一、食品机械故障的神经网络分析（论文文献综述）
赵贵军[1]（2021）在《浅谈食品机械对智能控制技术的应用》文中研究指明高新技术不断创新发展的背景下,智能控制技术应运而生并实现了在多个领域内的应用,取得了有效的应用成果。新时期,人们对于食品的需求呈现出多样化趋势,这极大地推动着食品行业发展。工业4.0背景下,传统食品机械技术逐渐无法满足生产制造需求,将智能控制技术应用于食品机械领域,有助于促进食品工业智能化发展,助推机械制造领域创新转型,提高核心竞争力,实现稳定可持续发展。本文首先概述了我国食品机械发展史;其次分析了食品机械应用智能控制技术的价值;接着分析了食品机械应用智能控制技术的现状;最后探讨了食品机械与应用智能控制技术的发展趋势。
包从望,江伟,刘永志,车守全[2]（2021）在《基于卷积神经网络的采煤机截割部减速器故障诊断研究》文中进行了进一步梳理在对采煤机截割部的减速器进行故障诊断过程中,存在故障特征提取困难及诊断模型泛化能力弱的问题,针对这一问题,提出了一种基于卷积神经网络的减速器故障诊断方法。首先,通过快速Kurtogram算法提取了变工况下减速器齿轮的健康、疲劳点蚀、轻度磨损、重度磨损、齿面裂痕、断齿几种振动谱峭度;然后,对谱峭度作像素归一化后进行了灰度处理,将结果输入到构建好的结构层数为2层卷积-池化层的卷积神经网络,采用自适应学习对模型进行了训练,并将最后全连接层的输出结果作为故障特征;最后,结合某减速器的结构原理搭建了故障诊断实验台,采用Tensor Flow平台对所提模型进行了编程,对模型的识别率和特征可视化结果进行了评估。研究结果表明:该方法对减速器的故障识别率在99%以上,解决了传统方法中特征提取繁琐和不同故障特征间的耦合问题,为采煤机截割部减速箱的故障智能诊断提供了新的思路。
车静宇[3]（2021）在《浅谈食品机械中智能控制技术的应用》文中研究指明以了解食品机械中智能控制技术的应用情况为目的,对不同的应用方面进行了深入分析。通过对智能控制技术的概述分析,能够了解智能控制技术的理论基础和现实意义。通过对食品机械中智能控制技术应用的价值分析,能够明确智能控制技术在食品机械中的重要性。通过食品机械中智能控制技术应用的现状分析,能够了解我国当前应用的成就和不足之处,可以在今后的应用过程中吸取经验和教训,对应用策略进行调整。通过食品机械中智能控制技术应用的发展分析,可以描绘未来的发展前景,提供多元化的发展思路。智能控制技术是食品机械发展的关键技术,必须予以足够的重视,强化食品机械中智能控制技术的应用作用。
徐晶珺,郑源,于洋,潘虹,唐魏[4]（2021）在《基于卷积神经网络的水电机组轴心轨迹类型识别》文中认为针对常规水力机组故障类型识别需要人工参与、识别效率低下的问题,借助轴心轨迹图片蕴含的丰富信息,在引入细粒度模型对故障严重程度进行区分的基础上,提出了一种基于卷积神经网络的水力机组轴心轨迹类型的智能识别方法.该方法先建立了4种故障严重程度的评判标准和对应的2种水电机组轴心轨迹细粒度数据库;利用改进过卷积层与池化层参数的卷积神经网络模型对数据库进行了模拟计算,并和全连接网络进行了对比分析.结果证明该模型对轴心轨迹故障类型的识别率达到了98.75%,对严重程度的识别率达到了98.33%,该方法提出的关于细粒度分类的有量纲指标相比量纲一指标拥有更优的状态描述能力,也符合水力机组故障诊断的发展趋势,因此基于卷积神经网络技术的轴心轨迹识别算法对于机组故障诊断具有重要价值.
