《计算机集成制造系统杂志》发表论文赏析
作者:钱晓明,王鑫豪,楼佩煌
单位:1.南京航空航天大学机电学院2.南京航空航天大学江苏省精密与微细制造技术重点实验室
摘要:汽车总装工艺复杂、生产节拍快、产量大,百分之六十以上的时间都在进行主辅物料输送,因此输送装备由于故障引起的停机会造成巨大的经济损失。为了对生产物料输送装备的健康状态作出评估,并在可能发生故障时作出预警,提出一种基于生长型神经气聚类算法与改进最小二乘法支持向量机(LS-SVM)回归模型的汽车总装输送装备故障预警方法。首先根据传感器的历史信号数据进行特征提取和降维处理,获得特征向量;运用生长型神经气聚类算法,将正常状态数据划分为多种工况,得到若干聚类中心,并计算当前运行数据的特征向量与聚类中心的欧式距离从而得到相似度趋势;同时构建了历史记忆矩阵,并通过改进粒子群算法优化LS-SVM回归模型参数,计算残差值,并结合残差值与相似度趋势,得出风险系数,对装备状态进行评估和预警。将所提方法应用于汽车总装物料输送设备,将减速器与轴承的振动值的均方根输入模型,得出设备的风险因子,证明了该方法的有效性。
关键词:输送装备,故障预警,生长型神经气聚类算法,改进回归模型,最小二乘法支持向量机,汽车总装
基金资助:江苏省重点研发计划资助项目(BE2016004-3);南京航空航天大学研究生创新基地(实验室)开放基金资助项目(kfjj20180517)。
2019年12期其他文献查阅:
工业互联网推动离散制造业转型升级的发展现状、技术体系及应用挑战
云架构下基于标准语义模型和复杂事件处理的制造车间数据采集与融合
基于聚类与改进最小二乘法支持向量机算法的汽车总装输送装备故障预警方法
基于LRFAT模型和改进K-means的汽车忠诚客户细分方法
基于0-1背包策略改进离散粒子群算法的产业链金融产品双边匹配优化模型