一、印刷机故障诊断专家系统的研究开发(论文文献综述)
吴锐,王仪明,王玉虎,庄严严,李铮,常坤,吴茂谦[1](2021)在《印刷装备远程监测与故障诊断的研究现状及发展趋势》文中进行了进一步梳理远程监测与故障诊断技术是印刷机械故障诊断与维护管理的重要手段之一。本文分析国内外品牌印刷装备制造企业远程故障诊断应用情况,对印刷机械的远程监测与信号采集、处理及故障诊断技术的研究现状进行了综合阐述,最后基于其他重点行业的远程监测与故障诊断的研究情况和大数据、5G技术在远程故障诊断上的应用情况,对印刷装备远程监测与故障诊断的未来发展前景进行了展望。
成祥玉[2](2021)在《面问智能印刷工厂的设备监测系统研究与开发》文中指出印刷行业作为离散型制造业,迫切需要向数字化、网络化和智能化方向转型。要实现印刷过程智能化,需要将印刷设备与工业互联网、人工智能等先进技术深度融合,并运用到印刷工厂的生产及过程控制中,以提高设备的生产效率、降低设备的故障频率,实现多方位、多维度的数字信息互联互通。印刷企业的车间包含多台精密复杂的异构设备,多类因素直接影响设备状态和印品质量,如运行参数、状态参数及环境参数等。因此,实现印刷企业设备的数据采集和状态监测十分重要。本文具体的研究内容如下:(1)针对印刷企业对设备状态感知能力相对较差的问题,本文选取印刷机滚筒部件的振动参数、烘箱的温度信息以及收放卷张力数据作为影响印刷设备健康状态的参数指标,结合层次分析法与熵权法计算每个参数指标的综合权重,通过引入劣化度的概念作为各参数指标归一化的健康程度,基于改进的D-S证据理论完成对各项参数指标融合,在使用最大隶属度原则对设备整体状态评估结果进行决策时进行有效度检验,完善了基于多传感器融合的印刷设备综合状态评估方法。(2)针对印刷企业四类不同角色人员的权限,基于Labview、Java平台和Mysql数据库,设计开发了 PC端和移动端印刷设备监测系统。PC端采集与监测系统包含数据采集、状态评估、信息可视化、数据分析、故障报警等功能;移动端远程监测系统包含实时设备监测、数据读取、故障记录、能耗分析等功能。系统的各个功能将通过企业决策者、设备管理者、生产技术人员和设备使用者四个界面来展示。(3)针对印刷企业大部分设备来自不同厂商具有差异性、智能化程度不同、通讯协议与数据接口不一致导致数据获取困难的问题,本文研究了基于工业以太网通讯技术的数据传输模型。以陕西北人印刷机械有限责任公司的PRD220ELS机组式纸张凹版印刷机(YA401330)以及印后设备KS-60T压板机为研究对象,利用非接触式激光位移传感器和数据采集卡采集印刷机滚筒的振动情况,通过以太网通讯技术利用智能网关采集印刷机和印后设备PLC中的控制参数,通过实验验证了印刷机状态评估方法以及数据传输模型的有效性。
侯旋[3](2021)在《基于多源信息融合的印刷机故障诊断系统研究》文中研究说明印刷机各工作部件间的高耦合关系、印刷车间的环境、印刷材料以及违规操作等各方面原因,导致印刷机故障原因复杂且危害大。如若印刷机故障未能及时发现并得到有效处理,势必会影响生产效率。本文将印刷故障诊断过程中获得的多源信息进行融合,相互补充和支持,可以准确、全面、快速地得到印刷机故障的诊断结果。
