全文总字数：9522字
1. 研究目的与意义（文献综述）
1.1设计目的及意义
现代机械设备发展的一个明显趋势是向大型化（或超小型化）、高速化、功能高级化、连续化和自动化及复杂化方向一发展。从一方面这大大促进了生产的发展,主要表现在提高了生产效率,改善了产品质量、延长了设备使用寿命,降低了成本和改善了工人的劳动条件及劳动强度。另一方面也潜伏着一个很大的问题，即一旦发生故障将造成十分严重的直接、间接损失。而空压机作为工业生产中不可或缺的组成部分，如何提高其运行的可靠性和稳定性对提高经济效率减少损失具有重要意义。
空压机也作空气压缩机，作为一种重要的能源产生形式普遍应用于机械制造、交通运输、煤矿开采等行业，应用范围十分广泛。但由于其工作环境恶劣，工作条件复杂等不利因素的影响，在长期运行的情况下很容易出现各种各样的故障，一旦发生故障，就会对生产安全和效益损失等方面造成严重的后果。为了提高空压机的工作效率，同时减少因空压机故障造成的各种损失，确保空压机安全稳定的运行，开展空压机故障诊断研究，可以及早发现故障症兆，修理或更换产生故障的零部件，保证空压机的安全可靠运行。同时可以对空压机的状态进行适当的及时维护，以减少不必要的事后维修费用和提高设备的利用率，因此空压机的故障诊断技术的研究具有重要的意义。
2. 研究的基本内容与方案
2.1研究的基本内容
本毕业设计（论文）以SVM和BP神经网络为基础的空压机故障诊断及状态时间序列预测为研究对象，主要任务有：
1）对空压机数据进行故障分类；
2）利用SVM对空压机各类状态数据进行训练，从而得到其故障分类模型，并验证模型优劣性；
3）利用BP神经网络对空压机状态数据预测；
4）利用训练好的故障分类模型对预测数据进行故障诊断。
2.2拟采用的研究方案
2.2.1故障诊断拟采用的方案
空压机是结构较复杂的运输设备，机器间各零部件的联系非常紧密，这就导致其设备的维修工作是一项比较艰难的作业任务。同时在空压机的状态监测与故障诊断过程中，具有检测变量数目庞大且变量之间存在高相关性、故障类型多且故障表现形式的多样性和重叠性的特点，因此在选择适当的诊断方法时，应重点考虑如何建立其样本数据与指间的非线性关系。目前，人工智能方法在故障诊断方面得到了广泛的应用，例如神经网 络、专家系统、贝 叶 斯 网络、支持向量机等。而神经网络和贝叶斯网络收敛速度慢、易过拟合、易陷入局部最优，谢苗等人通过建立ANFIS模型对空压机故障进行诊断，结果表明ANFIS模型比BP神经网络收敛速度快，误差更小，但ANFIS模型也存在易陷入局部最优的不足。专家系统存在系统知识库不易建立和维护不方便的问题。
由于空压机故障诊断的小样本和多故障类型的特性，多分类支持向量机很适用于空压机的故障诊断。支持向量机是机器学习方法中能够精准进行模式识别和非线性回归的方法，可以采用非线性映射的方式将不同的体系联系起来，算法本身还具有强大的自学习能力，容错率较高，以上等优点都保证了支持向量机能够有效适用于空压机的故障诊断模型的构建上。
2.2.2故障预测拟采用的方案
在得到空压机的故障分类模型后，我们需要对空压的未来数据进行预测并进行故障诊断。现将当今主流的故障预测技术的优缺点进行对比如表1所示，以便找出最适合的空压机故障预测方案：
表1.主要故障预测技术优缺点对比
| 名称 | 优点 | 缺点 |
|
基于回归分析法的预测技术 |
发展相对成熟，预测过程相对简单，便于使用 | 误差较大，外推性差，需要的数据样本较多且本身要有较好的分布规律，预测的长度超过数据样本的长度的话，结果的精确度将无法保证，还会出现量化结果与定性分析结果不符，难以找到相匹配的回归方程类型 |
| 基于时间序列分析法的预测技术 |
所需的数据样本少，工作量也少 |
遇到影响预测对象的因素发生突变就无法处理
|
|
