智能故障诊断技术知识总结

合集下载

故障诊断技术综述

故障诊断技术综述

故障诊断技术综述一引言故障诊断技术是一门紧密结合生产实际的工程科学,是现代化生产发展的产物。

随着现代科学技术在设备上的应用,设备的结构越来越复杂,功能也越来越完善,自动化程度越来越高,由于许多无法避免的因素影响,会导致设备出现各种故障,从而降低或失去预定的功能,甚至会造成严重的乃至灾难性的事故。

不言而喻,机械故障诊断技术在工业生产中起着越来越重要的作用,生产实践证明,研究故障诊断技术具有重要的现实意义。

二故障诊断技术的定义故障诊断技术就是在设备运行中或基本不拆卸设备的情况下,掌握设备的运行状况,根据对被诊断对象测试所取得的有用信息进行分析处理,判断被诊断对象的状态是否处于异常状态或故障状态,判断劣化状态发生的部位或零部件,并判定产生故障的原因,以及预测状态劣化的发展趋势等。

其目的是提高设备效率和运行可靠性,防患于未然,避免故障的发生。

三故障诊断技术的构成环节从故障诊断的流程看,通常诊断系统由信号采集、信号处理、状态识别和诊断决策四大部分构成。

其中,信号采集是基础,信号分析和处理是关键,状态识别(包括判断和预报)是核心,决策与管理是最终目标。

前3个环节是基本环节。

1.信号采集信息采集的基本任务是获取有用的信息。

这是故障诊断的基础和前提,监测获取到的有用信息越多,监测数据越真实,越容易判断出故障原因。

在运行过程中,必然会有力、热、振动及能量等各种量的变化,由此会产生各种不同的信息,根据不同的诊断需要,选择能表征设备工作状态的不同信息,如振动、压力及温度等,是十分必要的。

这些信号一般是用不同的传感器来拾取的。

只有采集到反映设备实际状态的信号,诊断的后续工作才有意义,因而信号采集是故障诊断技术中不可缺少的重要环节。

(1) 常用的设备状态监测技术分类1) 振动信号监测技术对设备的振动信号测试和分析,能获得机体、转子或其他零部件的振动幅值、频率和相位3个基本要素,经过对信号的分析、处理与识别,可了解到设备的振动特点、结构强弱、振动来源、故障部位和故障原因,为诊断决策提供依据。

故障诊断技术基础_第5章第1-5节

故障诊断技术基础_第5章第1-5节

5.3 谓词逻辑表示法
谓词逻辑表示法 以数理逻辑为基础,是目前为止能够表 达人类思维活动规律的一种最精确的形式语言,他与人类的自 然语言比较接近,又可方便地存储到计算机中去,并被计算机 做精确处理,最早应用于AI。
1. 谓词与个体
个体 是可以独立存在的物体,它可以是抽象的也可以是具体的。 例:鲜花,电视机,唯物主义等都是个体。
例如 : 规则1: if 规则2:if
该动物有羽毛 该动物是鸟
then 该动物是鸟 and 有长脖子; and 有长腿; and 不会飞; then 该动物是鸵鸟。
2. 规则组知识表示法
规则组 = 规则架 + 规则体 RULE n IF …… THEN …… RB{ 体规则 IF …… THEN …… 计算规则 }
目前,产生式表示法已经成为人工智能中应用最多的一种知 识表示法,许多成功的专家系统都用它来表示知识。
1. 产生式知识表示法
产生式表示法容易用来描述事实、规则以及它们的不确定性 度量。
确定性规则知识的表示 PQ
或 IF P THEN Q 不确定性规则知识的表示
PQ (可信度) 或 IF P THEN Q (可信度)
定义谓词及个体,确定每个谓词及个体的确切含义。 根据所要表达的事物或概念,为谓词中的变元 赋值。 根据所要表达的指示的语义,用连接符 连接 谓词,形成
谓词公式
例:设有下列事实性知识, 用谓词公式表示这些知识。 王芳是一名计算机系的学生,但她不喜欢编程序。 马东比他父亲长得高。
解: 第一步:定义谓词: COMPUTER ( x ):x 是计算机系的学生 LIKE ( x ,y ):x 喜欢 y HIGHER ( x,y ):x 比 y 长得高