张旭东,张进杰,茆志伟[5]（2021）在《基于往复压缩机轴心轨迹特征的故障诊断方法研究》文中指出往复压缩机的故障诊断一直以来都是研究工作的重点问题,对其关键运动部件的监测诊断更是研究的热点之一。当往复压缩机发生运动部件磨损、撞缸等故障时,活塞杆的运行状态会发生改变,进而引起活塞杆轴心轨迹的变化。因此,提出了一种基于活塞杆轴心轨迹的往复压缩机智能诊断方法。首先,文章利用改进的离散点轮廓包络方法提取活塞杆轴心轨迹特征,同时提取活塞杆信号的时、频域特征;然后利用ReliefF方法计算轴心轨迹特征与时、频域特征的特征权重,选取大于各自权重均值的特征分别组成轴心轨迹敏感特征集和时频域敏感特征集;最后,提取2个特征集的Related-Similar（RS）特征,将其融合后作为BP神经网络的训练特征集训练故障诊断模型。利用往复压缩机磨损故障和撞缸故障的数据对模型进行验证,结果表明,模型能较好地识别这两种故障,并且故障恶化时的识别准确率均达到了99%以上。
刘惠玲,李伟伟,刘梦娟,胡进伟[6]（2021）在《三种机械设备风险评估计算模型浅析》文中提出针对工业生产中使用的机械设备的安全性问题,介绍了机械安全的概念,阐述了机械设备风险评估的基本流程,分析比较了定性评估和定量评估方法各自存在的优缺点,并结合相关案例,阐述模糊综合评价法、贝叶斯网络法和神经网络评估法三种计算模型在机械设备风险评估中的应用。
文周,薛美贵,卢飞燕[7]（2020）在《基于MEA-BP神经网络的封盒装置滑动轴承故障诊断方法》文中指出针对封盒装置滑动轴承在生产过程中故障率高、可靠性低的问题,课题组提出了一种基于思维进化算法（MEA）的BP神经网络滑动轴承故障诊断方法。该方法通过多次的趋同和异化操作,不断优化BP神经网络的初始权值和阀值,建立了基于MEA-BP神经网络的滑动轴承故障诊断模型。利用样本集训练、测试和验证MEA-BP故障诊断模型,结果表明MEA-BP故障诊断法较未经优化的BP神经网络故障诊断法优势明显,能够较好地用于封盒装置滑动轴承的故障诊断,延长滑动轴承无故障使用时间。课题组的研究可提高包装企业生产效率。
韩洪亮[8]（2019）在《自动制袋包装机封口部件与控制系统设计》文中进行了进一步梳理东北三省是我国的农业大省,又是水稻重要产粮基地,种植资源丰富,有着悠久的栽培历史。伴随当前经济水平的持续提升,公众针对优质水稻所存在的需求不断增长,关于水稻的质量以及安全等也存在较高的要求。在近些年的发展过程中,食品安全获得了非常高的关注度,有可靠保障、优良品质的米业也获得了更多的认可。为提升整体的包装速度以及质量,应当进一步研发可以实现自动包装效果的机械。对当前米业包装机械化相对较差,相应的效果存在一定的问题,依靠针对自动包装开展系统的分析,进一步拟定可靠的包装方案,同时参考包装策略形成更为科学的执行元件,藉此来解决机构以及控制的相关设计需求。项目在分析有关技术之上,设计和开发可以实现理想自动化包装效果的器材。实际设计的器材整合了机、电、仪、气、光等多个领域的专业知识,架构体系较为复杂,有较高的技术水平,可以大幅提升包装质量以及精度,高效应对速度相对偏慢、质量不稳等问题,在提升整体运行效率的基础上,有助于大幅控制成本,实现更为理想的产品竞争力。
文周,林伟健[9]（2018）在《基于BP神经网络的水果气调包装机械故障诊断方法》文中研究说明研究了一种基于BP神经网络的水果气调包装机械故障诊断方法。以水果包装容器中5种气体作为神经网络的输入,建立了可对水果气调包装机械一氧化碳充入设备故障、二氧化碳充入设备故障、氧气充入设备故障、氮气设备充入设备故障、抽真空设备故障5种单故障及混合故障进行诊断的BP神经网络模型,并通过MATLAB实现了仿真验证。通过对监测数据进行测试,测试结果表明BP神经网络用于包装机械故障诊断所建立模型的各项性能指标均处于较优水平。