唐嘉辉[4](2020)在《基于辅助生成深度置信网络的印刷机轴承故障诊断研究》文中认为轴承运转性能对旋转机械的安全稳定运行至关重要。而印刷机是典型的旋转机械之一,其中印刷机的主要零部件轴承的磨损情况会间接影响印品质量。针对传统故障诊断方法在应对样本数据量较大时效率较低,并且诊断精度易被采集到的信号质量影响等问题,本研究提出了一种量子遗传优化的辅助生成深度置信网络的印刷机轴承故障诊断方法。该方法主要是通过辅助生成算法平衡原始数据集,利用深度置信网络自主提取出样本中隐含的故障特征并进行故障类型识别,之后利用量子遗传算法对模型权值进行自适应优化。具体研究内容如下:针对传统故障诊断方法中对故障信号特征进行分析提取的步骤较为复杂,并且受限于信号处理技术以及专家经验等问题,本文研究了多类别轴承故障使用深度置信网络进行特征提取与故障类型识别的方法。通过深度置信网络的自学习能力对轴承振动信号中的故障特征进行学习,之后分类器利用提取到的故障特征对故障轴承类型实现辨别。使用轴承数据集验证该方法的通用性与有效性,平均诊断精度为91.83%,结果表明该方法具有较高的诊断精度,同时削弱了对人工提取故障特征的需求。针对在应对非均衡数据集时,传统深度置信网络轴承故障诊断方法诊断精度较低的问题,本文研究了一种基于辅助生成深度置信网络的故障诊断方法。该方法通过辅助生成网络依照原始样本分布生成部分样本,进而对非均衡数据集进行补充,提高训练效率与诊断精度。在构造出的非均衡轴承数据集中对其进行验证,实验结果表明该方法相较于传统方法取得了不错的诊断准确率,具有一定研究价值。针对传统深度学习算法对参数选取的要求较高,并且模型参数需通过人为选取进行寻优等问题。在本研究中引入量子遗传算法,提出了基于量子遗传优化的辅助生成深度置信网络的故障诊断方法。该方法可以自适应的选取模型参数,能准确高效的搜索出参数最优解,避免了因参数选取问题而导致诊断精度下降。应用该方法对印刷机芯轴轴承进行故障识别研究,通过现场实验验证本文方法性能的优越性,在非均衡印刷机轴承数据集上的诊断精度可达84.99%。之后根据本文研究模型设计完成一款具有实际应用性的印刷机轴承故障诊断系统软件。
张清峰[5](2020)在《基于自编码器的胶印机着墨辊滚动轴承故障分类方法研究》文中研究说明当前,印刷行业兼具加工制造和文化输出两种属性,是国民生产总值的重要组成部分。在“十三五”规划中,印刷行业将向“绿色化、智能化、数字化”方向持续发展,可靠稳定的印刷设备是实现印刷行业发展的重要基础。滚动轴承是印刷机中的关键基础件,对印刷机性能的保障至关重要,为实现印刷机的长期稳定运行,很多学者提出了关于印刷机轴承部件的故障诊断技术,旨在预防印刷机械故障所带来的经济损失本文以胶印机着墨辊中的滚动轴承为研究对象,对轴承振动信号的特征进行无监督学习,通过搭建的神经网络结构实现对故障类型的识别,论文的主要工作内容如下:(1)对稀疏自编码器、堆栈式自编码器的理论原理和算法过程进行了研究,将其应用于西安交通大学——昇阳数据库以及西储大学轴承数据库数据。通过实验分析了两种自编码器对原始振动信号的特征提取能力,并计算了两种方法对数据故障类型的分类准确率,证明了深度的网络较浅层的网络能挖掘更深层次的特征。(2)提出了基于自编码器和最大相关熵准则结合的故障特征识别方法,实现了对原始信号的故障分类识别,且正确率可保持在98%左右。轴承振动信号在未被做任何处理的情况下输入搭建好的网络结构中,通过网络自身函数及结构进行无监督的学习并提取数据的特征,实现对不同类型数据的分类。通过实验分析了隐含及输入层节点数、学习率等参数对网络特征提取能力的影响。(3)将所提出的方法运用于印刷机轴承的故障类型识别中。通过实验对所提出的方法进行验证,证明所提出方法的有效性,并获取了最优的故障分类网络模型。为信号加入高斯白噪声以分析网络的范化能力,结果表明所提出的网络能适用于具有噪声干扰情况下的印刷机故障轴承识别任务。相关研究为印刷机故障诊断的智能化信息获取与识别技术提供了重要参考,具有一定的工程应用价值。