智能故障诊断技术

智能故障诊断技术

发展趋势
随着知识工程的发展及数据库、虚拟现实和神经网 络技术的日新月异,必然引起智能故障诊断技术的不断发 展,其发展趋势可概括为以下几点: 1.多种知识表示方法的结合 2.经验知识与原理知识的紧密结合 3.专家系统与神经网络的结合 4.虚拟现实技术将得到重用 5.数据库与人工智能技术相互渗透
II.美国海军人工智能中心开发了用于诊断电子设备故障的 IN---ATE系统。 III.意大利米兰工业大学研制用于汽车启动器电路故障诊断 的系统。
IV.波音航空公司研制了诊断微波模拟接口MSI的LMA 系统。 V.哈尔滨工业大学和上海发电设备成套设计研究所 联合研制的用于汽轮机组工况检测和故障诊断专 家系统MMMD—2。 VI.清华大学研制的用于锅炉设备故障诊断的专家系 统等。
统是诊断领域引人注目的发展方向之一,也是研究最多、 应用最广泛的一类智能故障诊断技术,主要用于没有精确 数学模型以及很难建立数学模型的复杂系统。其大致经历 了两个发展阶段:基于浅知识的第一代故障诊断专家系统 和基于深知识的第二代故障诊断专家系统。 对于新出现的混合结构的专家系统,是将上述两种方 法结合使用,互补不足。 具体的应用方式有:(1)残差的模糊逻辑评价,(2) 采用模糊逻辑自适应调整阙值,(3)基于模糊小波分析 技术进行故障诊断,(4)基于模糊逻辑进行专家系统规 则库的设计与更新
1.基于专家系统的智能故障诊断技术:故障诊断系
ቤተ መጻሕፍቲ ባይዱ
2.基于神经网络的智能故障诊断技术:神经网络具有
的超高维性和强非线性等动力学特性,使其具有原则上容 错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、 并行和处理复杂模式等功能。
它的具体应用方式有:(1)神经网络诊断系统,(2)
采用神经网络产生残差,(3)采用神经网络评价残差, (4)采用神经网络进一步诊断,(5)采用神经网络作自 适应误差补偿。采用模糊神经网络进行故障诊断。

故障诊断技术 (2)

故障诊断技术 (2)

故障诊断技术1. 简介故障诊断技术是一种用于检测和定位设备或系统故障的技术。

它通过收集、分析和解释设备或系统的相关信息,帮助确定故障的原因和影响,并提供修复所需的指导和建议。

故障诊断技术在各个领域都有应用,如电子设备、汽车、机械设备等。

本文将介绍几种常见的故障诊断技术,包括故障诊断的原理、方法和工具。

2. 故障诊断原理故障诊断原理是指通过对设备或系统的工作原理和特征的分析,确定故障的可能原因和影响。

故障诊断原理包括以下几个方面:2.1. 工作原理分析工作原理分析是指对设备或系统的工作原理进行深入研究和分析,以了解设备或系统的组成、工作模式和各个部件之间的关系。

