故障診斷與專家系統(tǒng)

1、故障診斷與專家系統(tǒng)作業(yè)題 目： 模糊數(shù)學(xué)在故障診斷中的應(yīng)用 學(xué) 院 信 息 與 控 制 學(xué) 院 專 業(yè) 15 控 制 工 程 姓 名 史 凱 學(xué) 號 20152283418 任課教師 李 濤 成 績 故障診斷與專家系統(tǒng)1. 故障診斷1.1故障診斷的定義利用各種檢查和測試方法，發(fā)現(xiàn)系統(tǒng)和設(shè)備是否存在故障的過程是故障檢測；而進(jìn)一步確定故障所在大致部位的過程是故障定位。故障檢測和故障定位同屬網(wǎng)絡(luò)生存性范疇。要求把故障定位到實施修理時可更換的產(chǎn)品層次（可更換單位）的過程稱為故障分離。故障診斷就是指故障檢測和故障分離的過程。系統(tǒng)故障診斷是對系統(tǒng)運行狀態(tài)和異常情況作出判斷，并根據(jù)診斷作出判斷為系統(tǒng)故障決策

2、提供依據(jù)。要對系統(tǒng)進(jìn)行故障診斷，首先必須對其進(jìn)行檢測，在發(fā)生系統(tǒng)故障時，對故障類型、故障部位及原因進(jìn)行診斷，最終給出解決方案，實現(xiàn)故障決策。1.2故障診斷的主要任務(wù)故障診斷的主要任務(wù)有：故障檢測、故障分離、故障估計及故障決策等。其中：故障檢測是指與系統(tǒng)建立連接后，周期性地向下位機(jī)發(fā)送檢測信號，通過接收的響應(yīng)數(shù)據(jù)幀，判斷系統(tǒng)是否產(chǎn)生故障；故障分離就是系統(tǒng)在檢測出故障之后，通過分析原因，判斷出系統(tǒng)故障的類型；故障估計是在前兩部的基礎(chǔ)之上，細(xì)化故障種類，診斷出系統(tǒng)具體故障部位和故障原因，為故障決策做準(zhǔn)備；故障決策是整個故障診斷過程中最后也是最重要的一個環(huán)節(jié)，需要根據(jù)故障原因，采取不同的措施，對系統(tǒng)故

3、障進(jìn)行排除。2.故障診斷系統(tǒng)的性能指標(biāo)1）故障檢測的及時性：是指系統(tǒng)在發(fā)生故障后，故障診斷系統(tǒng)在最短時間內(nèi)檢測到故障的能力。故障發(fā)生到被檢測出的時間越短說明故障檢測的及時性越好。2）早期檢測的靈敏度：是指故障診斷系統(tǒng)對微小故障信號的檢測能力。故障診斷系統(tǒng)能檢測到的故障信號越小說明其早期檢測的靈敏度越高。3）故障的誤報率和漏報率：誤報指系統(tǒng)沒有出去故障卻被錯誤檢測出發(fā)生故障；漏報是指系統(tǒng)發(fā)生故障卻沒有被檢測出來。一個可靠的故障診斷系統(tǒng)應(yīng)盡可能使誤報率和漏報率最小化。4）故障分離能力：是指診斷系統(tǒng)對不同故障的區(qū)別能力。故障分離能力越強(qiáng)說明診斷系統(tǒng)對不同故障的區(qū)別能力越強(qiáng)，對故障的定位就越準(zhǔn)確。5）

4、故障辨識能力：是指診斷系統(tǒng)辨識故障大小和時變特性的能力。故障辨識能力越高說明診斷系統(tǒng)對故障的辨識越準(zhǔn)確，也就越有利于對故障的評價和維修。6）魯棒性：是指診斷系統(tǒng)在存在噪聲、干擾等的情況下正確完成故障診斷任務(wù)，同時保持低誤報率和漏報率的能力。魯棒性越強(qiáng)，說明診斷系統(tǒng)的可靠性越高。7）自適應(yīng)能力：是指故障診斷系統(tǒng)對于變化的被測對象具有自適應(yīng)能力，并且能夠充分利用變化產(chǎn)生的新信息來改善自身。以上性能指標(biāo)在實際應(yīng)用中，需要根據(jù)實際條件來分析判斷哪些性能是主要的，哪些是次要的，然后對診斷方法進(jìn)行分析，經(jīng)過適當(dāng)?shù)娜∩岷蟮贸鲎罱K的診斷方案。2.1故障診斷的方法近代故障診斷技術(shù)的發(fā)展已經(jīng)歷30年，但形成一門“