齐素平[6](2019)在《印刷机械故障监测及诊断技术研究》文中研究表明印刷包装产业的日益发展,离不开逐渐精密化、高速化的印刷机械。人们对于印刷品质量的要求越来越高,也促使印刷机械的性能越来越卓越。本研究基于对已有机械故障诊断方法的分析,对国内外印刷机械故障监测技术的研究情况和发展趋势进行了分析,认为未来印刷机械故障监测要融合多元信息,对印刷机械故障进行全面预示,从而降低生产成本,提高生产质量,而如何将故障监测技术进行模块化以满足不同客户的需求亦是未来研究的重点之一。
赵玮[7](2019)在《基于LabVIEW的印刷机故障诊断系统设计》文中进行了进一步梳理本文的主要内容是基于LabVIEW搭建一个印刷机故障诊断系统对印刷机关键零部件进行故障诊断分析。在进行系统设计时,为了解决背景噪声大,机械故障特征难提取的问题,结合经验小波(EWT)的自适应性和最大相关峭度解卷积(MCKD)的降噪性,提出了基于EWT-MCKD的故障诊断方法,并成功应用到了所设计的故障诊断系统中。系统不仅集成了目前常用的几种故障诊断方法,而且包含了基于EWT-MCKD的故障信号处理方法。本文的主要研究内容如下:(1)研究了印刷机故障诊断系统的现状及其所采用的故障诊断技术,并以此为基础确定了印刷机故障诊断系统的总体设计方案。方案有硬件和软件两部分,包括确定硬件中传感器选型、信号调理器、数据采集装备及其连线方式、配套的设备及数据连接线;分析软件部分的功能需求,设计软件的开发方案。(2)对基于经验小波和最大相关峭度解卷积(EWT-MCKD)的故障信号处理方法进行了研究:首先为了验证EWT在自适应分解方面的优越性,对比了经验小波(EWT)和经验模态分解(EMD)对信号的处理结果;然后为了使MCKD算法达到较好的效果,讨论了算法中参数对提取信号中周期冲击成分的影响;最后通过与只使用EWT对信号进行处理的结果做对比实验,验证了EWT-MCKD混合诊断方法对提取故障特征的有效性。(3)通过LabVIEW和MATLAB开发了诊断系统的软件部分,实现了对振动信号的数据采集,数据管理,实时诊断和离线诊断功能。(4)验证了本文所设计的印刷机故障诊断系统的有效性,并成功对不同印刷机的关键零部件轴承和齿轮进行了故障诊断。
肖良君[8](2018)在《基于卷积神经网络的胶印机滚动轴承故障诊断方法研究》文中研究说明随着工业水平的发展和科学技术的提高,印刷设备正朝着复杂化、自动化和智能化的方向发展,其运行状态直接影响了企业的安全生产和经济效益,因此对印刷设备进行状态监测和故障诊断具有重要的现实意义和经济价值。滚动轴承是印刷设备中重要的部件,轴承性能的好坏将直接决定一台机器的运作性能。通过对滚动轴承振动信号中包含的故障信息进行提取和分析,是机械故障诊断中一种常见的、行之有效的方法。本文以胶印机供墨单元中的滚动轴承为研究对象,针对滚动轴承中振动信号的非线性、非平稳性,运用了集合经验模态分解与Hilbert变换相结合的方法对故障振动信号进行了分解和特征提取,并建立了基于卷积神经网络的滚动轴承故障分类模型,完成了对着墨辊滚动轴承的故障诊断工作。论文的主要工作内容如下:(1)研究了集合经验模态分解方法的理论原理和算法过程,总结了其在分析非线性、非平稳信号上的优势,将其应用于印刷机轴承的信号处理中。通过实验对比证明了其对传统经验模态分解方法中出现的模态混叠现象的抑制效果,大大提高了原始信号分解后数据的准确性。(2)提出了基于集合经验模态分解和Hilbert变换相结合的故障特征提取方法。轴承振动信号经集合经验模态分解后,选取有效的IMF进行Hilbert变换求得故障信号的瞬时频率,汇总得到轴承振动信号的故障特征数据集。轴承振动信号的瞬时频率能有效反映信号的时频特征,准确地表征轴承的运动状态。(3)考虑到卷积神经网络在特征学习、模式识别方面的优异表现,建立了基于卷积神经网络的滚动轴承故障分类模型。通过实验分析了卷积神经网络中一些重要参数设置对轴承故障诊断结果的影响,得到了适用于本文轴承样本情况的分类模型的最优参数,并验证了本文故障分类模型在滚动轴承故障诊断中达到了很高的分类准确率。相关研究为印刷机智能化故障诊断的信息获取与识别技术提供了重要参考,具有一定的工程应用价值。