通过工作原理分析,可以确定设备或系统可能出现的故障类型和故障位置。

2.2. 故障特征分析故障特征分析是指通过对设备或系统在正常工作时和故障发生时的特征进行对比和分析,以确定故障的特征和表现。

故障特征分析可以通过观察和实验来获取相关数据,并借助数据分析工具进行处理和解释。

2.3. 故障原因推测故障原因推测是指根据工作原理分析和故障特征分析的结果,推测可能引起故障的原因。

故障原因推测通常需要结合实际验收数据和实验结果,使用专业领域的知识和经验进行判断。

3. 故障诊断方法故障诊断方法是指通过采用不同的技术和手段,对设备或系统进行故障检测和定位。

常见的故障诊断方法包括以下几种:3.1. 观察法观察法是通过对设备或系统的外部特征和工作状态进行观察和比较,以判断是否存在故障或异常。

观察法主要通过人工直接观察和感官判断来实现,适用于一些简单的故障检测和定位。

3.2. 检测仪器法检测仪器法是利用各种专业的检测仪器和设备,对设备或系统的各个参数和特征进行测量和分析,以检测和定位故障。

常见的检测仪器包括温度计、电压表、振动测量仪等。

3.3. 故障模拟法故障模拟法是通过人工制造故障模拟环境,以模拟故障发生的情况,从而进行故障检测和定位。

故障模拟法可以帮助提高故障诊断的准确性和可靠性,但需要花费一定的成本和时间。

智能化生产线运行监测与故障诊断

智能化生产线运行监测与故障诊断

智能化生产线运行监测与故障诊断随着科技的快速发展和智能化技术的应用,智能化生产线正成为现代工业生产的重要组成部分。

智能化生产线不仅能够提高生产效率,降低人力成本,还能够确保产品的质量和安全性。

然而,在一个复杂的生产过程中,生产线的故障是不可避免的。

为了保证生产线的正常运行和及时发现故障,监测和诊断技术显得尤为重要。

本文将探讨智能化生产线运行监测与故障诊断的相关技术和应用。

一、智能化生产线运行监测技术1. 传感器技术传感器是智能化生产线运行监测中的关键技术之一。

通过安装在生产线上的传感器,可以实时监测各个关键环节的运行状态和数据。

例如,安装在机器设备上的温度传感器可以实时监测设备的温度变化,帮助工作人员及时采取措施避免设备过热或损坏。

此外,流量传感器、压力传感器等也能够监测相应的运行参数,实现对生产线的全方位监控。

2. 数据采集与处理技术在智能化生产线中,大量的数据需要采集和处理。

数据采集技术可以帮助工作人员收集各个环节的运行数据,包括温度、湿度、压力、流量等。

而数据处理技术则可以通过对这些数据进行分析和处理,实现对生产线运行状态的判断和故障诊断。

3. 云计算与大数据技术云计算和大数据技术在智能化生产线的运行监测中发挥越来越重要的作用。

通过云计算平台,生产线上的数据可以及时上传到云端进行存储和分析。

而大数据技术则可以对这些数据进行深度挖掘和分析,发现潜在的问题和风险。

通过云计算和大数据技术,工作人员可以在任何时间和地点,通过智能手机或电脑查看生产线的状态和数据,及时发现并解决潜在问题。

二、智能化生产线故障诊断技术智能化生产线的故障诊断是一个复杂的过程,需要利用多种技术和方法进行分析和判断。

以下介绍一些常见的故障诊断技术。

1. 数据挖掘技术数据挖掘是一种通过对大量数据进行分析和建模,发现其中隐藏的模式和规律的技术。

在智能化生产线故障诊断中,数据挖掘技术可以通过对生产线数据的分析,发现不同环节之间的关联性和异常情况。

智能诊断

智能诊断

(4)、按故障发生的原因分类 (a)外因故障:人员或环境因素; (b)内因故障:设计或生产原因。 (5)、按故障相关性分类 (a)相关故障:其他部件引起; (b)非相关故障:本身因素。 (6)、按故障发生的时期分类 (a)早期故障; (b)使用期故障; (c)后期故障。
