基于神经网络棉纺设备运行状态预测分析.docVIP

基于神经网络棉纺设备运行状态预测分析 　　摘要：科学、合理、有效地对棉纺设备运行状态进行一个综合性的预测评估，对于提高企业的技术水平和经济效益、提高设备的利用率和可靠性、保证人身的安全性都是很有帮助的。该文通过建立基于动量因子的BP神经网络模型，确定合理的神经网络结构，并通过调整学习速率、动量因子等参数，确定最终的阈值和权值，进而对棉纺设备的运行状态进行评估预测。经过实例分析，此BP神经网络模型可以有效地解决该预测问题，验证了该预测模型的合理性。 　　关键词：棉纺设备；运行状态；BP神经网络 　　中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）04-0824-05 　　纺织行业十分重视各项基础管理，其中棉纺设备的管理是各项生产管理的基础。棉纺设备的使用好坏直接影响企业生产过程中的生产效率、产品的质量、产品的产量和生产成本的消耗，成为影响纺织企业经济效益提升的很重要的因素。因此，正确的对棉纺设备的运行状态进行评估，从而制定更加合理的检修计划，就显得尤为重要[1]。 　　目前，企业的定期大、小平车管理制度体现了设备检修中预防为主的思想，它相对于那种事后检修策略是进步的。但这种检修管理制度由于没有考虑各类设备初始状态的差异性，以及设备在不同环境下运行状态的变化，因而既在理论上有缺陷，又在实际中有盲目性。 　　随着科学技术的进步和发展，新工艺与新产品的不断涌现，中外技术的不断交流，棉纺设备的质量得到很大提高，棉纺设备已有了本质的飞跃。机电一体化、半自动、全自动棉纺设备大量使用，新技术、新成果不断应用，设备的运行可靠性大大提高了；因此，纺织设备的维护已出现了新问题。如果继续按大、小平车检修管理制度所规定的周期对设备进行频繁的检修，势必要大幅度增加维修人员和检修工作量，增加企业生产和管理成本。因此，需要一个更好的对设备运行状态做一个综合评估的预测评估，来指导设备的大小平、部分保全等的选择[2]。 　　我们根据纺织企业的特点和某企业的实际情况，利用基于动量因子的BP神经网络模型，确立一个新的评估棉纺设备运行状态的评估标准，为该企业棉纺设备的综合管理提供一个重要的参考依据。 　　1 设备运行状态预测方法的确定 　　设备运行状态预测模型是一个复杂的非线性模型，影响设备运行状态的因素也比较多，且各个因素之间会存在不同程度的耦合关系。BP神经元网络对于非线性模型具有模型优化的能力，所以通过使用BP神经网络模型来对设备运行状态进行预测比较可行[3]。 　　BP（Back Propagation）神经网络是一种按误差逆传播算法训练的多层前馈网络，是目前应用最广泛的神经网络模型之一。BP网络能学习和存贮大量的输入-输出模式映射关系，而无需事前揭示描述这种映射关系的数学方程。 　　利用BP神经网络模型解决设备的运行状态预测问题的流程大致为：经过前期的资料调研，确定影响设备运行状态的关键因素（特征值），然后采集这些关键因素的数据，并进行数据处理，从中提取出样本数据，建立合适的神经网络模型，训练和学习神经网络，最终实现预测设备运行状态数据的功能。预测流程图如图1所示。 　　2 BP神经网络模型的结构设计 　　根据纺织设备的运维特点，其中以某一类设备（如细纱机）的某一种相同型号（如FA506）为例，分别从技术性指标、经济性指标、环境性指标、安全健康指标等方面考虑，可以选取以下几个特征参数：设备残值、月折旧额、月产量、单位产品成本、单位产品维护费用、能源利用率、噪声、设备安全性等来表示设备的运行状态特点，即作为网络的输入。 　　在所选输入参数中，设备残值指的是设备现有的剩余价值，且设备残值越高，对应的设备运行状态一般也越好；月折旧额指的是设备每月折损的价值，月折旧额越低，对应的设备运行状态一般越好；月产量指的是该台设备每月实际生产的合格产品数量，产量越高，说明设备的生产能力越强，运行状态一般越好；单位产品成本指的是设备生产出来单位产品所需要的生产费用，所需费用越少，成本越低，设备运行状态一般越好；单位产品维修费用指的是生产单位产品所需要的维修费用，所需费用越少，则说明设备运行状态一般越好；能源利用率主要指对能源的利用效率，利用效率越高，则说明设备运行状态一般越好；噪声主要指设备运行生产过程中的聒噪程度，噪声越低，工作环境越好，设备运行情况一般越好；设备安全性主要指设备运行操作时的安全指数，安全指数越高，越有利于设备的正常运行，设备的运行状态才越好。 　　根据纺织设备的实际情况，把设备运行状态作为评定运行设备优劣标准的网络的输出，即优秀、良好、一般、较差四个标准，分别用3、2、1、0表示。 　　由上述分析可得，网络输入为8个，输出为1个。由于网络层次太多会影响网络收敛速度，本例选择三层网络结构，即只有