在现代工业中,设备安全运作是企业安全生产的基本要求,随着科技的不断发展,对机械系统安全性和可靠性提出了更高的要求,滚动轴承作为机械传动系统的“关节”,广泛应用于装备制造、钢铁冶金、高速列车、风力发电等重要行业,其长期在受到恶劣工作环境的影响,容易发生突然停机或损坏,造成大量经济损失,甚至造成灾难性后果。与此同时,随着互联网的急速发展,物联网已逐步改变人类的生产方式,传统的故障检测与管理早已不能满足如今快速且复杂的生产环境,因此,设计与实现故障诊断与智能维修管理相结合的系统对提高工业生产的智能化水平具有重要意义。本文旨在以故障预测与健康管理(PHM Prognostics and Health Management)为主要思想,采用神经网络与统计数学模型为理论,结合前后端分离的开发技术,设计开发出一套轴承故障检测与智能维修管理系统来改善传统人工检测与维修的缺点,为工作人员提供一个便捷、智能的故障检测及管理平台。本文主要研究内容如下:基于一维卷积神经网络的故障诊断研究。为减少传统轴承故障人工检测的时间与劳动成本,本文基于一维卷积神经网络对所收集的轴承数据进行训练,得出故障诊断模型,进一步判断轴承故障类型,并用实验验证一维卷积神经网络在轴承故障诊断中的可行性。基于皮尔森相关系数的智能推荐算法的研究。本文采用统计学中的皮尔森相关系数作为相似性判断的理论依据,通过构建轴承、工单与维修人员的系列关系矩阵,计算出维修轴承故障的最佳人员列表,进一步采用近邻算法计算出最优维修人员Top N,并用实验验证皮尔森相关系数理论在智能推荐过程中的可行性。轴承故障管理系统的设计与实现。本文利用Springboot+Mybatis作为后端开发技术,***+Element UI+Echart作为前端开发技术,My SQL+Redis作为存储与缓存数据库,实现智能故障检测与管理的Web系统,在遵循面向对象设计原则的同时,达到高内聚、低耦合的设计模式,最后对轴承故障管理系统进行功能、安全及性能测试。
暂无评论