智能故障診斷技術知識總結

1、智能故障診斷技術知識總結一、緒論 智能： 智能的概念智能是指能隨內(nèi)、外部條件的變化，具有運用知識解決問題和確定正確行為的能力。 低級智能和高級智能的概念低級智能感知環(huán)境、做出決策和控制行為高級智能不僅具有感知能力，更重要的是具有學習、分析、比較和推理能力，能根據(jù)復雜環(huán)境變化做出正確決策和適應環(huán)境變化 智能的三要素及其含義三個基本要素：推理、學習、聯(lián)想推理從一個或幾個已知的判斷（前提），邏輯地推斷出一個新判斷（結論）的思維形式學習根據(jù)環(huán)境變化，動態(tài)地改變知識結構聯(lián)想通過與其它知識的聯(lián)系，能正確地認識客觀事物和解決實際問題 故障： 故障的概念故障是指設備在規(guī)定條件下不能完成其規(guī)定功能的一種狀態(tài)?？?/p>

2、分為以下幾種情況： 1.設備在規(guī)定的條件下喪失功能； 2.設備的某些性能參數(shù)達不到設計要求，超出允許范圍； 3.設備的某些零部件發(fā)生磨損、斷裂、損壞等，致使設備不能正常工作； 4.設備工作失靈，或發(fā)生結構性破壞，導致嚴重事故甚至災難性事故。 故障的性質(zhì)及其理解1層次性系統(tǒng)是有層次的，故障的產(chǎn)生對應于系統(tǒng)的不同層次表現(xiàn)出層次性。一般可分為系統(tǒng)級、子系統(tǒng)級、部件級、元件級等多個層次；高層故障可由低層故障引起，而低層故障必定引起高層故障。診斷時可采用層次診斷模型和診斷策略。2相關性故障一般不會孤立存在，它們之間通常相互依存和相互影響，如系統(tǒng)故障常常由相關聯(lián)的子系統(tǒng)傳播所致。表現(xiàn)為，一種故障可能對應多

3、種征兆，而一種征兆可能對應多種故障。這種故障與征兆間的復雜關系導致了故障診斷的困難。3隨機性故障的發(fā)生常常是一個與時間相關的隨機過程，突發(fā)性故障的出現(xiàn)通常都沒有規(guī)律性，再加上某些信息的模糊性和不確定性，就構成了故障的隨機性。4可預測性設備大部分故障在出現(xiàn)之前通常有一定先兆，只要及時捕捉這些征兆信息，就可以對故障進行預測和防范。 故障診斷： 故障診斷的概念故障診斷就是對設備運行狀態(tài)和異常情況做出判斷。具體說來，就是在設備沒有發(fā)生故障之前，要對設備的運行狀態(tài)進行預測和預報；在設備發(fā)生故障之后，要對故障的原因、部位、類型、程度等做出判斷；并進行維修決策。 故障診斷的實質(zhì)及其理解故障診斷的實質(zhì)模式識別

4、（分類）問題 故障診斷的任務及其含義故障檢測：采用合適的觀測方式、在合適部位測取特征信號，即信號測??；采用合適的方法，從特征信號中提取狀態(tài)征兆，即征兆提取故障識別：采用合適的狀態(tài)識別方法與裝置，依據(jù)征兆而推理識別出設備的有關狀態(tài)，即狀態(tài)識別故障分離與估計：采用合適的狀態(tài)趨勢分析法，依據(jù)征兆與狀態(tài)推理出狀態(tài)的發(fā)展趨勢，即狀態(tài)預測故障評價與決策：采用合適的決策形成方法，依據(jù)有關的狀態(tài)和趨勢作出調(diào)整、控制、維修等，即干預決策 智能故障診斷： 智能故障診斷的概念智能故障診斷是人工智能和故障診斷相結合的產(chǎn)物，主要體現(xiàn)在診斷過程中領域?qū)＜抑R和人工智能技術的運用。它是一個由人（尤其是領域?qū)＜遥?、能模擬腦功