• 2、诊断内容
(1)信号采集 :前提; (2)信号处理 :关键; (3)状态识别 :核心; (4)诊断决策:完善 。
3、分布式诊断专家系统的
(1)任务的分解与分布 根据领域知识,将确定的总任务合理地分解成几个 子任务,分别由几个智能体或子专家系统共同完成总 的任务。
(2)协调与组织 根据人类专家约协作方式,以及要求解的具体问题和 存在的条件,分布式专家系统的协作方式通常有主 从式、层次式、同僚式、顺序式、循环式和网络式 等,而各个子专家系统间协作时共享的信息也是不 同的,如共享数据、知识、CPU资源、实时信息等 等。 (3)解的综合 对于多个子专家系统求解同一问题时,根据各自的 知识源和求解策略得出各自的部分解,经各子专家 系统之间的通讯与协调,最后经适当的综合方法给 出一个综合的解。
3、专家系统开发的生存周期模型
• §2.8开发环境与工具的选择 1、高级程序语言(BASIC,FORTRAN,PASCAL和C) 优点: (1) 可以在通用的硬件环境上运行,并且运行速度要快; (2) 应用比较广泛,并有广泛而全面的支持软件; (3)熟悉这类语言的编程者比较多; (4)对于知识表示和推理机的设计比较灵活; (5)最终的系统比较容易与现有的外界软件相连接。 缺点: (1)它们缺乏符号处理和自动存贮管理的支持; (2)使用一种常规语言开发一个专家系统的工作量很大, 比使用工具语言需要更多时间。
(3)、诱导推理 诱导推理:是从观察到的征兆事实到征兆事实的一种 合理解释的推理。

智能诊断

智能诊断

智能诊断技术综述摘要:设备故障诊断技术是在电子、计算机技术的发展中产生的一门技术。

当1个系统的状态偏离正常状态时,就称该系统发生了故障,此时系统可能完全也可能部分丧失其功能。

故障诊断就是寻找故障原因的过程,包括状态检测、故障原因分析及劣化趋势预测等内容。

传统故障诊断技术在分析结构比较复杂的深层次故障时效果不理想,且对操作员能力要求较高;而人工智能技术的发展,则使诊断技术走向了智能化[1]。

由于智能故障诊断技术可模拟人类的逻辑思维和形象思维,将人类各种知识融入诊断过程,故可实现对大型复杂设备的实时、可靠、深层次和预测性故障诊断,获得的诊断信息就能准确地对诊断对象的状态进行识别和预测。

因此这一技术也受到了世界各国工程研究人员的普遍重视。

目前,随着基于行为的人工智能、分布式人工智能、多传感器信息融合技术以及新理论的提出与发展,故障诊断也获得了新的发展机遇[2]。

基于建模处理和信号处理的诊断技术正发展为基于知识处理的智能诊断技术。

智能诊断技术在知识层次上实现了辩证逻辑与数理逻辑的集成、符号逻辑与数值处理的统一、推理过程与算法过程的统一、知识库与数据库的交互等功能,目前的研究主要从两方面展开:基于专家系统的智能故障诊断技术和基于神经网络的智能故障诊断技术[3]。

图一智能诊断系统的功能模块1智能诊断技术(1)基于专家系统的智能诊断技术故障诊断专家系统是诊断领域引人注目的发展方向之一,也是研究最多、应用最广的一类智能诊断技术,主要用于那些没有精确数学模型或很难建立数学模型的复杂系统。

大致经历了两个发展阶段:基于浅知识的第一代故障诊断专家系统和基于深知识的第二代故障诊断专家系统。

近期出现的混合结构的专家系统,是将上述两种方法结合使用,互补不足。

基于浅知识(人类专家的经验知识)的故障诊断系统是以领域专家和操作者的启发性经验知识为核心,通过演绎推理或产生式推理来获取诊断结果,目的是寻找一个故障集合使之能对一个给定的征兆(包括存在的和缺席的)集合产生的原因做出最佳解释[4]。