5、故障診斷學(xué)”的綜合性新學(xué)科，還是近幾年逐步發(fā)展起來的，以不同的角度來看，有多種故障診斷的分類方法，這些方法各有特點。概括而言，故障診斷方法可以分成兩大類：基于數(shù)學(xué)模型的故障診斷方法、基于人工智能的故障診斷方法。1.基于輸入輸出信號的方法故障診斷基于數(shù)學(xué)模型的方法3.基于過程參數(shù)估算的方法2.基于狀態(tài)估算的方法10.基于故障樹的方法9.基于模糊數(shù)學(xué)的方法8.基于神經(jīng)網(wǎng)絡(luò)的方法7.基于案例的方法基于人工智能的故障診斷方法專家系統(tǒng)的方法6.基于深淺知識混合的方法5.基于深知識的方法4.基于淺知識的方法2.1.1基于專家系統(tǒng)的診斷方法基于專家系統(tǒng)的診斷方法是故障診斷領(lǐng)域中最為引人注目的發(fā)展方向之一，也

6、是研究最多、應(yīng)用最廣的一類智能型診斷技術(shù)。它大致經(jīng)歷了兩個發(fā)展階段：基于淺知識領(lǐng)域?qū)＜业慕?jīng)驗知識的故障診斷系統(tǒng)、基于深知識診斷對象的模型知識的故障診斷系統(tǒng)。（1）基于淺知識的智能型專家診斷方法 淺知識是指領(lǐng)域?qū)＜业慕?jīng)驗知識?；跍\知識的故障診斷系統(tǒng)通過演繹推理或產(chǎn)生式推理來獲取診斷結(jié)果，其目的是尋找一個故障集合，使之能對一個給定集合產(chǎn)生的原因作出最)包括存在的和缺席的(的征兆佳解釋。 基于淺知識的故障診斷方法具有知識直接表達(dá)、形式統(tǒng)一、高模組性、推理速度快等優(yōu)點。但也有局限性，如知識集不完備，對沒有考慮到的問題系統(tǒng)容易陷入困境；對診斷結(jié)果的解釋能力弱等缺點。 （2）基于深知識的智能型專家診斷方

7、法 深知識則是指有關(guān)診斷對象的結(jié)構(gòu)、性能和功能的知識?；谏钪R的故障診斷系統(tǒng)，要求診斷對象的每一個環(huán)境具有明顯的輸入輸出表達(dá)關(guān)系，診斷時首先通過診斷對象實際輸出與期望輸出之間的不一致，生成引起這種不一致的原因集合，然后根據(jù)診斷對象領(lǐng)(域中的第一定律知識)及其具有明確科學(xué)依據(jù)的知識他內(nèi)部特定的約束聯(lián)系，采用一定的算法，找出可能的故障源。 基于深知識的智能型專家診斷方法具有知識獲取方便、維護(hù)簡單、完備性強(qiáng)等優(yōu)點，但缺點是搜索空間大，推理速度慢。 （3）基于淺知識和深知識的智能型專家混合診斷方法 基于復(fù)雜設(shè)備系統(tǒng)而言，無論單獨使用淺知識或深知識，都難以妥善地完成診斷任務(wù)，只有將兩者結(jié)合起來，才能使

8、診斷系統(tǒng)的性能得到優(yōu)化。因此，為了使故障智能型診斷系統(tǒng)具備與人類專家能力相近的知識，研發(fā)者在建造智能型診斷系統(tǒng)時，越來越強(qiáng)調(diào)不僅要重視領(lǐng)域?qū)＜业慕?jīng)驗知識，更要注重診斷對象的結(jié)構(gòu)、功能、原理等知識，研究的重點是淺知識與深知識的整合表示方法和使用方法。事實上，一個高水平的領(lǐng)域?qū)＜以谶M(jìn)行診斷問題求解時，總是將他具有的深知識和淺知識結(jié)合起來，完成診斷任務(wù)。一般優(yōu)先使用淺知識，找到診斷問題的解或者是近似解，必要時用深知識獲得診斷問題的精確解。2.1.2基于神經(jīng)網(wǎng)絡(luò)的人工智能型診斷方法知識獲取上，神經(jīng)網(wǎng)絡(luò)的知識不需要由知識工程師進(jìn)行整理、總結(jié)以及消化領(lǐng)域?qū)＜业闹R，只需要用領(lǐng)域?qū)＜医鉀Q問題的實例或范例來訓(xùn)

