白車身焊接自動化生產(chǎn)線的故障診斷專家系統(tǒng)的設(shè)計與實現(xiàn).pdf

1、目前大多數(shù)車企已經(jīng)開始采用“一個流”的生產(chǎn)模式，如果對發(fā)生的故障不能及時地診斷和排除將會對上下游的生產(chǎn)線造成重大的影響。目前大多數(shù)白車身自動化焊接生產(chǎn)線采用進口設(shè)備，盡管有很多傳感器，但是數(shù)據(jù)無法導出，而大多數(shù)故障診斷方法對傳感器數(shù)據(jù)有很強的依賴性，加之生產(chǎn)線愈加成熟，故障的發(fā)生并不頻繁，因此可用的故障數(shù)據(jù)相對于可能發(fā)生的故障種類來說顯得很少；另外它的部分故障具有相關(guān)性，傳統(tǒng)的故障樹方法無法表示這種故障之間的隱含關(guān)系。
　　為解決

2、上述問題，本文針對焊接自動化生產(chǎn)線傳感器數(shù)據(jù)獲取困難、故障樣本不足、故障具有相關(guān)性的特點，融合了貝葉斯網(wǎng)絡(luò)和故障樹模型的優(yōu)點，提出了焊接自動化生產(chǎn)線的融合故障診斷模型和推理模型，并對模型進行了驗證，同時基于這個診斷模型對焊接自動化生產(chǎn)線專家系統(tǒng)進行了設(shè)計與實現(xiàn)。
　　首先以生產(chǎn)線的結(jié)構(gòu)和工作原理出發(fā)，分析了焊接生產(chǎn)線故障的基本特征，研究故障類型和故障原因，找出故障之間的關(guān)聯(lián)關(guān)系，建立焊接生產(chǎn)線的故障樹模型。
　　然后根據(jù)歷史

3、故障記錄得到故障樣本表，使用結(jié)構(gòu)期望最大化學習算法對故障樣本進行學習構(gòu)建貝葉斯網(wǎng)結(jié)構(gòu)。但是由于故障樣本的限制，通過學習得到的貝葉斯網(wǎng)絡(luò)并不完整，而故障樹模型雖然相對完整，但是缺乏節(jié)點之間隱含的內(nèi)在關(guān)系。
　　接著為了解決這兩種模型在對目標系統(tǒng)故障診斷上的不足，本文使用故障樹模型中的知識來補全貝葉斯網(wǎng)絡(luò)中缺失的關(guān)系，研究了基于故障樹和貝葉斯網(wǎng)絡(luò)的融合模型。
　　最后將這個融合模型作為故障診斷專家系統(tǒng)的故障推理機，為故障信息、故