神經網絡預測技術在生產系統(tǒng)智能維護中的應用研究.pdf

1、隨著社會經濟的不斷發(fā)展和科學技術的不斷創(chuàng)新，我國制造業(yè)中生產制造系統(tǒng)迅速向集成化、連續(xù)化、高速化和自動化方向發(fā)展。因此，合理的維護生產系統(tǒng)，保障生產系統(tǒng)的流暢運作已成為決定企業(yè)核心競爭力的重要因素?，F在企業(yè)中多采用定期檢修的方式，不僅仍然不能最大程度的減少生產系統(tǒng)出現的問題，企業(yè)還需要為此付出昂貴的經濟支出。采用先進的電子計算機和信息技術，利用人工智能對生產系統(tǒng)進行智能維護，為保證生產系統(tǒng)的安全、高效、可靠運行提供了一條捷徑。
　

2、　智能維護是包含信息采集硬件設備、網絡信息傳輸、生產性能預測技術和決策支持與優(yōu)化技術等在內的系統(tǒng)化工程。本文利用神經網絡技術建立模型，針對生產性能預測技術進行了研究，具體研究內容如下：
　　1）通過查閱文獻，調研和企業(yè)生產管理人員的幫助，分析生產系統(tǒng)性能的影響要素和提取特征量。
　　2）建立相應的的自組織特征映射（SOM）神經網絡細分模型，包括細分模型的結構、學習過程算法和模型參數；在Matlab7.1軟件中模擬運行該模型，

3、對瀚宇彩晶公司的現有生產系統(tǒng)狀態(tài)進行細分。
　　3）針對不同特征的系統(tǒng)狀態(tài)，使用BP識別模型對生產系統(tǒng)各狀態(tài)和生產性能的關聯規(guī)則進行學習，構建成熟的生產性能預測模型。在Matlab中模擬運行該預測模型，對實驗結果進行分析。
　　研究結果表明，運用SOM神經網絡的聚類算法可以對現有生產狀態(tài)進行細分；BP神經網絡的模式識別算法可有效預測生產系統(tǒng)的性能，測試樣本的實驗結果精度較高，能夠作為生產性能預測的應用模型。因此，將神經網絡的