9、練神經(jīng)網(wǎng)絡(luò)；在知識表示方面，神經(jīng)網(wǎng)絡(luò)采取隱式表示，并將某一問題的若干知識表示在同一網(wǎng)絡(luò)中，通用性高、便于實現(xiàn)知識的總動獲取和并行聯(lián)想推理。在知識推理方面，神經(jīng)網(wǎng)絡(luò)通過神經(jīng)元之間的相互作用來實現(xiàn)推理。2.1.3基于模糊數(shù)學(xué)的人工智能型診斷方法許多診斷對象的故障狀態(tài)是模糊的，診斷這類故障的一個有效的方法是應(yīng)用模糊數(shù)學(xué)的理論?；谀：龜?shù)學(xué)的診斷方法，不需要建立精確的數(shù)學(xué)模型(membershipfunction)，適當(dāng)?shù)倪\用局部函數(shù)和模糊規(guī)則，進(jìn)行模糊推理就可以實現(xiàn)模糊診斷的智能化。2.1.4基于故障樹的人工智能型診斷方法故障樹方法是由電腦依據(jù)故障與原因的先驗知識和故障率知識自動輔助生成故障樹，并自

10、動生成故障樹的搜索過程。診斷過程從系統(tǒng)的某一故障“為什么出現(xiàn)這種顯現(xiàn)”開始，沿著故障樹不斷提問而逐級構(gòu)成一個梯階故障樹，透過對此故障樹的啟發(fā)式搜索，最終查出故障的根本原因。在提問過程中，有效合理地使用系統(tǒng)的及時動態(tài)數(shù)據(jù)，將有助于診斷過程的進(jìn)行。于故障樹的診斷方法，類似于人類的思維方式，易于理解，在實際情況應(yīng)用較多，但大多與其他方法結(jié)合使用。3.基于模糊數(shù)學(xué)的故障診斷專家系統(tǒng)的設(shè)計與實現(xiàn)機(jī)械故障診斷中,故障現(xiàn)象與故障原因之間通常沒有一一對應(yīng)的關(guān)系,一種故障現(xiàn)象可能是由多種原因引起,而一種原因發(fā)生故障可能會產(chǎn)生多種現(xiàn)象。因此,機(jī)械故障具有一定的模糊性,具體表現(xiàn)為:a.同一故障表現(xiàn)形式呈多樣性;b.

11、幾種故障同時發(fā)生并互相誘發(fā);c.故障間的分類具有模糊性,即不同故障具有相似或相近的特征;d.故障的存在程度具有模糊性,不能把故障絕對識別為“存在”與“不存在”。對于機(jī)械故障的模糊現(xiàn)象,用傳統(tǒng)的數(shù)學(xué)工具進(jìn)行定量診斷往往存在一些困難,而模糊數(shù)學(xué)方法則顯示出其優(yōu)越性。模糊診斷法是一種基于知識的自動診斷方法,它是利用模糊邏輯來描述故障原因與故障現(xiàn)象之間的模糊關(guān)系,通過隸屬函數(shù)和模糊關(guān)系方程解決故障原因與狀態(tài)識別問題。3.1模糊數(shù)學(xué)理論基礎(chǔ)3.1.1模糊關(guān)系矩陣的數(shù)學(xué)表述設(shè)是因素甲的狀態(tài)集,是因素乙的狀態(tài)集,同時考慮甲乙兩因素,可能狀態(tài)集是和任意搭配的元素(x,y)所構(gòu)成,記為:X× Y=(x

12、,y):x X,y Y從X到Y(jié)的一個模糊關(guān)系R是指X× Y上的一個模糊子集,其隸屬度表示x與y具有關(guān)系R的程度。當(dāng)X=x1,x2, ,xm,Y=y1,y2, ,yn為有限集時,(xi,yj) X× Y,記ij= R(xi,yj),則0 1,且R可用矩陣(ij)n× m表示,稱模糊關(guān)系矩陣。在模糊數(shù)學(xué)理論中,隸屬度用0與1之間的數(shù)值表示。3.1.2貼近度與擇近原則在模糊模式識別中,可以用模糊集的內(nèi)積和外積的概念來構(gòu)造模糊集的貼近度。如果A和B是論域Z上的兩個模糊集,則有:A和B的內(nèi)積:A·B= z ZA(Z) B(Z)A和B的外積:A B= z ZA(Z)

