基于PCA和SVM的汽車涂裝線機電設備智能診斷.pdf

1、隨著新的汽車涂裝生產技術、生產工藝以及大型復雜設備的不斷涌現(xiàn)和迅速發(fā)展，為了保證生產和設備高效、可靠的運行，因此對汽車涂裝系統(tǒng)各機電設備運行狀態(tài)的準確診斷提出了更高的要求。由于智能理論的發(fā)展，設備狀態(tài)判別進入了智能化發(fā)展階段。本文詳細研究了主成分分析法和支持向量機在涂裝線設備診斷中的應用，并結合虛擬儀器進行了涂裝線設備監(jiān)控與智能診斷系統(tǒng)的設計。論文主要內容如下：
　　 1.根據汽車涂裝線生產工藝，對各子系統(tǒng)主要設備的故障機理進行

2、了分析研究，指出了設備經常發(fā)生的故障類型和征兆，在各系統(tǒng)內建立了數(shù)據采集系統(tǒng)。
　　 2.研究了故障征兆提取技術。在實際環(huán)境下，眾多傳感器采集到的信號，一方面，并不是所有變量都反映設備狀態(tài)的重要信息，有些會干擾診斷；另一方面，設備信號特征的輸出有一定相關性。因此，論文討論了主成分分析方法和改進的主成分分析法的應用。通過烘房燃燒加熱系統(tǒng)設備的實例對比分析，驗證了此方法的優(yōu)勢。
　　 3.較深入研究了核函數(shù)類型及核參數(shù)對分類

3、器精度的影響。通過雙螺旋數(shù)據樣本仿真試驗，分別分析了高斯核和多項式核對分類精度的影響，以及高斯核寬度系數(shù)和懲罰參數(shù)對分類精度的影響，表明高斯核參數(shù)和懲罰參數(shù)在某個范圍時，分類器精度最好。
　　 4.提出了一種基于主成分分析和支持向量機的設備狀態(tài)分類識別方法。結合主成分分析法的特征提取和向量機的識別優(yōu)勢，采用網格搜索交叉驗證法尋求最優(yōu)核參數(shù)，來建立向量機訓練模型。通過烘房燃燒加熱系統(tǒng)4種設備的12種狀態(tài)進行了驗證。分別分析了主成分