关键词:
交流接触器
健康状态
云模型
Attention
摘要:
随着现代科技的飞速发展,工业生产的安全性和稳定性需求逐步提高。因此,故障预测和健康管理在工业生产中得到了越来越多的关注。本文旨在设计并实现一个交流接触器健康状态感知和预测系统,以解决目前大多数设备维护存在的“维护不足”和“维护过度”的问题。该系统通过监测交流接触器的各项指标,在达到告警健康状态时发出警报,并及时将告警信息推送给维护人员,以帮助其制订维护计划。主要工作如下:
(1)本文设计了交流接触器健康状态感知模型。基于变分自编码器(VAE),将数据的形状和时间的失真引入模型,生成交流接触器的正常退化数据,并结合主成分分析(PCA)和混合高斯模型(GMM)感知交流接触器的健康状态。此外,还通过云模型对健康状态感知进行了更细粒度的感知。经过实验验证,健康状态感知模型在间断设备上的感知准确度达到了100%,在非间断设备上的感知准确度达到了94.8%。
(2)本文设计了交流接触器健康状态预测模型。通过结合了稀疏注意力机制的CNN-BiLSTM网络预测交流接触器的健康状态。具体地,本文使用空洞卷积神经网络对原始输入数据进行特征提取,然后使用BiLSTM来感知序列关系,最后使用注意力机制来加权处理序列信息,从而提高模型的预测能力。为了减少计算时复杂度,同时保证模型性能,针对交流接触器的非线性退化特点,设计了一种基于二阶微分采样的稀疏注意力机制。通过该策略,能够有效地减少计算复杂度,并保持对关键特征的准确捕捉。通过在真实的交流接触器数据集上进行实验,模型的准确率达到了93.1%,且相较于基于自注意力的模型,具有较小的预测时延。
(3)为了方便维护人员监测交流接触器健康状态并制订相应维护计划,本文在交流接触器健康状态感知和预测模型的基础上,进一步设计并实现了一个B/S架构的系统。系统主要包含用户管理、接触器管理、健康状态感知、健康状态预测、告警管理、维护计划管理以及数据可视化七个功能模块。最后通过测试验证了系统满足功能性和非功能性需求。