5、能的硬件及其必要的外部設備、物理器件以及支持這些硬件的軟件所組成的系統(tǒng)。 智能故障診斷的研究方法： 基于知識的研究方法 基于知識的研究方法：不需要對象的精確數(shù)學模型，而是根據(jù)人們長期的實踐經(jīng)驗和大量的故障信息設計出一套智能計算機程序，以此來解決復雜故障診斷問題。模糊故障診斷專家系統(tǒng)故障診斷神經(jīng)網(wǎng)絡故障診斷信息融合故障診斷智能體故障診斷集成化故障診斷網(wǎng)絡化故障診斷二、智能故障診斷的構成 基本結構： 智能故障診斷系統(tǒng)的基本結構兩大部分：故障檢測與診斷、故障容錯控制智能故障診斷與容錯控制的基本結構 智能故障檢測與診斷模塊的主要任務和基本要求故障檢測與診斷：就是從監(jiān)控對象中適時準確地檢測出故障信息，并

6、對故障產(chǎn)生的原因、部位、類型、程度及其發(fā)展做出判斷。其主要任務通常包含以下幾個方面的內(nèi)容：1.獲取故障信息；2.尋找故障源，確定故障的位置、大小、類型及原因；3.評價故障的影響程度，預測故障的發(fā)展趨勢；4.對檢測診斷結果做出處理和決策?；疽蟀ㄒ韵聨追矫妫?） 對故障具有強檢測能力故障檢測能力的強弱，一方面反映了檢測診斷模塊對故障的檢測能力，另一方面也直接影響故障診斷的效果對弱故障信號和早期故障信號，故障檢測能力尤為重要2） 對故障具有強診斷能力能綜合運用多種信息和多種診斷方法，以靈活的診斷策略來解決診斷問題；能通過使用專家的經(jīng)驗，而盡量避開信號處理方面復雜的實時計算；能處理帶有錯誤的信息

7、和不確定性信息，從而相對降低對測試儀器和工作環(huán)境的要求。3） 盡量采用模塊化結構結構應當模塊化，使之可以方便地調(diào)用其他應用程序如維修咨詢子模塊、模擬故障診斷子模塊等4） 具有人機交互診斷功能現(xiàn)代設備的復雜性，要求綜合運用多種知識源（淺、深知識）來求解復雜問題用戶適當?shù)貙崟r參與，將使診斷速度更快、準確性更高用戶參與有主動和被動兩種方式：主動參與可干預和引導推理過程；被動參與只回答提問，而不干預推理過程5） 具有多種診斷信息獲取的途徑獲取的診斷信息越豐富，則診斷效果越好首先，應具有自動獲取狀態(tài)信息（當前、歷史）的功能其次，應能通過人機交互獲取狀態(tài)信息6） 對問題求解應當實時和準確實時：一旦發(fā)現(xiàn)故障

8、跡象，應立即開始診斷工作準確：輸出結果應當細致明了，對于并發(fā)故障允許輸出多個診斷解，對于同一故障則只有一個診斷解，對于征兆不完備情況應輸出按權值排序的多個候選故障解7）具有學習功能現(xiàn)代設備的復雜性以及新知識的不斷涌現(xiàn)，導致專家現(xiàn)有知識的不足要求系統(tǒng)具有被動和主動（自學習）獲取新知識的能力8）具有預測能力應能預測故障的發(fā)生和發(fā)展，以便在故障沒有發(fā)生之前采取措施，將故障消滅在萌芽狀態(tài)，使損失減為最小9）具有決策能力故障出現(xiàn)前，應能提前預測故障故障出現(xiàn)后，應能對故障做出決策并提供維護方案 構成原理： 故障檢測與診斷的常用方法1）基于數(shù)學模型的故障檢測與診斷方法特點是必須將故障數(shù)學模型化，有時建立模型

