定位器作为气动执行器组成之一,是保持生产稳定运行的重要设备。本文以定位器作为气动领域电子产品的典型对象,开展故障预测研究。定位器与调节阀一起安装在工业生产现场,由于常常在高温、高压、易堵、强腐蚀、易漏或频繁的机械运动等恶劣环境下工作,定位器会出现各种异常或故障。定位器一旦出现问题,会使控制回路中产生振荡,进而导致设备加速损耗、降低产品质量、浪费能源和污染环境等问题。目前定位器的维修主要采用事后维修和定期维修,这两种维修方式会均存在一定的问题:事后维修,在设备发生故障以后才维修,有较大的安全隐患;定期维修往往造成盲目修理,增大了维修成本。为保障定位器能够稳定、可靠、高效的运行,有效降低由于定位器停机所造成的经济损失和安全事故。因此,对阀门定位器的状态进行监测,利用监测数据进行定位器故障诊断与状态参数的预测研究,对工业过程高效、稳定、安全的生产意义重大。为此,本文对定位器故障诊断与状态参数预测进行了研究,主要工作如下:(1)阐述了定位器的主要结构和工作原理,分析了定位器常见故障类型及其原因,并搭建实验平台获取正常及8种常见故障的相关数据。(2)针对收集到的定位器各类故障数据,对缺失的数据做了插值处理,通过小波降噪以提高数据的纯度,利用归一化方法解决特征之间尺度大小不一致的问题,加快了模型的收敛速度。(3)针对定位器故障诊断研究,本文分别采用了随机森林(RF)和梯度提升决策树(GBDT)算法来建立故障诊断分类模型,选取宏查准率、宏查全率和宏F1作为评价模型性能的指标,对两种模型的结果进行比较得出两个模型都有一定的准确性,RF模型比GBDT模型时间成本更低,模型测试集精度相差不到0.2%。(4)针对定位器故障预测的研究,本文采用了长短期记忆神经网络(LSTM)算法建立定位器状态参数预测模型。通过滚动预测方法构造样本,分别建立了8种预测模型,结果显示LSTM对定位器状态参数的预测取到了较好的预测效果。