基于主成分分析法的预测技术 | 利用少数几个能反映原变量的大量信息又信息不会相互重复的主成分去简化问题和步骤，更容易发现事物内在的联系 |
对数据样本中的极端值与缺失值的正确性和完整性要求较高
|
| 基于模糊理论的预测技术 | 能解决这类模糊性问题，还能克服预测本身的不确定性、精确度不高所带来的困难 | 知识表达中不具有时间参数，使到整个预测模型不具备有实时控制的特性 |
| 基于灰色理论的预测技术 | 可以将原先看起来相互之间毫无联系的数据转化为规律性较强的生成数据 | 在长期预测方面，结果的精度不是很理想 |
| 基于神经网络的预测技术 | 神经网络具有大规模并行处理、分布式存储等特点，使其具有较强的非线性映射能力，任意非线性函数都能逼近 |
训练时间较长、网络结构构建较难等缺点
|
|
基于专家系统的预测技术 | 能将未来的不确定因素、预测对象发展的特殊性以及会诱发预测对象变化的情况都列入考虑范围 | 需要大量且长期的知识积累和修正，开发时间过长，还有部分知识还没能形成统一标准，会导致系统在综合各位专家知识的时候产生偏差和失误 |
|
基于遗传算法的预测技术 | 能实现群体搜索策略和群体中个体间的信息交换和搜索不依赖梯度等高阶信息，算法简单、通用、鲁棒性强 | 其局部搜索能力比较弱，容易陷于局部最优点，有时会出现未成熟收敛的现象，参数常要以经验去判断确定，难以找到最确切的值等 |
|
基于多 Agent的并行预测技术 | 涵盖了所有传统的知识模型，利用其描述系统结构和功能等深层次预测知识的能力来解决传统模型的局限性、脆弱性、解释能力弱等问题，有效地把定性与定量推理结合在一起 |
结构构建较为困难，无法短时间建立 |
| 优化组合 预测技术 | 有目的地将对同一问题的不同预测模型按一定方式进行组合，扬长避短，提高预测精度 | 由于变权重组合预测方法的权重是随时间变化的函数，所以确定其形式就显得更加困难 |
|
D-S 证据理论信息融合预测技术 | 能处理随机性所导致的不确定性，又能处理模糊性所导致的不确定性，并能在不同层次上组合证据 | 存在有潜在的指数复杂度，特别是在推理链较长时，使用证据理论很不方便 |
| 基于多传感 器信息融合 的预测技术 | 能利用多种现代信号处理方法提取被测数据特征，加以整合 | 理论建模和融合方法上有相当难度，有许多技术问题尚待进一步解决 |
通过了表1主要故障预测技术优缺点对比，充分考虑到各种故障预测技术的局限性、预测精确度、适用范围和构建难度等因素，最终，得出基于神经网络的预测技术和基于多Agent的并行预测技术这两门技术对于空压机故障预测研究最有参考价值，而基于多Agent的并行预测技术中的每一个Agent都需要大量的知识累积，构建难度大于基于神经网络的预测技术。所以，选用基于神经网络的预测技术来作为模型设计的基础。
3. 研究计划与安排
第1-2周：查阅设计题目的相关资料；
第3-4周：撰写开题报告，翻译英文资料；
第5-6周：深入学习matlab、基于机器学习的故障诊断和状态序列等相关知识；
4. 参考文献（12篇以上）
-
夏丽莎, 吕文元. 基于随机rf的集成svm故障诊断改进算法[j]. 工业工程与管理, 2019(3).
-
赵新, 刘冬生. 基于改进果蝇算法优化svm的模拟电路故障诊断及对比分析[j]. 电子测量与仪器学报, 2019(3):78-84.
-
范俊楠, 张钰, 贺小敏, et al. 基于bp神经网络的重点行业企业周边土壤重金属污染预测及评价[j]. 华中农业大学学报, 2019(4):55-62.
剩余内容已隐藏，您需要先支付 10元 才能查看该篇文章全部内容！立即支付
课题毕业论文、开题报告、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