9、很困難不依賴實例和經(jīng)驗，適用于新的沒有成熟經(jīng)驗的診斷2）基于參數(shù)估計的故障檢測與診斷方法特點是須先確定一個信任域，當參數(shù)超出域時認為故障適用于故障能由參數(shù)的顯著變化來描述的診斷3）基于信號處理的故障檢測與診斷方法通過對檢測信號的分析處理，利用特征信號對故障進行識別和診斷。典型方法：小波變換、模態(tài)分解等4）基于知識的故障檢測與診斷方法不需精確的數(shù)學模型，能模擬人的思維過程，具有自學習、自組織、自推理能力5）基于實例的故障檢測與診斷方法是一種使用過去的經(jīng)驗實例指導解決新問題的方法優(yōu)點是不需從實例中提取規(guī)則，求解快；不足是能搜集的實例是有限的，求解時可能出現(xiàn)誤診或漏診6）基于模糊理論的故障檢測與診斷

10、方法征兆的描述、故障與征兆的關系往往具有模糊特性，模糊語言變量能更準確地表示這種模糊性的征兆和故障問題在于知識獲取困難：如何確定故障與征兆間的模糊規(guī)則；如何實現(xiàn)模糊語言變量與隸屬度間的推理轉(zhuǎn)換7）基于神經(jīng)網(wǎng)絡的故障檢測與診斷方法利用神經(jīng)網(wǎng)絡的聯(lián)想、推理和記憶能力進行知識處理適用于復雜多模式的診斷，有離線和在線診斷兩種方式 智能故障診斷中的機器學習策略及其理解簡單學習：文獻、專家和資料所描述的關于診斷對象的結構、功能、運行約束條件等知識，機械學習機制為主；主要用于元知識學習階段交互學習：知識工程師或診斷對象處理過的知識，講授學習機制為主；主要用于領域知識學習和知識庫豐富階段獨立學習：推理策略面對

11、的新知識，歸納學習機制為主；主要用于診斷能力改善階段 構成方法： 智能故障診斷系統(tǒng)的設計要求 智能故障診斷系統(tǒng)的設計，一般應滿足以下要求：1）滿足故障診斷的實際需要；主要指標有故障診斷率、診斷結果準確率、系統(tǒng)可靠性和投資效益比等，一般需分階段實現(xiàn)系統(tǒng)目標。2）建立適應不同診斷對象的知識庫；智能故障診斷系統(tǒng)是基于知識的，以知識處理為研究內(nèi)容，知識庫的建立是保證診斷結果正確性的前提。3）能自動獲取征兆；征兆的自動獲取是實現(xiàn)故障診斷智能化的重要環(huán)節(jié)。將征兆獲取從用戶交給計算機，既可減少人為差錯、提高診斷準確率，又可減輕操作要求、提高系統(tǒng)可接受性。4）診斷和推理方法應符合故障診斷要求；應從征兆出發(fā)去診

12、斷故障，征兆對故障的肯定和否定程度，是故障診斷的根本依據(jù)。因此，知識表示和不精確推理應當充分反映故障診斷的特點。5）能實現(xiàn)計算機自動診斷；完成系統(tǒng)的方案設計后，用計算機進行系統(tǒng)的實際開發(fā)，可以使故障診斷易于實現(xiàn)，并獲得最佳效果。6）系統(tǒng)要經(jīng)過嚴格的測試和考核。一方面，開發(fā)進度的加快導致測試時間減少；另一方面，系統(tǒng)一般是由缺少現(xiàn)場經(jīng)驗的人員研制的。經(jīng)實驗室模擬測試、現(xiàn)場測試后，才能投入實際應用。三、智能故障診斷的控制方案 幾種控制方案的基本原理 基于狀態(tài)反饋、基于多模冗余、基于功能模塊、基于神經(jīng)網(wǎng)絡、基于專家系統(tǒng)的控制方案 基于專家系統(tǒng)的控制方案 結構、原理控制方案：知識庫存放領域?qū)＜抑R；數(shù)據(jù)