邓瑞,徐卓飞,侯和平,张海燕,黄卿[9](2018)在《印刷机故障诊断技术研究综述》文中研究说明在简单介绍印刷机故障诊断技术的基础上,将目前印刷机故障诊断技术主要分为基于信号分析、基于知识处理、基于解析模型、基于印刷图像等4类,对每类印刷机故障诊断技术中的研究方法、应用现状及优缺点进行了详细分析,最后从组合型智能诊断技术、在-离线复合诊断技术、基于印刷画面多元特征分析诊断技术、全面多功能诊断技术4个方面,对印刷机状态监测和故障诊断技术有待解决的问题进行了分析与探讨,提出了印刷机故障诊断技术的发展趋势与研究方向。
李研研[10](2017)在《基于听觉模型的印刷机故障诊断方法研究》文中提出印刷机是一种高精密、高速度的机械设备,是印刷包装行业的关键设备。输墨系统是印刷机的主要部件,墨辊的运动状态直接影响印刷机的工作状态。所以,对印刷机墨辊轴承进行状态监测与故障诊断尤为重要。本文结合印刷机墨辊轴承声音信号的特征,提出了基于听觉模型的印刷机墨辊轴承的故障诊断方法。本文研究的主要内容有:(1)建立了用于故障频率识别的听觉模型。学习了声音信号的处理方法,并用倒频谱变换的方法构建声音信号的特征值;根据Fisher比率法计算声音信号各频带的故障贡献率,依据故障贡献率的大小,设定滤波器组的中心频率分布和带宽。(2)结合印刷机声音信号的特征,将听觉模型用于印刷机故障诊断中。结果表明,该方法简单方便,具有一定的准确性。(3)设计的听觉模型和常见的滤波器组用于印刷机墨辊轴承的故障诊断中,并对结果进行对比分析,得出本文所使用的方法是一种可行、有效的印刷机墨辊轴承故障诊断方法。本文的方法是一种方便、可行的印刷机故障诊断方法,具有一定的理论和实际意义。
二、印刷机故障诊断专家系统的研究开发(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、印刷机故障诊断专家系统的研究开发(论文提纲范文)
(1)印刷装备远程监测与故障诊断的研究现状及发展趋势(论文提纲范文)
0 引言 |
1 印刷装备远程监测与故障诊断发展现状 |
2 印刷装备远程监测与故障诊断研究现状 |
2.1 印刷装备远程监测技术 |
2.2 印刷装备信号采集处理技术 |
2.3 印刷装备故障诊断技术 |
3 印刷装备远程监测与故障诊断研究关键问题 |
3.1 信息安全问题 |
3.2 诊断方法单一问题 |
3.3 远程诊断延时问题 |
4 其他行业装备远程监测及故障诊断研究 |
5 印刷装备远程监测及故障诊断未来研究方向 |
5.1 建立信息安全管理体系 |
5.2 与大数据的结合 |
5.3 5G技术的应用 |
6 结论 |
(2)面问智能印刷工厂的设备监测系统研究与开发(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 机械装备数据处理国内外研究现状 |
1.2.2 印刷智能化的国内外研究现状 |
1.2.3 设备监测系统的国内外研究现状 |
1.3 印刷设备数据采集与监测系统面临的挑战 |
1.4 论文研究主要内容 |
1.5 本章小结 |
2 智能印刷设备关键技术分析与研究 |
2.1 印刷设备互联互通需求分析 |
2.2 智能印刷设备关键技术研究 |
2.2.1 设备互联技术概述 |
2.2.2 智能网关与传感器技术研究 |
2.3 以太网通讯的数据交换模型设计 |
2.4 本章小结 |
3 基于多传感器融合的印刷设备状态评估模型研究 |
3.1 多传感器融合技术概述 |