钟祥鸣[10]（2018）在《高速列车轴承故障诊断监测系统开发》文中研究说明近些年随着我国高速列车行业不断发展,保障列车运营的安全性及稳定性成为我国相关研究人员不可忽视的研究目标之一。高速列车轴承是列车走行部上的重要零部件,也是易损易坏部件,如今对于轴承故障诊断的研究有很多,但是真正应用于列车轴承故障诊断的系统很少,企业中对于轴承检修存在很多问题,因此对列车轴承进行故障诊断及检测系统的研究是非常有必要的。本文首先通过实地调研,对我国高速列车常用轴箱轴承进行介绍,然后对高速列车轴箱轴承常见的故障类型、故障产生原因及故障影响进行简单总结。通过对实际轴箱轴承进行三维建模及模态分析对轴承振动机理进行研究。并通过故障模拟试验采集轴承振动信号数据,分析了滚动轴承不同故障状态下到的振动信号特征。本文详细介绍了几种不同故障诊断方法故障信号提取方法,故障诊断方法包括时域指标法、频谱分析法、时频分析法和共振解调法,故障信号提取方法包括时域指标法、小波包分解能量法和EMD分解峭度值法。最后应用不同的特征提取方法建立三种神经网络,包括BP神经网络、PNN神经网络和RBF神经网络共九种诊断模型。本文应用混合编程技术将LabVIEW和MATLAB两种软件相结合作为编程的软件基础,结合多种信号处理及故障诊断方法,设计搭建软件系统,又应用数据采集卡和传感器等工具搭建硬件系统,将软硬件系统相结合建立总体故障监测诊断系统。最后通过三种不同数据来源试验对该系统进行全面的实验对比分析,充分证明了该仪器系统的准确性和可行性。该仪器系统界面友好、易于操作、方法全面准确率较高具有一定的应用价值。
二、食品机械故障的神经网络分析（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、食品机械故障的神经网络分析（论文提纲范文）
（1）浅谈食品机械对智能控制技术的应用（论文提纲范文）
| 一、食品机械发展史概述 |
| 二、食品机械应用智能控制技术的价值分析 |
| 三、食品机械应用智能控制技术的现状分析 |
| (一)成就 |
| (二)不足 |
| 四、食品机械与应用智能控制技术的发展趋势探讨 |
| (一)精准定位目标 |
| (二)加大支持力度 |
| 五、结语 |
（2）基于卷积神经网络的采煤机截割部减速器故障诊断研究（论文提纲范文）
| 0 引 言 |
| 1 CNN及快速Kurtogram算法 |
| 1.1 卷积神经网络(CNN) |
| 1.2 快速Kurtogram算法 |
| 2 减速器故障诊断模型 |
| 2.1 基于卷积神经网络的诊断方案 |
| 2.2 数据预处理 |
| 2.3 卷积神经网络模型设计 |
| 3 实验及结果分析 |
| 3.1 实验描述 |
| 3.2 数据处理 |
| 3.3 结果分析 |
| 4 结束语 |
（3）浅谈食品机械中智能控制技术的应用（论文提纲范文）
| 1 智能控制技术概述 |
| 2 食品机械中智能控制技术应用的价值 |
| 3 食品机械中智能控制技术应用的现状 |
| 3.1 食品机械中智能控制技术应用的成就 |
| 3.2 食品机械中智能控制技术应用的不足 |
| 4 食品机械中智能控制技术应用的发展 |
| 4 结束语 |
（4）基于卷积神经网络的水电机组轴心轨迹类型识别（论文提纲范文）
| 1 卷积神经网络 |
| 1.1 卷积层 |
| 1.2 池化层 |
| 1.3 全连接层 |
| 2 水电机组轴心轨迹细粒度分析 |
| 3 水电机组轴心轨迹故障分类及识别 |
| 3.1 轴心轨迹数据库建立 |
| 3.2 卷积神经网络模型 |
| 3.3 故障类型识别试验验证 |
| 3.4 故障严重程度识别试验验证 |
| 4 结论 |
（5）基于往复压缩机轴心轨迹特征的故障诊断方法研究（论文提纲范文）
| 0 引言 |
| 1 改进的轴心轨迹离散点轮廓包络 |
| 2 Related-Similar(RS)特征提取 |
| 3 数据分析与讨论 |
| 3.1 往复压缩机故障数据 |
| 3.2 轴心轨迹包络特征提取 |
| 3.3 RS特征提取 |
| 3.4 BP神经网络分类 |
