基于奖惩算法的设备故障检测模型研究开题报告

1. 研究目的与意义

随着现代化大生产的发展和科学技术的进步，设备的结构越来越复杂，功能越来越完善，自动化程度也越来越高。由于许许多多无法避免的因素的影响，有时设备会出现各种各样，以致降低或失去预定的功能，甚至造成严重的以致灾难性的事故，国内外曾经发生的各种空难、海难、爆炸、断裂、倒塌、毁坏、泄漏等恶性事故，造成了人员伤亡，产生了严重的社会影响；即使是经常生产中的事故，也因生产过程不能正常运行或机器设备损坏而造成巨大的经济损失。

2. 国内外研究现状分析

利用振动信号对故障进行诊断，是设备故障诊断方法中最有效、常用的方法。

振动诊断的时域分析方法包括直接观察法、概率分析法、示性指标法、时域同步平均法及相关函数诊断法。

在旋转机械振动监测和故障诊断中，对波形复杂的振动信号，常采用其峰峰值；而利用均方根幅值作为故障诊断的判断依据是最简单、最常用的一种方法；峭度广泛应用于滚动轴承故障诊断。

3. 研究的基本内容与计划

在现代自动化生产过程中，奖惩算法已广泛应用于工况监视、成品检验和质量控制等领域。用模式识别检测方法可以大大提高生产效率和生产的自动化程度，是实现计算机集成制造的基础技术。随着奖惩算法自身的成熟和发展，可以预计它将在现代及未来制造企业中得到越来越广泛的应用。这里主要介绍奖惩算法在故障检测里的应用。

4. 研究创新点

奖惩算法的基本思想是对初始的或迭代中的增广权矢量w，用顺练模式检验它的合理性，当不合理时，对其进行校正，校正方法实际上是最优化技术中的梯度下降法。该算法也是人工神经网络理论中的线性阈值神经元的学习算法。

奖惩算法可以有效并及时发现机械设备中故障，研究设备故障的智能诊断有助于提高生产过程的自动化，保障生产安全、高效运行，具有重要意义。