13、 B(Z) 則模糊集A和B貼近度為:(A,B)=12 A·B+(1- A B) 擇近原則:給定論域z上的模糊子集A1,A2, ,An,及另一個模糊子集B,若有1 i n使得:(B,Ai)= 1 j n(B,Aj) 則認(rèn)為B與Ai最貼近。3.2模糊診斷專家系統(tǒng)的設(shè)計與實現(xiàn)該模糊診斷專家系統(tǒng)有模糊故障診斷知識庫、模糊診斷程序和人機(jī)界面三部分組成。3.2.1模糊故障診斷知識庫的建立故障知識庫文件中包含故障隸屬度矩陣維數(shù)、故障隸屬度表(故障原因與故障現(xiàn)象的模糊關(guān)系矩陣)、故障現(xiàn)象名稱、故障原因名稱及相應(yīng)處理意見等內(nèi)容。對于一個特定的診斷目標(biāo),確定它的典型故障現(xiàn)象集合為X,而將故障原因集合稱為

14、Y,R為具有密切關(guān)系的模糊集合。因此,R表示了現(xiàn)象X到故障Y上的一個模糊關(guān)系。其值可根據(jù)經(jīng)驗和專家統(tǒng)計等方法綜合評定。這種故障診斷可以描述如下:診斷目標(biāo)(原因集):原因集1,原因集2, ;現(xiàn)象集:現(xiàn)象集1,現(xiàn)象集2,。模糊關(guān)系矩陣:ij,ij是矩陣第i行、第j列的元素,ij0,1,ij反映了故障現(xiàn)象、原因相關(guān)程度的量化模糊值,該值的可靠性決定了診斷成果的優(yōu)劣與成敗。3.2.2實際故障現(xiàn)象的模糊描述故障診斷是根據(jù)故障現(xiàn)象判別故障原因的識別過程。模糊智能故障診斷就是以模糊數(shù)學(xué)理論為基礎(chǔ),對機(jī)械故障進(jìn)行模式識別的過程。建立模糊矩陣時,一個故障的所有故障原因是一個集合,故障原因相互獨立,是一個單元素集

15、合。這樣每種故障原因與故障現(xiàn)象可以生成一個模糊關(guān)系集,這個模糊關(guān)系集可以作為一個故障模式。所以一種故障現(xiàn)象有多少種故障原因就應(yīng)有多少個故障模式。具體的故障診斷中,需要知道待診斷故障原因與實際故障現(xiàn)象之間的模糊關(guān)系。在模糊診斷中哪一個故障原因?qū)?yīng)的模糊關(guān)系向量與此模式最接近,哪一個就是診斷結(jié)果。4.模糊數(shù)學(xué)在閥門故障診斷中的應(yīng)用閥門廣泛應(yīng)用于工業(yè)容器和管道系統(tǒng)中,閥門工作可靠性不僅關(guān)系到企業(yè)的生產(chǎn),還涉及到設(shè)備和人身安全,因此,閥門故障診斷和預(yù)測顯得尤為重要。然而,閥門除了本體外,還有復(fù)雜的控制部分和執(zhí)行器,其故障原因和癥狀間很多時候不是一一對應(yīng)的,因而呈現(xiàn)出復(fù)雜的關(guān)系,從而導(dǎo)致診斷的決策出現(xiàn)多

16、義性。并且,在狀態(tài)監(jiān)測中,設(shè)備狀態(tài)從正常到不正常都有一個漸變過程,這時由于征兆的非典型表現(xiàn)也會出現(xiàn)判斷的多交性。這種故障診斷的模糊性,以往主要依靠經(jīng)驗解決。隨著模糊數(shù)學(xué)的產(chǎn)生和發(fā)展,使得計算機(jī)處理模糊信息成為可能。利用模糊數(shù)學(xué)的理論基礎(chǔ),對故障診斷的模糊事物進(jìn)行推理、判斷并作出決策,在閥門智能診斷和故障預(yù)測方面有著重要意義。4.1模糊數(shù)學(xué)模型4.1.1隸屬函數(shù)在傳統(tǒng)的故障診斷中,對應(yīng)于故障癥狀,做出的結(jié)論是某零部件是否存在故障,一般用邏輯代數(shù)就可表示。如當(dāng)表示“零件u有故障”時,可用R= 1表示,表示“零件u完好”時,可用R=0。但表示“零件u有輕微/一般/嚴(yán)重/相當(dāng)嚴(yán)重故障”時,無準(zhǔn)確的表示

