论文部分内容阅读
随着印刷机技术含量的不断提升,印刷机故障日益趋向综合化、复杂化,一旦发生故障得不到及时解决,必定会造成大量的原材料浪费,直接影响企业效益。当前印刷机故障诊断主要依靠经验和振幅阈值检测,加上操作人员诊断知识缺乏,已经无法达到快速准确诊断的目的。由于印刷机故障位置测试信号特征与故障类型和严重程度密切相关,因此信号测试是印刷机故障诊断常用方法。本文通过深入研究印刷机典型故障机理,以测试信号为基础,将支持向量机、多信息融合和Internet技术融入到印刷机远程故障诊断系统中,初步实现系统需求功能。论文主要进行了以下五方面研究内容:(1)采用传递路径分析方法(TPA),研究常用TPA方法在印刷机故障诊断上的适用性,并深入分析引起印刷机套印不准和噪声的主要根源和路径,分别构建TPA模型,为印刷机故障诊断提供支撑。(2)以机器学习为理论基础,分析支持向量机(SVM)方法原理,根据印刷机特点,提出一种基于One-Class SVM的印刷机异常检测方法,并对支持向量最佳参数选择进行研究。(3)根据印刷机远程故障诊断系统中多信息源特点,提出一种以SVM概率输出作为基础证据的多信息融合的故障识别方法,该方法能够充分利用来自各传感器的冗余互补信息,提高了诊断识别准确性。(4)针对印刷机远程故障诊断系统的需求功能,对关键技术进行选择,选用B/C网络体系,以MySQL作为数据库,建立各部分子系统之间通信方式。(5)将Matlab Web Server技术嵌入服务器,通过Matlab软件进行特征提取、诊断计算与信号再现,初步构成印刷机远程故障诊断系统。以某六色胶印机为测试对象,进行数据采集与特征选取,得到初步诊断结果。通过现场测试、结果修正,得到较好的诊断结果。