13、庫存放監(jiān)控對象原始數(shù)據(jù)、故障特征數(shù)據(jù)等；推理機按一定的推理規(guī)則，對監(jiān)控對象進行故障識別、估計和決策，根據(jù)故障性質(zhì)采取相應策略進行容錯控制。 推理過程和推理機的概念，推理策略及其理解推理：就是對故障進行識別和容錯控制推理過程：就是將數(shù)據(jù)庫中的事實與知識庫中的規(guī)則進行匹配的過程推理機：實際上就是實現(xiàn)推理過程的一種智能程序推理方法：正向推理、反向推理、正反向混合推理基于數(shù)據(jù)驅(qū)動的正向推理策略：推理過程較慢，適用于搜索空間較小的知識庫；基于目標驅(qū)動的反向推理策略、正反向混合的雙向推理策略：推理效率較高，適用于搜索空間較大的知識庫或在線故障診斷。 知識的分類及其理解1）原型知識：原型知識是領域?qū)＜抑赋龅?/p>

14、故障集和征兆集這兩個集合之間存在的確定的映射關系“征兆族à故障”生成的診斷知識可由規(guī)則或框架表示它是故障診斷必備的知識，也是推理機工作的基礎2）關聯(lián)知識：關聯(lián)知識是描述故障傳播特性的知識生成的診斷知識一般由規(guī)則來表示它表征了診斷系統(tǒng)內(nèi)部的狀態(tài)聯(lián)系，構成了診斷問題的求解路徑，引導診斷向縱深推進直到故障的位置和原因3）權重知識：權重知識是領域?qū)＜覍收祥g關系及證據(jù)可靠度的認識它可以有目的地引導診斷過程的進行，提高診斷效率 對象的分解及其理解1）結構分解：從結構上對系統(tǒng)進行分解，把系統(tǒng)的總體結構分解為下一層的子結構，直到最低層次的零部件最終可確定系統(tǒng)故障的物理位置，但難以表達子系統(tǒng)間的相互

15、關系，難以反映由聯(lián)系劣化所引起的故障2）功能分解：從功能上對監(jiān)控對象進行分解，把系統(tǒng)的總體功能分解為下一層次的子功能，直到最低層次的基本功能無論子系統(tǒng)或與其相聯(lián)系的故障都能在功能層次中反映出來，但最終確定的診斷結果是系統(tǒng)劣化的功能模塊3）故障分解：從故障類型上對監(jiān)控對象進行分解，下層總是上層的特例、而上層則是下層的概括，直到最具體的故障可反映出所有類型的故障，但難以確定故障的物理位置綜合分解原則：在高層采用結構和功能分解，減少分類過程的搜索量；在中間和低層采用故障分解，與診斷目的一致四、智能故障診斷的控制策略 瞬時故障的消除： 幾種常見的瞬時故障消除策略1）循環(huán)采樣技術：將信號的一次采樣改為循

16、環(huán)采樣，通過對采集數(shù)據(jù)的類比分析，消除瞬時故障2）自動補償技術：采用特殊結構和特殊裝置組成補償器，抵消瞬時故障影響，如溫度補償器3）自動切換技術：設備運行中出現(xiàn)瞬時過載等不安全情況時，使設備有關部分或全部停止運行，消除瞬時故障影響和保護設備，如切換開關、熔斷器4）阻尼技術：設備運行中出現(xiàn)過載物理量時，對其加以限制或衰減，消除瞬時故障影響，如電感器抑制過電壓、減震器吸收振動沖擊等5）旁路技術：把瞬時過載能量或不需要的物理量從旁路泄走，如低阻通路將瞬時過載電能旁路到大地、過流閥旁路掉液壓或氣動系統(tǒng)能量等6）屏蔽技術：把瞬時故障的效應屏蔽起來，以消除瞬時故障的影響，如碳纖維或形狀記憶合金等7）隔離技

