０引言
,、
、。
,
,
。,
。
。
。2003,
,,
(Prognostics Health Management,PHM)。PHM
,
、,
,
[1]。PHM,
PHM,
,PHM
PHM。
PHM,
。,
,
,。
。,。,
,。,
。
,
气力提升机
,。
,,
、。,、、、
,
[2]。
,
,4,,
。
,1。
。,
,,
,
。,
,。
:
,;
,
。
2,、、3
王加昌唐雷王媛美郑丹晨赵欣
(中国核动力研究设计院核反应堆系统设计技术重点实验室，四川成都610213)
【摘要】随着工业4.0时代的到来，如何有效地利用海量监测数据为设备的智能维保提供有益决策已经成为工业互联网领域极具挑战的问题，特别是利用机器学习模型对设备的故障类型进行智能诊断已经取得了不错的研究进展。
文章对目前最新的故障诊断方法展开研究，归纳了基于机器学习的故障诊断方法的基本流程，介绍了用于故障诊断的
四种代表性的机器学习模型，最后对未来的研究趋势进行了展望。
【关键词】故障诊断；支持向量机；人工神经网络；堆叠自编码器；卷积神经网络
中图分类号:TP183文献标识码:A DOI:10.ki.issn2095-2457.2021.17.33
作者简介：王加昌(1978—)，男，汉族，广元人，高级工程师，硕士研究生，研究方向为核反应堆系统仿真、反应堆系统软件研发、机器学习。
. All Rights Reserved.
,。,,
,
,、、。,,
,,
,,,
。
,。
图1基于机器学习的故障诊断方法的两个阶段
图2基于机器学习的故障诊断方法的基本流程3设备故障诊断模型
。,
,
。,
、、
。,,
,,
。
,、、
虹膜识别设备。4
,
;
。
3.1基于浅层结构的机器学习模型
,
[3][4]。,
。(Support Vector Machines,SVM),
摄像机标定
, 3。,SVM
,
。SVM
,,,
SVM,。,
:、、、
。4
。K ,,K SVM, SVM,
。SVM
,
。,SVM
,,
,。SVM ,。, SVM,
。瓶花木
dc资源图3SVM分类原理
图4扩展的SVM
多分类器. All Rights Reserved.
图5
基于ANN 的多分类器(Artificial Neural Network,ANN),5。1,11,,。ANN 。,,,。1,BP 。SVM ,ANN ,1,。3.2基于深度神经网络的方法
。。,(Stacked Auto-Encoder,SAE)、(Deep Belief Network,DBN)、(Deep Convolution Neural Network,DCNN)、(Residual network,ResNet)。。6[2]
。6,,,softmax ,。[5]
。7。,softmax 。图6
基于SAE 的故障诊断模型结构
4
未来的研究趋势,。,。
。图7
基于DCNN 的故障诊断模型结构
. All Rights Reserved.
,
,
,、
,, ,
。,,
,
。,,
,
。
,雨棚信号灯
。
。
,,
。,
,
,。,
,
。
,
,、, ,。
。
,
。,
,,
。
,
。NASA PHM
,,
,, ,2017
,NASA PHM
。
,
。
,
,
、
。,
,
。
【参考文献】
[1]Yaguo Lei,Bin Yang,Xinwei Jiang,et al.Applications of machine learning to machine fault diagnosis:A review and roadmap[J].Mechanical Systems and Signal Processing,2020(4):106587.
[2]Behnoush Rezaeianjouybari,Yi Shang.Deep learning for prognostics and health management:State-of-the-art,challenges,and opportunities[J]. Measurement,2020(15):107929.
[3]王泽星.基于支持向量机的数控机床电主轴故障诊断硏究[D].合肥：合肥工业大学,2017.
[4]李淼.基于机器学习的齿轮箱故障诊断研究[D].北京：北京交通大学, 2020.
[5]张西宁，刘书语，余迪，等.改进深度卷积神经网络及其在变工况滚动轴承故障诊断的应用[J].西安交通大学学报,2021(6):1-8.
. All Rights Reserved.
豫公网安备41160202000603
站长QQ:729038198
关于我们
投诉建议