3.2 印刷设备状态评估指标体系的建立 |
3.2.1 评估指标的选取及其量化 |
3.2.2 评估指标的隶属度计算 |
3.3 D-S证据理论及其存在问题 |
3.3.1 D-S证据理论合成规则 |
3.3.2 D-S证据理论存在的问题 |
3.4 基于改进D-S证据理论的评估模型建立 |
3.4.1 各指标权重的确定与计算 |
3.4.2 设计建立印刷设备的状态评估模型 |
3.5 最大隶属原则的有效性检验 |
3.6 本章小结 |
4 印刷设备智能监测系统开发 |
4.1 Labview与虚拟仪器概述 |
4.2 数据库设计 |
4.2.1 数据表设计 |
4.2.2 数据库与Labview的通讯 |
4.3 监测系统的整体结构 |
4.4 基于Labview的PC端智能监测系统开发 |
4.4.1 登录界面 |
4.4.2 企业决策者界面 |
4.4.3 设备管理者界面 |
4.4.4 生产技术人员界面 |
4.4.5 设备使用者界面 |
4.5 本章小结 |
5 移动端远程监测系统的设计与测试 |
5.1 移动端APP开发相关技术概述 |
5.2 系统整体架构 |
5.3 系统的功能与测试 |
5.4 本章小结 |
6 实验及结果分析 |
6.1 实验设备与仪器介绍 |
6.1.1 北尔Jet Net4508网关 |
6.1.2 NI USB-6211数据采集卡 |
6.1.3 SK-85N激光位移传感器 |
6.2 实验过程 |
6.2.1 印刷机及印后设备控制信息采集 |
6.2.2 印刷机状态信息采集 |
6.3 系统功能测试 |
6.3.1 设备综合状态评估模块 |
6.3.2 设备数据应用模块 |
6.4 本章小结 |
7 总结与展望 |
7.1 论文总结 |
7.2 课题展望 |
致谢 |
参考文献 |
附录1 数据表设计 |
附录2 机组式纸张凹版印刷机运行状态影响因素调查问卷 |
攻读硕士期间主要研究成果 |
攻读硕士学位期间参与的科研项目 |
(3)基于多源信息融合的印刷机故障诊断系统研究(论文提纲范文)
一、引言 |
二、印刷机故障诊断方法研究现状 |
1. 基于信号测试的印刷机故障诊断技术 |
2. 基于经验知识的印刷机故障诊断技术 |
3. 基于印品图像的印刷机故障诊断技术 |
三、基于多源数据融合的印刷机故障系统 |
四、多源信息融合的印刷机故障诊断系统展望 |
(4)基于辅助生成深度置信网络的印刷机轴承故障诊断研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 课题研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 故障诊断概述 |
1.2.2 印刷机故障诊断研究现状 |
1.2.3 基于深度学习的故障诊断研究概述 |
1.2.4 基于深度学习算法的故障诊断理论研究 |
1.3 基于深度学习算法的故障诊断面临的挑战 |
1.4 论文研究主要内容 |
1.5 论文整体结构 |
1.6 本章小结 |
2 深度置信网络模型分类性能研究 |
2.1 限制玻尔兹曼机 |
2.1.1 限制玻尔兹曼机结构 |
2.1.2 限制玻尔兹曼机训练方法 |
2.2 深度置信网络 |
2.3 基于深度置信网络的故障识别模型 |
2.3.1 实验数据预处理 |
2.3.2 实验分析 |
2.4 实验结论 |
2.5 本章小结 |
3 基于辅助生成深度置信网络故障诊断模型 |
3.1 传统模型存在的问题 |
3.2 辅助生成算法 |
3.2.1 生成式对抗网络 |
3.2.2 理论模型 |
3.3 基于辅助生成的深度置信网络 |
3.3.1 .模型改进方案 |
