一章 绪论10-14
• 1.1 课题的研究背景及目的和意义10
• 1.2 国内外研究现状10-12
• 1.3 本文研究内容12
• 1.4 本文关键技术以及创新点12
• 1.5 本文章节内容安排12-13
• 本章小结13-14
• 第二章 信号监测与故障诊断方法概述14-22
• 2.1 刀具磨损的标准14-15
• 2.2 刀具磨损状态监测15-16
• 2.2.1 刀具状态监测系统的结构15
• 2.2.2 刀具状态监测系统的功能模块15-16
• 2.3 主要监测方法16-17
• 2.3.1 切削力监测方法16
• 2.3.2 电机功率监测方法16-17
• 2.3.3 电机电流监测方法17
• 2.3.4 生发射监控方法17
• 2.4 现代诊断技术介绍17-21
• 2.4.1 基于信号处理的方法17-18
• 2.4.2 基于解析模型的方法18-20
• 2.4.3 基于知识的方法20-21
• 本章小结21-22
• 第三章 基于融合方法的故障诊断举例与人工智能发展趋势22-26
• 3.1 专家系统与神经网络的结合22
• 3.2 神经网络与遗传算法、模糊系统的结合22
• 3.3 云模型与定性模型的结合22-23
• 3.4 人工智能的发展趋势23-24
• 3.4.1 分布式人工智能23
• 3.4.2 混合式智能诊断系统23-24
• 3.4.3 智能故障诊断的发展趋势24
• 本章小结24-26
• 第四章 模糊理论与支持向量机的融合技术在刀具故障诊断中的应用26-41
• 4.1 支持向量机理论与模糊理论概述26-33
• 4.1.1 统计学习理论介绍26-27
• 4.1.2 支持向量机的思想以及特点27-30
• 4.1.3 模糊隶属函数的定义30-31
• 4.1.4 模糊特征表示方法31-33
• 4.2 模糊支持向量机的理论背景33-35
• 4.3 常用的支持向量机多指分类器的构造方法35-36
• 4.4 支持向量机的算法描述36-37
• 4.5 模糊支持向量机在刀具故障诊断的实验仿真37-39
• 4.6 实验分析39-40
• 本章小结40-41
• 第五章 刀具磨损状态远程监测系统总体设计41-54
• 5.1 系统需求分析41
• 5.2 系统结构分析41-42
• 5.3 系统的功能结构模型42
• 5.4 刀具磨损状态监测系统软件结构42-46
• 5.4.1 现场状态监测模块43-45
• 5.4.2 文件传送模块45
• 5.4.3 服务器的嵌入式模块45-46
• 5.5 数据库的设计与实现46-48
• 5.5.1 Oracle数据库管理系统46
• 5.5.2 Informi数据库管理系统46
• 5.5.3 Mirosoft SQL Server数据库管理系统46-47
• 5.5.4 PB实现数据库的访问47
• 5.5.5 应用程序与SQL Server数据库的链接47-48
• 5.5.6 数据的备份48
• 5.5.7 SQL Server分布式数据库的安全性48
• 5.6 数据库的发展趋势NoSQL48-52
• 5.6.1 NoSQL和传统关系型数据库的不同49
• 5.6.2 NoSQL领域的三种主流的数据模型49-50
• 5.6.3 NoSQL的可行性分析50-52
• 本章小结52-54
• 结论54-55
• 附录A 铣削实验数据55-57
• 参考文献57-60
• 攻读硕士学位期间发表的学术论文60-61
• 致谢61

【相似文献】

中国期刊全文数据库 前10条

1 赵恒平;俞金寿;;在线模糊支持向量机回归方法及其应用[J];石油化工高等学校学报;2005年04期

2 包剑;冀明;冯军;;基于模糊支持向量机的文本分类[J];辽宁工程技术大学学报(自然科学版);2010年05期

3 何明芳;阳春华;王晓丽;桂卫华;;基于模糊支持向量机的硫浮选工况识别[J];中国有色金属学报;2013年12期

4 赵贵;;基于主成分分析的模糊支持向量机焊接图像分割[J];矿山机械;2011年10期

5 杨力;耿纪超;汪克亮;;模糊支持向量机在煤与瓦斯突出预测中的研究[J];中国安全生产科学技术;2014年04期

6 邵强;冯长建;康晶;;基于模糊支持向量机的刀具磨损检测[J];大连民族学院学报;2014年01期

7 ;[J];;年期

8 ;[J];;年期

9 ;[J];;年期

10 ;[J];;年期

中国重要会议论文全文数据库 前6条

1 包剑;冀明;冯军;;基于模糊支持向量机的文本分类[A];中国运筹学会模糊信息与模糊工程分会第五届学术年会论文集[C];2010年

2 祁立;刘玉树;;基于自适应间隔的模糊支持向量机(英文)[A];第二十三届中国数据库学术会议论文集（技术报告篇）[C];2006年

3 陶卿;黄燕;刘欣;;基于边缘加权的模糊支持向量机体系[A];2005年中国智能自动化会议论文集[C];2005年

4 吴军基;盛琪;杨伟;张俊芳;;基于模糊支持向量机的电力系统暂态稳定评估[A];2006中国电力系统保护与控制学术研讨会论文集[C];2006年

5 曹春红;张斌;丛飚;;基于模糊支持向量机方法的人脸识别技术的研究[A];第18届全国多媒体学术会议（NCMT2009）、第5届全国人机交互学术会议（CHCI2009）、第5届全国普适计算学术会议（PCC2009）论文集[C];2009年

6 刘素娟;江丽仪;吴效明;;基于模糊支持向量机的睡眠呼吸暂停综合征的分类[A];中国生物医学工程学会成立30周年纪念大会暨2010中国生物医学工程学会学术大会壁报展示论文[C];2010年

中国博士学位论文全文数据库 前2条

1 杨志民;模糊支持向量机及其应用研究[D];中国农业大学;2005年

2 张永;基于模糊支持向量机的多类分类算法研究[D];大连理工大学;2008年

中国硕士学位论文全文数据库 前10条

1 竭洋;基于模糊支持向量机的多类文本分类方法研究[D];兰州理工大学;2009年

2 彭桂兵;两种改进的模糊支持向量机[D];河北大学;2010年

3 南光浩;模糊支持向量机算法研究[D];延边大学;2007年

4 谢琳;模糊支持向量机关键技术研究[D];哈尔滨工业大学;2011年

5 邢笛;模糊支持向量机的研究与应用[D];江南大学;2012年

6 蔺远洪;模糊支持向量机在金融风险预警中的应用[D];成都理工大学;2012年

7 王琳;模糊支持向量机在水淹层识别中的应用研究[D];吉林大学;2013年

8 苏涵沐;基于模糊支持向量机的基因表达数据分类方法研究[D];湖南大学;2009年

9 黄澍;直觉模糊支持向量机[D];河北大学;2011年

10 谷雪;模糊支持向量机的研究与应用[D];辽宁师范大学;2011年

  本文关键词：基于模糊支持向量机的刀具故障诊断研究，由笔耕文化传播整理发布。

，

本文编号：272171