17、術：通過設計瞬時故障隔離器來消除瞬時故障的影響，如電磁隔離等 多模塊并行診斷策略： 概念或原理即對同一種故障信息，用不同的診斷模塊進行識別，若結果相同或基本相同，則認為診斷成功，并根據(jù)故障性質(zhì)和故障特征，調(diào)用相應的容錯模塊對故障進行容錯控制；若診斷結果差異較大，則可采用表決方法對結果做出判斷。 單輸出對象：模型區(qū)域劃分、模型切換、避免切換震蕩模型區(qū)域劃分：僅根據(jù)控制器輸出所在的一維區(qū)域，劃分為有代表性的不同工作區(qū)段。模型切換：根據(jù)期望控制器輸出判斷下一時刻系統(tǒng)處在哪個子模型控制器的控制域內(nèi)，以此切換模型。避免切換振蕩：擴大訓練域冗余，使相鄰訓練域相互重疊；在總的工作范圍內(nèi)離線訓練一個網(wǎng)絡模型，

18、作為過渡過程使用。 多輸出對象：模型區(qū)域劃分、模型切換模型區(qū)域劃分：不能僅根據(jù)控制器輸出所在的一維區(qū)域進行劃分，可以通過聚類方法劃分樣本空間進行子模型訓練。模型切換：選擇包括當前系統(tǒng)狀態(tài)的子模型作為控制器；將當前輸入與各子模型工作空間的隸屬度作為權值，各子模型都對輸出進行加權貢獻。 五、智能故障診斷的實現(xiàn)方法 故障信號檢測： 可預測故障和不可預測故障的概念1）可預測故障：是指那些可預先知道的故障。故障發(fā)生前通常都有一定征兆，只要及時捕捉這些征兆信息并采取相應措施，就可預防故障。漸發(fā)性故障是一種最常見的可預測故障。2）不可預測故障：是指那些不可預先知道，但會影響設備正常工作的故障。突發(fā)性故障是其

19、中最典型的一種?？深A測故障通常有一定規(guī)律性，易于檢測和防范；不可預測故障具有隨機性，且常對設備造成嚴重危害，是故障診斷研究的主要對象。 故障的判斷標準1）絕對標準：在設備的同一部位、按一定要求測得的表現(xiàn)設備狀態(tài)的值，與某種相應判斷標準相比較，以評定設備的狀態(tài)。2）相對標準：對設備的同一部位、同一工況、同一測量值，用相同方法進行定期測取，按時間先后將實測值與正常狀態(tài)下的初始值進行比較來判斷。3）類比標準：若有多臺機型相同、規(guī)格相同的設備，在相同條件下用相同方法進行測定，通過相互比較來評定設備的狀態(tài)。 微弱信號檢測的概念微弱信號檢測：分析噪聲產(chǎn)生的原因和規(guī)律，研究被測信號的特點和相關性，檢測被噪聲淹沒的微弱有用信號、或從強噪聲中提取有用信號、或采用其他新技術和新方法來提高檢測系統(tǒng)輸出信號的信噪比。 早期故障的主要特點及其理解1）早期故障信號很微弱：早期故障屬于輕微故障，其故障信號分量通常很小，不易察覺；2）早期故障信號表征不明顯：早期故障信號的幅值、相位、時頻特性等變化很小，表征很不明顯；3）早期故障信號容易被噪聲信號淹沒：由于噪聲信號通常會夾雜在故障信號中，當故障信號很弱時噪聲信號就相對較強，早期故障信號常被噪聲信號所淹沒，具有很大的隱蔽性。 故障特征識別： 故障識別的內(nèi)容1）正確選擇與設備狀態(tài)有關的特征信號特征信號是指與設備功能緊密相關的、最