尚琳琳 杨博睿

摘 要：随着科学技术的不断发展，我国自动化包装生产线产业的水平不断提升，电机无传感器驱动不断运用在自动化包装生产线当中，推动生产线的生产效率不断提高，推动我国自动化电机无传感器驱动系统不断发展。因此，本文将针对自动化包装生产线电机无传感器驱动故障诊断，进行浅要的研究，并提出具体解决故障的方法，以保障我国自动化包装生产线的平稳健康运行。

关键词：自动化;包装生产线;故障诊断;电机驱动;XGBoost;特征构建;神经网络

引言

电机无传感器驱动作为当下一个十分热门的新技术，在各行各业都有了广泛的运用。小到人们日常生活中的自动化包装生产线，大到各种高尖端行业中使用的自动化机械电子科技，都体现了电机无传感器驱动在实践中的普及程度十分广泛。并且在当今的技术水平之下，但是由于自动化包装生产线电机无传感器驱动系统运行模式十分复杂，从而经常会发生一些故障，导致生产线上安全事故频发，所以应当对其故障诊断进行研究和分析。而在自动化包装生产领域，同样有很多场合与具体的工作需要用到电机无传感器驱动，来对其生产运行水平进行整体的提升。在这种状况下，便应该加大科研投资力度，对电机无传感器驱动进行更有深度的研究。但是从目前的状况来看，我国在自动化领域当中的电机无充感器驱动的应用还有许多问题没有解决，所以有的时候出现了故障，无法做出精确的诊断，因此要想达到更加良好的发展，我们可以通过XGBOOST来对电机无传感器驱动的故障进行研究和分析，这样才可以被自动化包装生产线创造一个健康平稳的环境，帮助其更好的运行。

一、XGBoost 算法基本理论

XGBoost（Extreme Gradient Boosting）是由我国的研究团队以陈天琪为主导进行开发的算法，这种算法具有非常高的效率，并且有很高的精确度，比较适用于电机无传感器的驱动故障诊断，还可以利用BOOSTING算法来进行数据数的合成与分类，寻找残差拟合的多个分类器，最后，将众多的分类器合成一个强学习器。这种系统相对于传统的GBDT而言，仅仅是以第一阶段的数据提取，还需要对函数进行展开计算运用XGBOOST进行泰勒计算，之后所形成的数据再加入二阶导数信息，这种计算方式不仅提高了数据的稳定性，还是计算的速度加快，精确度也有了提高。XGBOOST可以在已经有损失的函数上进行添加修改，来控制模型的复杂程度降低，出现错误的概率。XGBOOST可以看成一个训练集D，在这其中，包含着无数个样本N，每个样本都有自身的特征，特征的数量为d，Xi作为无数样本中的第I个样本。Cart作为弱分类器，可以将二叉树进行分裂总结其特征，当第J个特征进行分裂之后，可以将s看做分裂阀值，小于s的归类到左指树大于s的归类到右子树，分裂完成后再利用cart进行空间划分，进一步的减少错误发生的概率增加精确度。

二、如何减少自动化包装生产线电机无传感器驱动故障

目前，在自动化包装生产线上，经常会因为电机驱动故障诊断过于复杂化的问题导致每次诊断的精确度非常低，自动化包装生产线的生产过程比较复杂，在安全的环境中保持一定的生产效率，由此需要通过完善的管理体系和规章制度，保持电机无传感器驱动平稳运行。

1.完善管理体系

自动化包装生产线管理的繁杂性、严谨性、及时性，要求管理人员依据管理条例和规章制度来开展工作。其中，电机无传感器驱动故障的诊断，就要求在管理中需要有明确、严谨的体系和制度，来要求相关工作人员及时的进行处理，以减少对包装生产线运行质量的不利影响。完善管理体系，为了保障自动化包装生产的正常运行，要积极建立良好的运行机制，使电机无传感器驱动诊断工作更符合要求。因此，在自动化包装生产线和管理的过程中，要时刻观察着电机无传感器的运行状态，有问题及时发现，及时解决，避免对包装生产线上工作人员的安全造成危害。

2.完善规章制度

在自动化包装生产线电机无传感器驱动故障诊断工作中要高度重视规章制度的建立与完善。对已有的规章制度进行相应的补充与完善，根据在实际工作中遇到的问题，提出相关举措，列入到工作条例当中，以规范工作。通过完善规章制度，使其高效发挥作用，促进电机无传感器驱动故障诊断技术人员工作的健康运转。此外，要让监察和监管机构在电机无传感器驱动故障诊断工作中发挥效用，对相关车门故障進行及时的发现和处理，同时也要不断对生产线故障监管机构的规章制度和工作条例进行完善和补充。

3.加强电机无传感器驱动故障诊断培训教育，引进专业人才

电机无传感器驱动正常平稳运行，是自动化包装生产线上重要的一环，这就要求电机无传感器驱动故障诊断人员，具有高质量的系统故障诊断技术，传统的GBDT故障诊断技术已经无法满足于现在的要求，这就需要相关故障诊断技术人员不断的提高自己的专业素质和综合技术水平，积极响应政策引进人才，提高在岗人员的专业能力，培养创新型人才，通过创新提出优化策略，进一步提高电机无线传感器驱动故障诊断技术水平。积极主动吸取各方优良建议，打造高技术，高质量的人才，为自动化包装生产线电机无传感器驱动故障诊断技术的提高奠定基础。

结束语

文中提出了一种新型的技术方法XGBOOST，以这种计算方式来构建的神经网络模型，可以自动的对电机驱动故障进行诊断，大大的提高了诊断的精确度和自动化包装生产线运行的稳定性，并且通过ONE-HOT来进行了数据的二次编码，将重新排列组合的特征投射到了欧式空间中，放大了数据之间的差异，更有利于发现故障，同时，相关的故障诊断人员还需要提高自己的专业能力和综合素质，更好地保障自动化包装生产线的运行，减少因为电机无传感器驱动故障而产生的危害。

参考文献

[1]范勇， 王鹏. 基于改进 EMD 与 SOM 神经网络的自动机驱动机构故障诊断研究[J]. 国外电子测量技术， 2020， 39（8）： 5—10.

[2]高佳豪， 郭瑜. 基于 SANC 和一维卷积神经网络的齿轮箱轴承故障诊断[J]. 振动与冲击， 2020， 39（19）： 204—209.

[3]朱浩， 宁芊. 基于注意力机制-Inception-CNN 模型的滚动轴承故障分类[J]. 振动与冲击，2020， 39（19）： 84—93.