| 4 结语 |
（6）三种机械设备风险评估计算模型浅析（论文提纲范文）
| 1 引言 |
| 2 机械安全概念 |
| 3 机械风险评估流程 |
| 4 机械设备风险评估计算模型 |
| 4.1 模糊风险评价法 |
| 4.2 贝叶斯网络风险评价法 |
| 4.3 人工神经网络风险评价法 |
| 5 展望 |
（7）基于MEA-BP神经网络的封盒装置滑动轴承故障诊断方法（论文提纲范文）
| 1 BP神经网络建模 |
| 1.1 BP神经网络结构的确定 |
| 1.2 BP神经网络结构初始值的确定 |
| 2 EMA-BP神经网络模型 |
| 2.1 MEA基本思路方法 |
| 2.2 MEA-BP算法 |
| 3 仿真与分析 |
| 3.1 数据预处理 |
| 3.2 MEA-BP神经网络参数设置 |
| 3.3 仿真分析 |
| 4 结论 |
（8）自动制袋包装机封口部件与控制系统设计（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究的背景及意义 |
| 1.2 国外包装机的发展与研究现状 |
| 1.3 国内包装机的发展与研究现状 |
| 1.4 研究内容 |
| 2 米业自动包装机控制系统的总体设计 |
| 2.1 米业自动包装机生产工艺 |
| 2.2 米业自动包装机的主要结构 |
| 2.3 米业包装机控制器系统的组成 |
| 2.3.1 控制器 |
| 2.3.2 伺服系统 |
| 2.4 米业自动包装机控制系统的过程和特点 |
| 2.4.1 控制系统的过程 |
| 2.4.2 控制系统的特点 |
| 2.5 本章小结 |
| 3 米业自动包装机控制系统的软硬件设计 |
| 3.1 自动包装机控制系统的硬件设计 |
| 3.1.1 PLC控制器的选择 |
| 3.1.2 伺服电机与伺服驱动器 |
| 3.1.3 编码器 |
| 3.1.4 触摸屏 |
| 3.2 米业自动包装机控制系统的软件设计 |
| 3.2.1 PLC软件设计 |
| 3.2.2 人机控制界面软件设计 |
| 3.3 本章小结 |
| 4 米业包装机热封温控系统单神经元自适应 |
| 4.1 热封温度控制系统 |
| 4.1.1 米业自动包装机的控制原理 |
| 4.1.2 热风封口装置特点及类型 |
| 4.1.3 热封温度控制的实现 |
| 4.2 经典数字PID算式 |
| 4.3 标准数字PID算式 |
| 4.3.1 热封温度控制的实现 |
| 4.3.2 单神经元的学习规则 |
| 4.3.3 单神经元自适应PID控制 |
| 4.4 米业自动包装机热封温控系统单神经元自适应PID控制 |
| 4.4.1 米业自动包装机温度控制系统工作原理 |
| 4.4.2 包装机温控系统单神经元PID控制 |
| 4.5 本章小结 |
| 5 米业自动包装机四轴同步控制策略研究 |
| 5.1 四轴同步控制原理 |
| 5.2 经典PID同步控制策略 |
| 5.2.1 经典PID控制算法原理 |
| 5.2.2 经典PID控制策略在米业自动包装机同步控制系统中的应用 |
| 5.3 神经网络PID同步控制策略 |
| 5.3.1 BP神经网络算法原理 |
| 5.3.2 基于BP神经网络的PID控制 |
| 5.3.3 神经网络PID控制策略在米业自动包装机同步控制系统中的应用 |
| 5.3.4 经典PID与神经网络PID控制策略效果分析 |
| 5.4 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
| 个人简历 |
（9）基于BP神经网络的水果气调包装机械故障诊断方法（论文提纲范文）
| 0 引言 |
| 1 BP神经网络原理 |
| 2 BP神经网络模型拓扑结构 |
| 2.1 输入与输出 |
| 2.2 水果气调包装机械故障诊断的BP神经网络的拓扑结构 |
| 3 BP神经网络的训练及故障诊断 |
