自動化包裝生產線電機無傳感器驅動故障診斷研究

尚琳琳 楊博睿

摘 要：隨著科學技術的不斷發展，我國自動化包裝生產線產業的水平不斷提升，電機無傳感器驅動不斷運用在自動化包裝生產線當中，推動生產線的生產效率不斷提高，推動我國自動化電機無傳感器驅動系統不斷發展。因此，本文將針對自動化包裝生產線電機無傳感器驅動故障診斷，進行淺要的研究，并提出具體解決故障的方法，以保障我國自動化包裝生產線的平穩健康運行。

關鍵詞：自動化;包裝生產線;故障診斷;電機驅動;XGBoost;特征構建;神經網絡

引言

電機無傳感器驅動作為當下一個十分熱門的新技術，在各行各業都有了廣泛的運用。小到人們日常生活中的自動化包裝生產線，大到各種高尖端行業中使用的自動化機械電子科技，都體現了電機無傳感器驅動在實踐中的普及程度十分廣泛。并且在當今的技術水平之下，但是由于自動化包裝生產線電機無傳感器驅動系統運行模式十分復雜，從而經常會發生一些故障，導致生產線上安全事故頻發，所以應當對其故障診斷進行研究和分析。而在自動化包裝生產領域，同樣有很多場合與具體的工作需要用到電機無傳感器驅動，來對其生產運行水平進行整體的提升。在這種狀況下，便應該加大科研投資力度，對電機無傳感器驅動進行更有深度的研究。但是從目前的狀況來看，我國在自動化領域當中的電機無充感器驅動的應用還有許多問題沒有解決，所以有的時候出現了故障，無法做出精確的診斷，因此要想達到更加良好的發展，我們可以通過XGBOOST來對電機無傳感器驅動的故障進行研究和分析，這樣才可以被自動化包裝生產線創造一個健康平穩的環境，幫助其更好的運行。

一、XGBoost 算法基本理論

XGBoost（Extreme Gradient Boosting）是由我國的研究團隊以陳天琪為主導進行開發的算法，這種算法具有非常高的效率，并且有很高的精確度，比較適用于電機無傳感器的驅動故障診斷，還可以利用BOOSTING算法來進行數據數的合成與分類，尋找殘差擬合的多個分類器，最后，將眾多的分類器合成一個強學習器。這種系統相對于傳統的GBDT而言，僅僅是以第一階段的數據提取，還需要對函數進行展開計算運用XGBOOST進行泰勒計算，之后所形成的數據再加入二階導數信息，這種計算方式不僅提高了數據的穩定性，還是計算的速度加快，精確度也有了提高。XGBOOST可以在已經有損失的函數上進行添加修改，來控制模型的復雜程度降低，出現錯誤的概率。XGBOOST可以看成一個訓練集D，在這其中，包含著無數個樣本N，每個樣本都有自身的特征，特征的數量為d，Xi作為無數樣本中的第I個樣本。Cart作為弱分類器，可以將二叉樹進行分裂總結其特征，當第J個特征進行分裂之后，可以將s看做分裂閥值，小于s的歸類到左指樹大于s的歸類到右子樹，分裂完成后再利用cart進行空間劃分，進一步的減少錯誤發生的概率增加精確度。

二、如何減少自動化包裝生產線電機無傳感器驅動故障

目前，在自動化包裝生產線上，經常會因為電機驅動故障診斷過于復雜化的問題導致每次診斷的精確度非常低，自動化包裝生產線的生產過程比較復雜，在安全的環境中保持一定的生產效率，由此需要通過完善的管理體系和規章制度，保持電機無傳感器驅動平穩運行。

1.完善管理體系

自動化包裝生產線管理的繁雜性、嚴謹性、及時性，要求管理人員依據管理條例和規章制度來開展工作。其中，電機無傳感器驅動故障的診斷，就要求在管理中需要有明確、嚴謹的體系和制度，來要求相關工作人員及時的進行處理，以減少對包裝生產線運行質量的不利影響。完善管理體系，為了保障自動化包裝生產的正常運行，要積極建立良好的運行機制，使電機無傳感器驅動診斷工作更符合要求。因此，在自動化包裝生產線和管理的過程中，要時刻觀察著電機無傳感器的運行狀態，有問題及時發現，及時解決，避免對包裝生產線上工作人員的安全造成危害。

2.完善規章制度

在自動化包裝生產線電機無傳感器驅動故障診斷工作中要高度重視規章制度的建立與完善。對已有的規章制度進行相應的補充與完善，根據在實際工作中遇到的問題，提出相關舉措，列入到工作條例當中，以規范工作。通過完善規章制度，使其高效發揮作用，促進電機無傳感器驅動故障診斷技術人員工作的健康運轉。此外，要讓監察和監管機構在電機無傳感器驅動故障診斷工作中發揮效用，對相關車門故障進行及時的發現和處理，同時也要不斷對生產線故障監管機構的規章制度和工作條例進行完善和補充。

3.加強電機無傳感器驅動故障診斷培訓教育，引進專業人才

電機無傳感器驅動正常平穩運行，是自動化包裝生產線上重要的一環，這就要求電機無傳感器驅動故障診斷人員，具有高質量的系統故障診斷技術，傳統的GBDT故障診斷技術已經無法滿足于現在的要求，這就需要相關故障診斷技術人員不斷的提高自己的專業素質和綜合技術水平，積極響應政策引進人才，提高在崗人員的專業能力，培養創新型人才，通過創新提出優化策略，進一步提高電機無線傳感器驅動故障診斷技術水平。積極主動吸取各方優良建議，打造高技術，高質量的人才，為自動化包裝生產線電機無傳感器驅動故障診斷技術的提高奠定基礎。

結束語

文中提出了一種新型的技術方法XGBOOST，以這種計算方式來構建的神經網絡模型，可以自動的對電機驅動故障進行診斷，大大的提高了診斷的精確度和自動化包裝生產線運行的穩定性，并且通過ONE-HOT來進行了數據的二次編碼，將重新排列組合的特征投射到了歐式空間中，放大了數據之間的差異，更有利于發現故障，同時，相關的故障診斷人員還需要提高自己的專業能力和綜合素質，更好地保障自動化包裝生產線的運行，減少因為電機無傳感器驅動故障而產生的危害。

參考文獻

[1]范勇， 王鵬. 基于改進 EMD 與 SOM 神經網絡的自動機驅動機構故障診斷研究[J]. 國外電子測量技術， 2020， 39（8）： 5—10.

[2]高佳豪， 郭瑜. 基于 SANC 和一維卷積神經網絡的齒輪箱軸承故障診斷[J]. 振動與沖擊， 2020， 39（19）： 204—209.

[3]朱浩， 寧芊. 基于注意力機制-Inception-CNN 模型的滾動軸承故障分類[J]. 振動與沖擊，2020， 39（19）： 84—93.