3.4 基于辅助生成的深度置信网络模型的建立 |
3.4.1 指标器 |
3.4.2 学习率 |
3.4.3 神经单元数与网络层数 |
3.5 基于辅助生成的深度置信网络的轴承故障识别方法 |
3.5.1 诊断流程 |
3.5.2 实验数据与初始参数 |
3.6 结果分析 |
3.7 本章小结 |
4 量子遗传优化的辅助生成深度置信网络方法研究 |
4.1 量子遗传算法 |
4.2 量子遗传算法基本原理 |
4.2.1 量子遗传算法编码方式 |
4.2.2 适应度函数 |
4.2.3 量子旋转门 |
4.2.4 量子变异 |
4.3 量子遗传算法步骤与流程 |
4.4 量子遗传优化的辅助生成深度置信网络故障诊断模型 |
4.4.1 方法框架 |
4.4.2 轴承故障诊断模型 |
4.5 本章小结 |
5 实验验证及软件设计 |
5.1 实验平台搭建 |
5.1.1 印刷机诊断系统基本结构 |
5.1.2 数据采集与预处理 |
5.2 实验参数设定 |
5.3 实验基本流程 |
5.4 结果分析 |
5.5 系统介绍 |
5.6 本章小结 |
6 总结与展望 |
6.1 全文总结 |
6.2 课题展望 |
致谢 |
参考文献 |
攻读硕士期间主要研究成果 |
攻读硕士学位期间参与的科研项目 |
(5)基于自编码器的胶印机着墨辊滚动轴承故障分类方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 着墨辊滚动轴承分析 |
1.2.1 着墨辊滚动轴承的基本结构 |
1.2.2 着墨辊滚动轴承故障类型及分析 |
1.3 印刷机械故障诊断研究现状 |
1.4 研究内容及章节安排 |
2 基于自编码器的特征提取研究 |
2.1 稀疏自编码器方法研究 |
2.1.1 稀疏自编码器的原理及结构 |
2.1.2 稀疏自编码器的算法及流程 |
2.1.3 稀疏自编码器的训练 |
2.2 堆栈式自编码器方法研究 |
2.2.1 堆栈式自编码器的结构 |
2.2.2 堆栈式自编码器的算法流程 |
2.2.3 堆栈式自编码器的训练 |
2.3 本章小结 |
3 基于MSDA的滚动轴承故障识别方法研究 |
3.1 基于MSDA的着墨辊滚动轴承故障识别模型的建立 |
3.1.1 最大相关熵准则的概念 |
3.1.2 MSDA的结构 |
3.1.3 MSDA的算法流程 |
3.2 基于MSDA的滚动轴承故障特征提取 |
3.2.1 MSDA网络的搭建与实验方案 |
3.2.2 MSDA的逐层故障特征提取能力研究 |
3.3 实验分析 |
3.3.1 数据库的描述及分析 |
3.3.2 不同参数对网络能力的影响 |
3.3.3 不同自编码器的比较 |
3.3.4 故障识别结果及分析 |
3.4 本章小结 |
4 胶印机着墨辊滚动轴承故障诊断实验研究 |
4.1 实验设备与仪器介绍 |
4.2 轴承振动信号 |
4.3 轴承故障诊断实验及分析 |
4.3.1 轴承数据集的描述及分析 |
4.3.2 模型参数的确定 |
4.3.3 故障识别结果分析 |
4.4 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
攻读硕士期间主要研究成果 |
(6)印刷机械故障监测及诊断技术研究(论文提纲范文)
0 引言 |
1 机械故障诊断方法研究现状 |
1.1 基于振动信号的故障诊断研究 |
1.2 基于声信号的故障诊断方法研究 |
1.3 基于图像的故障诊断方法研究 |
2 印刷机故障诊断方法应用研究 |
3 印刷机故障诊断系统展望 |
4 结语 |
(7)基于LabVIEW的印刷机故障诊断系统设计(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景与意义 |
