[01173336]智能化印刷装备核心单元状态监测与诊断系统研究

本课题《智能化印刷装备核心单元状态监测与诊断系统研究》在充分分析印刷装备状态监测和故障诊断相关研究成果的基础上,引入先进人工智能理论及方法,围绕印刷单元状态监测与故障诊断问题开展了系列信号处理、特征计算、模式识别、诊断模型等研究。相关成果提升了设备在运行、维护、调试、安装过程中的可靠性和精密性,可有效排除各种典型异常或故障状态,大幅度减少物料损失,为高效高速印刷生产提供关键技术性保障。本项目充分发挥校企合作优势,多次与行业知名企业交流,对于提升陕西省、西安市地区的装备制造业水平有着积极意义。本报告将对研发内容和技术路线进行论述,介绍关键性技术工作及主要成果。 结合课题组前期项目执行经验,依靠深度学习这一先进理论与建模方法,本项目围绕故障信号的解析分离、特征构建、模式识别等问题开展系列研究,主要内容包含以下三个方面： （1）印刷单元耦合信号的自适应解耦与分离研究 研究构建了印刷单元故障实验方案,通过实验获取了一系列故障数据信息,形成了印刷单元故障数据库;依托自适应分析方法,对于印刷单元耦合故障信号开展了系列研究,实现了故障敏感成分的剥离研究,提高了故障诊断准确率; （2）印刷单元特征的提取及融合方法研究 引入智能化参数获取方法展开多层自动感知器设计,建立印刷单元振动信号的抽象化特征抽取模型;对振动信号和声音信号开展了系列信息融合方法研究,提高了信息利用效率;建立了基于符号化分析的印刷单元特征提取方法。 （3）印刷单元状态的深度学习网络构建 针对胶印机着墨辊滚动轴承故障诊断问题,提出了基于自编码器和最大相关熵准则结合的特征识别方法;结合卷积神经网络实现了印刷单元多类故障识别,并依托本征正交分解提高了正确率;构建了适用于印刷单元的孪生网络学习方法。 通过项目计划的实施,最终取得如下效益： （1）建立印刷单元专用的状态信息分析与提取方法; （2）提出了多种基于深度学习的印刷单元故障诊断方法; （3）研究获取了一系列知识产权成果,为今后成果的推广应用奠定了基础; （4）课题组积极与印刷装备制造企业进行了多次交流,对项目成果进行了交流与宣传; （5）项目成果有望在未来提升相关企业竞争力,创造可观经济效益和社会效益。 本报告其余章节安排如下： （1）对近期印刷装备状态监测与故障诊断研究进展进行了分析,为本次项目实施方案的顺利开展奠定了基础; （2）开展了系列印刷单元状态监测与故障诊断实验,开展了一系列印刷单元故障信号的预处理研究,为信号特征构建与故障模型建立提供支撑; （3）完成了印刷单元故障信号的特征集构建方法研究,提出了基于自适应分析的最大符号熵、极值间隔熵等特征,在印刷单元齿轮和轴承故障中实现了高效地诊断; （4）提出了基于POD-CWT的CNN模型,大幅提高了印刷单元故障识别率,进而提出基于孪生网络的DSC模型,利用深层模型优势实现了印刷单元小样本故障识别; （5）提出了基于自编码器和最大相关熵准则结合的故障识别方法,实现了印刷单元关键传动部件的故障诊断,消除了对人工选择特征的依赖。 研究获得西安市科技计划项目《智能化印刷装备核心单元状态监测与诊断系统研究》（NO.2019217814GXRC014CG015-GXYD14.18）资助,相关成果《基于多源信息融合的印刷装备智能故障诊断理论及应用》获得2021中国印刷及设备器材工业协会科学技术奖 二等奖。