沈阳自动化所智能工厂生产设备故障预测与健康管理研究取得进展

时间:2019-11-02 07:42:58 访问:4070 次

最近,中国科学院沈阳自动化研究所与东北大学等单位合作,在智能工厂生产设备故障预测和健康管理领域取得了进展。相关结果发表在国际期刊ieee access上。

智能制造作为2025年中国制造业的核心建设内容,已经成为行业热点。如何提高生产设备的可靠性和生产过程的安全性是智能制造系统正在努力解决的关键问题。在当今的制造系统中,有许多决策者无法掌握的不确定因素,这些因素通常表现为设备性能下降、健康恶化、部件磨损和操作风险增加。这些因素往往是工业生产中不可控制的风险,因为它们难以通过测量量化,并将对企业的生产过程产生不利影响,如意外停机和产品质量下降。因此,智能制造系统的重点是透明地避免和呈现这些不可见的因素。

在题为“低压电力监测”的报告中。在ng框架文件中,沈阳自动化研究所与东北大学等机构首次提出了一种基于微机器视觉技术的电磁线圈绝缘劣化监测新方法。线圈绝缘状态评估可以通过分析退化过程中电磁导体外观图像的变化来实现。该方法引入了一种基于膜计算框架的集成学习方法,该方法由8层、29层膜、72个对象和35条规则组成,综合了各种机器学习算法(包括经典模式识别和深度学习算法)的优点来评价线圈绝缘健康状况。加速退化测试结果表明,单一状态匹配和区间状态匹配的成功率分别为61.4%和77.4%。该方法为未来生产设备核心部件的无创健康监测提供了新的研究思路。

复杂细胞膜系统示意图

不同退化状态下电磁导体外观图像示意图

集成学习与单一模型匹配精度的比较

  • © Copyright 2018-2019 csciler.com 彬畔新闻网 Inc. All Rights Reserved.