1.2 国内外研究现状 |
1.2.1 印刷机故障诊断系统研究现状 |
1.2.2 基于信号处理的故障诊断技术研究现状 |
1.2.3 基于盲解卷积理论的故障诊断技术研究现状 |
1.3 本文研究的主要内容及章节安排 |
1.4 本章小结 |
2 系统总体方案设计 |
2.1 诊断系统的总体设计方案 |
2.2 系统的硬件设计 |
2.2.1 传感器选型 |
2.2.2 信号调理器选型 |
2.2.3 数据采集卡选型 |
2.2.4 被测信号的接线方式 |
2.3 系统软件设计 |
2.3.1 软件总体方案设计 |
2.3.2 虚拟仪器简介 |
2.3.3 软件系统的功能分析 |
2.4 本章小结 |
3 基于EWT和 MCKD的故障信号处理方法的研究 |
3.1 EMD理论 |
3.1.1 瞬时频率 |
3.1.2 本征模态函数 |
3.1.3 EMD算法 |
3.2 EWT理论 |
3.3 EMD与 EWT仿真结果对比 |
3.4 MCKD理论 |
3.4.1 MCKD算法 |
3.4.2 MCKD参数影响分析 |
3.5 基于EWT-MCKD的故障诊断方法 |
3.6 本章小结 |
4 系统的软件开发 |
4.1 启动界面 |
4.2 数据采集模块 |
4.3 数据管理模块 |
4.4 实时诊断模块 |
4.4.1 信号预处理 |
4.4.2 时域分析 |
4.4.3 频域分析 |
4.4.4 联合时频分析 |
4.5 离线诊断模块 |
4.6 本章小结 |
5 实验验证 |
5.1 数据采集模块验证 |
5.2 实时诊断模块验证 |
5.2.1 信号预处理 |
5.2.2 时域统计分析 |
5.2.3 相关分析 |
5.2.4 幅值谱分析 |
5.2.5 联合时频分析 |
5.3 印刷机关键部件实验验证 |
5.3.1 印刷机轴承故障诊断 |
5.3.2 印刷机齿轮故障诊断 |
5.4 本章小结 |
6 总结与展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
攻读学位期间主要研究成果 |
(8)基于卷积神经网络的胶印机滚动轴承故障诊断方法研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 着墨辊滚动轴承分析 |
1.2.1 着墨辊滚动轴承的基本结构 |
1.2.2 滚动轴承故障形式分析 |
1.3 印刷机故障诊断研究现状 |
1.4 研究内容及章节安排 |
2 振动信号处理方法研究 |
2.1 经验模态分解(EMD)方法研究 |
2.1.1 本征模式函数概念 |
2.1.2 经验模态分解原理及算法流程 |
2.1.3 经验模态分解缺限分析 |
2.2 集合经验模态分解(EEMD)方法研究 |
2.2.1 集合经验模态分解原理及算法流程 |
2.2.2 EMD和EEMD方法仿真对比 |
2.2.3 HHT和瞬时频率 |
2.3 本章小结 |
3 着墨辊滚动轴承故障诊断模型建立 |
3.1 卷积神经网络 |
3.1.1 卷积神经网络基本结构 |
3.1.2 卷积神经网络的特性 |
3.2 基于EEMD与CNN的滚动轴承故障诊断模型 |
3.2.1 故障诊断模型设计 |
3.2.2 故障分类模型的训练过程 |
3.3 本章小结 |
4 胶印机着墨辊滚动轴承故障诊断实验研究 |
4.1 实验设备与仪器介绍 |
4.2 轴承振动信号时域及时频分析 |
4.3 轴承振动信号时频特征的识别 |
4.3.1 数据集增强 |
4.3.2 故障分类模型的构建 |
4.3.3 故障诊断结果分析 |
4.4 本章小结 |
5 总结与展望 |