| 3.1 训练程序 |
| 3.2 神经网络训练 |
| 3.3 故障诊断 |
| 4 结语 |
（10）高速列车轴承故障诊断监测系统开发（论文提纲范文）
| 摘要 |
| Abstract |
| 第一章 绪论 |
| 1.1 选题背景与研究意义 |
| 1.1.1 课题的研究背景 |
| 1.1.2 课题的研究意义 |
| 1.2 国内外研究现状 |
| 1.3 本文研究的主要内容 |
| 本章小结 |
| 第二章 常用列车轴承振动特性研究 |
| 2.1 高速列车常用轴承 |
| 2.2 高速列车轴承常见故障类型 |
| 2.3 滚动轴承振动机理分析 |
| 2.3.1 列车轴箱轴承的基本结构 |
| 2.3.2 滚动轴承结构特点引起的振动 |
| 2.3.3 滚动轴承故障引起的振动 |
| 2.4 滚动轴承振动信号特征 |
| 2.4.1 外圈损伤 |
| 2.4.2 内圈损伤 |
| 2.4.3 滚动体损伤 |
| 本章小结 |
| 第三章 滚动轴承故障特征向量提取及故障诊断方法 |
| 3.1 滚动轴承故障特征向量提取 |
| 3.2 滚动轴承故障诊断的基本方法 |
| 3.2.1 时域指标法 |
| 3.2.2 频谱分析法 |
| 3.2.3 时频分析法 |
| 3.2.4 共振解调法 |
| 3.3 基于神经网络的故障诊断系统 |
| 3.3.1 试验样本数据分析及故障特征提取 |
| 3.3.2 BP神经网络设计 |
| 3.3.3 PNN神经网络设计 |
| 3.3.4 RBF神经网络设计 |
| 3.4 神经网络故障诊断结果分析 |
| 本章小结 |
| 第四章 基于混合编程的轴承故障诊断检测设备系统设计 |
| 4.1 轴承故障诊断平台总体设计 |
| 4.2 混合编程 |
| 4.3 软件系统设计 |
| 4.3.1 采集界面 |
| 4.3.2 诊断界面 |
| 4.4 硬件系统设计 |
| 本章小结 |
| 第五章 轴承故障监测诊断实验及数据分析 |
| 5.1 振动分析仪信号采集诊断实验 |
| 5.1.1 建立滚动轴承实验平台 |
| 5.1.2 试验轴承故障设置 |
| 5.1.3 实验过程及方法 |
| 5.1.4 实验结果总结 |
| 5.2 自建系统轴承故障监测诊断实验 |
| 5.2.1 实验设备 |
| 5.2.2 试验方案设计 |
| 5.2.3 试验数据分析 |
| 5.3 西储大学实验数据故障诊断试验 |
| 5.4 三种试验分析对比 |
| 本章小结 |
| 结论与展望 |
| 参考文献 |
| 致谢 |
四、食品机械故障的神经网络分析（论文参考文献）
- [1]浅谈食品机械对智能控制技术的应用[J]. 赵贵军. 科技风, 2021(29)
- [2]基于卷积神经网络的采煤机截割部减速器故障诊断研究[J]. 包从望,江伟,刘永志,车守全. 机电工程, 2021(10)
- [3]浅谈食品机械中智能控制技术的应用[J]. 车静宇. 轻工标准与质量, 2021(05)
- [4]基于卷积神经网络的水电机组轴心轨迹类型识别[J]. 徐晶珺,郑源,于洋,潘虹,唐魏. 排灌机械工程学报, 2021(05)
- [5]基于往复压缩机轴心轨迹特征的故障诊断方法研究[J]. 张旭东,张进杰,茆志伟. 流体机械, 2021(04)
- [6]三种机械设备风险评估计算模型浅析[J]. 刘惠玲,李伟伟,刘梦娟,胡进伟. 科技与创新, 2021(02)
- [7]基于MEA-BP神经网络的封盒装置滑动轴承故障诊断方法[J]. 文周,薛美贵,卢飞燕. 轻工机械, 2020(03)
- [8]自动制袋包装机封口部件与控制系统设计[D]. 韩洪亮. 哈尔滨商业大学, 2019(08)
- [9]基于BP神经网络的水果气调包装机械故障诊断方法[J]. 文周,林伟健. 包装与食品机械, 2018(05)
- [10]高速列车轴承故障诊断监测系统开发[D]. 钟祥鸣. 大连交通大学, 2018(04)