17、方式。為了解決這個問題,模糊數(shù)學(xué)引入隸屬函數(shù)A(u)進(jìn)行描述,且有0A(u) 1。因此對“零件u有輕微/一般/嚴(yán)重/相當(dāng)嚴(yán)重故障”的模糊數(shù)學(xué)集合表示為A= 1,2,3,4。對每一隸屬函數(shù)賦值1(輕微)= 0.2,2(一般)= 0.4,3(嚴(yán)重)=0.7,4(相當(dāng)嚴(yán)重)= 1。4.2故障診斷的模糊關(guān)系設(shè)故障檢測狀態(tài)集合U = u1,u2,u3, ,un- 1,un,故障原因集合V = v1,v2,v3, ,vm- 1,vm,則U× V的一個模糊子集R就是從U到V的模糊關(guān)系。它表示檢測狀態(tài)到故障原因的一種模糊映射關(guān)系。R的隸屬函數(shù)R(u,v)用n× m階矩陣表示：其中rij=

18、R(u, v) 0, 1,即是檢測狀態(tài)量化后對故障原因的相關(guān)程度。rij的確定需要考慮很多因素,應(yīng)盡量多的收集相的信息,以反映故障現(xiàn)象和故障原因間的關(guān)系。隸屬度rij一般采用專家打分法、模糊統(tǒng)計法和二元對比排序法確定。4.3故障原因綜合評判故障診斷是對異常狀態(tài)的檢測、異常原因的識別及異常狀態(tài)預(yù)測。現(xiàn)場檢測故障原因評判公式為B= AR 式中 A加權(quán)向量,與狀態(tài)集U的量化集合U有關(guān)U= u1, u2, u3, , un- 1, un ui通過檢測結(jié)果按一定的指標(biāo)給予隸屬度的值(不能量化的檢測結(jié)果,按評價語義確定其隸屬度)R模糊關(guān)系矩陣 模糊算子對U= u1,u2,u3, ,un- 1,un歸一化處

19、理,得到A= a1,a2, ,an, ai=1/n uj在應(yīng)用中, “”可表示不同的運算法則。M( , )用在主元素決定評介結(jié)合的情況。M(, )體現(xiàn)一種加權(quán),但仍然突出主元素情況。M( , )以求和代表取大,削弱主元素的作用。M(, )體現(xiàn)一種綜合,其實已轉(zhuǎn)化為矩陣乘法。4.4故障識別對計算結(jié)果可按最大隸屬函數(shù)或擇近原則進(jìn)行故障識別。(1)最大錄屬原則設(shè)論域U上的n個模糊子集A1,A2, ,An構(gòu)成一個標(biāo)準(zhǔn)模型庫,若對任一元素u0 U有uAi(u0)= maxuAi(u0),uA2(u0),uAn(u0) 則認(rèn)為相對隸屬于Ai。(2)擇近原則設(shè)A1, A2, , An是論域上的模糊子集,構(gòu)成

20、一個標(biāo)準(zhǔn)模型庫。B是待識別模糊子集。若存在(B,Aj)= max(B,A1),(B,A1),(B,A2), ,(B,An) 則稱B與A最帖近,即認(rèn)為B屬于A。4.5 實例應(yīng)用以安全閥為例,運用模糊數(shù)學(xué)理論,進(jìn)行故障診斷分析。安全閥常見故障現(xiàn)象有閥門泄漏、閥體結(jié)合面滲漏、沖量安全閥不動作、沖量安全閥回座、后主安全閥延遲回座時間過長、安全閥回座壓力低和安全閥頻跳等。故障癥狀集U= a, b,c, d, e, f。而相應(yīng)的故障原因有密封面損傷v1、密封墊失效v2、設(shè)計制造缺陷v3、螺栓緊力不夠或緊偏v4、相應(yīng)運動部件有卡阻v5、活塞室漏氣量誤差和安全閥回座壓力過高v6等。故障原因集式中dy單元填料厚

21、度。若用石棉盤根,其摩擦力為根據(jù)國內(nèi)各使用單位所選用的執(zhí)行器可知,自動控制閥的全行程調(diào)節(jié)需要30 60s,自動控制閥是全天投運(24h)。經(jīng)調(diào)查實際調(diào)節(jié)率為75%。即每天工作18h,由于使用了柔性石墨可減小摩擦力6kN,實際做功935.6kJ(0.26kW/h電)。一個使用單位如果有自動控制閥約213只(場所大小不同數(shù)量各異),由于閥桿直徑不同其摩擦力也不同,自動控制閥偏大,一般也是自動控制閥的一半,這樣可節(jié)9968.4kW/h。由此可知,在使用單位和閥門制造廠大力推廣使用柔性石墨是節(jié)約能源的一項主要措施,也是十分有必要的,建議閥門的設(shè)計使用柔性石墨,為此可以節(jié)約更多的能源。5.總結(jié)采用了基于模糊理論的模糊診斷法,能顯著縮短故障診斷時間,提高故