5.1 总结 |
5.2 展望 |
致谢 |
参考文献 |
(9)印刷机故障诊断技术研究综述(论文提纲范文)
0 引言 |
1 基于振动信号分析的印刷机故障诊断方法研究 |
2 基于知识的印刷机故障诊断方法研究 |
3 基于解析模型的印刷机故障诊断方法研究 |
4 基于印刷图像的印刷机故障诊断方法研究 |
5 结论及展望 |
(10)基于听觉模型的印刷机故障诊断方法研究(论文提纲范文)
摘要 |
abstract |
1 绪论 |
1.1 研究背景和意义 |
1.2 国内外研究现状 |
1.2.1 国外印刷机故障诊断方法的研究现状 |
1.2.2 国内印刷机故障诊断方法的研究现状 |
1.2.3 基于滤波器组的故障诊断方法的研究现状 |
1.3 本文主要研究内容及章节安排 |
1.3.1 主要研究内容 |
1.3.2 章节安排 |
1.4 本章小结 |
2 常见听觉模型中滤波器的频率分布 |
2.1 滤波器的种类及其特点 |
2.2 滤波器主要的参数 |
2.3 均匀分布的滤波器组 |
2.4 非均匀分布的滤波器组 |
2.4.1 MEL频率分布的滤波器组 |
2.4.2 1/1 倍频率分布的滤波器组 |
2.4.3 1/3 倍频率分布的滤波器组 |
2.5 本章小结 |
3 听觉模型的建立 |
3.1 引言 |
3.2 听觉模型的设计过程 |
3.2.1 滤波器的选择 |
3.2.2 听觉模型的设计路线 |
3.2.3 听觉模型的设计步骤 |
3.3 听觉模型正确性的验证 |
3.4 本章小结 |
4 印刷机墨辊轴承故障实验 |
4.1 实验方案设计 |
4.2 实验设备和仪器介绍 |
4.2.1 实验设备介绍 |
4.2.2 实验仪器介绍 |
4.3 墨辊轴承声音信号的特征值 |
4.3.1 声音信号的采集及预处理 |
4.3.2 适合印刷机声音信号的听觉模型的参数设置 |
4.3.3 印刷机声音信号特征值的提取 |
4.4 实验结果分析 |
4.5 本章小结 |
5 不同滤波器组对印刷机故障诊断的结果对比分析 |
5.1 三种常见的滤波器组 |
5.2 不同滤波器组对墨辊轴承故障诊断的结果 |
5.3 滚动轴承故障频率分析 |
5.4 不同结果的对比分析 |
5.5 本章小结 |
6 总结和展望 |
6.1 总结 |
6.2 展望 |
致谢 |
参考文献 |
附录 |
攻读硕士学位期间发表的论文 |
四、印刷机故障诊断专家系统的研究开发(论文参考文献)
- [1]印刷装备远程监测与故障诊断的研究现状及发展趋势[J]. 吴锐,王仪明,王玉虎,庄严严,李铮,常坤,吴茂谦. 数字印刷, 2021(06)
- [2]面问智能印刷工厂的设备监测系统研究与开发[D]. 成祥玉. 西安理工大学, 2021
- [3]基于多源信息融合的印刷机故障诊断系统研究[J]. 侯旋. 广东印刷, 2021(02)
- [4]基于辅助生成深度置信网络的印刷机轴承故障诊断研究[D]. 唐嘉辉. 西安理工大学, 2020
- [5]基于自编码器的胶印机着墨辊滚动轴承故障分类方法研究[D]. 张清峰. 西安理工大学, 2020
- [6]印刷机械故障监测及诊断技术研究[J]. 齐素平. 数字印刷, 2019(06)
- [7]基于LabVIEW的印刷机故障诊断系统设计[D]. 赵玮. 西安理工大学, 2019(08)
- [8]基于卷积神经网络的胶印机滚动轴承故障诊断方法研究[D]. 肖良君. 西安理工大学, 2018(11)
- [9]印刷机故障诊断技术研究综述[J]. 邓瑞,徐卓飞,侯和平,张海燕,黄卿. 制造业自动化, 2018(05)
- [10]基于听觉模型的印刷机故障诊断方法研究[D]. 李研研. 西安理工大学, 2017(02)