高速列車自動化裝配線健康狀態(tài)評估關(guān)鍵技術(shù)的研究與實現(xiàn).pdf

1、隨著高速鐵路技術(shù)的日益發(fā)展，鐵路經(jīng)營線路得到不斷拓展，高鐵列車轉(zhuǎn)向架的組裝效率問題日益突出，而且，伴隨著工業(yè)4.0時代的到來，智能化工業(yè)裝配線逐漸興起，企業(yè)車間的自動化程度越來越高，如何保證一條自動化裝配線穩(wěn)態(tài)高效的運轉(zhuǎn)，成為了企業(yè)日益關(guān)注的重大問題。面對如此龐大的自動化裝配生產(chǎn)線，一旦其中的某個關(guān)鍵部件出現(xiàn)問題，將會影響整條裝配線的運轉(zhuǎn)，帶來嚴重的經(jīng)濟損失。因此，放棄傳統(tǒng)費時費力的定檢修和事后維修，采用一種根據(jù)設(shè)備健康狀態(tài)而進行對應(yīng)維

2、修的視情維修策略，既可保證裝配線高效運轉(zhuǎn)，又可以極大地節(jié)約人力物力，提高經(jīng)濟效益。
　　狀態(tài)修的核心技術(shù)在于利用實際的在線監(jiān)測數(shù)據(jù)對設(shè)備進行有效的健康狀態(tài)評估，這也是PHM(Prognostics and Health Management)技術(shù)的重要組成部分。本文在對PHM常用的健康評估方法及電機傳動系統(tǒng)在線監(jiān)測數(shù)據(jù)的特性研究的基礎(chǔ)上，確定利用無監(jiān)督式學(xué)習(xí)中的模糊聚類算法(FCM)進行健康狀態(tài)評估的研究，并對傳統(tǒng)FCM算法的缺陷

3、進行相應(yīng)的優(yōu)化，建立了有效的評估模型，以輸出隸屬概率的形式將數(shù)據(jù)分為了正常、警報、嚴重三類，實現(xiàn)了對電機傳動系統(tǒng)的健康狀態(tài)的評估，完成了機器學(xué)習(xí)算法與工業(yè)生產(chǎn)的重要結(jié)合。具體的研究有如下幾點:
　　(1)傳統(tǒng)FCM算法初始值選取具有隨機性，易導(dǎo)致陷入局部極小，本文利用遺傳算法優(yōu)化FCM，提出了GA-FCM算法。根據(jù)FCM的準則函數(shù)創(chuàng)建適應(yīng)度函數(shù)，并且構(gòu)造自適應(yīng)交叉、變異算子，可以動態(tài)選取最優(yōu)初始聚類中心。經(jīng)通用數(shù)據(jù)集驗證，GA-F

4、CM算法可以降低初始類中心的目標函數(shù)值，從而減少收斂次數(shù)，保證聚類的穩(wěn)定性，避免陷入局部極小。
　　(2)實際的監(jiān)測數(shù)據(jù)中存有大量的數(shù)據(jù)異常點與噪聲點，嚴重影響FCM的聚類劃分，本文采用一種基于距離加權(quán)的方式，重寫FCM的準則函數(shù)，將最終的聚類中心定格在區(qū)域密度大的地方。本文將FCM算法、遺傳算法、加權(quán)策略三者結(jié)合，提出了WG-FCM算法，這樣既可以選取最優(yōu)初始中心，又可以有效避免噪聲點對聚類劃分的影響。
　　(3)構(gòu)建基于