如需要完整文档点击下方 "点击下载文档" 按钮

针对传统的机械工厂设备健康评估方法存在设备重组困难、主要故障提取无特点以及设备间的交互不明显问题,提出了一种基于动态贝叶斯网络的设备健康评估方法。利用智能工厂生产线上实时采集的数据,对工厂数据进行了特征提取,以每小时产量作为评估工厂健康程度的指标;利用随机森林算法提取了影响该工厂生产线产量的主要故障类型,构建了动态贝叶斯网络,并进行了设备健康评估。研究结果表明:动态贝叶斯网络有着出众的学习能力，当输入样本足够多时,设备健康等级的预估由初始的38.4%上升到了64.1%,先验概率会越来越趋近于真实分布,更有利于分析设备间的交互关系及生产线设备的健康状况;该方法可以对设备进行有效的评估,达到有效维护设备的目的。

如需要完整文档点击下方 "点击下载文档" 按钮

《基于动态贝叶斯网络的智能工厂设备健康评估方法研究》

将 完整文档 下载到本地，方便收藏和查阅

文件号：211323

点击下载文档