AI技术在软件开发中的智能故障诊断与修复

AI技术在软件开发中的智能故障诊断与修复

AI技术在软件开发中的智能故障诊断与修复人工智能(AI)技术在软件开发中扮演着越来越重要的角色。

其中,智能故障诊断与修复是AI技术的一个关键应用领域。

本文将探讨AI技术在软件开发中的智能故障诊断与修复方面的应用,从而提高软件开发的效率和质量。

一、智能故障诊断1.1 数据驱动的故障诊断AI技术通过大数据的分析和机器学习算法的应用,能够对软件系统中的故障进行快速、准确的诊断。

基于历史数据和规则集的训练,AI系统能够学习到不同故障的特征和模式,从而能够对新的故障进行准确的分类和诊断。

1.2 自动化故障检测AI技术可以通过在软件系统中集成传感器和监控模块,实时监测系统的运行状态和性能指标。

当系统出现异常或故障时,AI系统能够及时发出警报,并提供详细的故障信息和可能的原因,帮助开发人员快速定位和解决问题。

1.3 智能化的故障诊断工具AI技术的发展使得智能化的故障诊断工具得以实现。

这些工具能够分析软件系统的运行日志、错误报告等信息,通过机器学习算法和自然语言处理技术,自动分析和理解这些信息,快速定位和诊断故障,提供相关的修复建议。

二、智能故障修复2.1 自动修复AI技术不仅能够诊断故障,还能够提供自动化的修复方案。

通过分析历史修复记录和规则集,AI系统能够学习到不同故障的修复模式和方法,并根据当前的故障情况,自动推荐和应用相应的修复方案,从而减少开发人员的工作量和修复时间。

2.2 智能修复工具除了自动修复外,AI技术还可以提供智能修复工具,帮助开发人员快速、准确地进行故障修复。

这些工具能够根据故障的特征和类型,分析出可能的修复方案,并提供相关的代码片段、测试用例等辅助信息,帮助开发人员快速定位和修复故障。

2.3 经验分享与共享平台AI技术还可以通过构建经验分享与共享平台,促进软件开发人员之间的交流和合作。

开发人员可以在平台上分享和讨论自己遇到的故障和修复方案,通过机器学习和数据挖掘技术,平台能够挖掘和整理这些经验,形成知识库,并为其他开发人员提供参考和建议。

  1. 1、下载文档前请自行甄别文档内容的完整性,平台不提供额外的编辑、内容补充、找答案等附加服务。
  2. 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
  3. 3、如文档侵犯您的权益,请联系客服反馈,我们会尽快为您处理(人工客服工作时间:9:00-18:30)。

智能故障诊断技术知识总结一、绪论□ 智能:■ 智能的概念智能是指能随内、外部条件的变化,具有运用知识解决问题和确定正确行为的能力。

■ 低级智能和高级智能的概念低级智能——感知环境、做出决策和控制行为高级智能——不仅具有感知能力,更重要的是具有学习、分析、比较和推理能力,能根据复杂环境变化做出正确决策和适应环境变化■ 智能的三要素及其含义三个基本要素:推理、学习、联想推理——从一个或几个已知的判断(前提),逻辑地推断出一个新判断(结论)的思维形式学习——根据环境变化,动态地改变知识结构联想——通过与其它知识的联系,能正确地认识客观事物和解决实际问题□ 故障:■ 故障的概念故障是指设备在规定条件下不能完成其规定功能的一种状态。

可分为以下几种情况:1.设备在规定的条件下丧失功能;2.设备的某些性能参数达不到设计要求,超出允许范围;3.设备的某些零部件发生磨损、断裂、损坏等,致使设备不能正常工作;4.设备工作失灵,或发生结构性破坏,导致严重事故甚至灾难性事故。

■ 故障的性质及其理解1层次性——系统是有层次的,故障的产生对应于系统的不同层次表现出层次性。

一般可分为系统级、子系统级、部件级、元件级等多个层次;高层故障可由低层故障引起,而低层故障必定引起高层故障。

诊断时可采用层次诊断模型和诊断策略。

2相关性——故障一般不会孤立存在,它们之间通常相互依存和相互影响,如系统故障常常由相关联的子系统传播所致。

表现为,一种故障可能对应多种征兆,而一种征兆可能对应多种故障。

这种故障与征兆间的复杂关系导致了故障诊断的困难。

3随机性——故障的发生常常是一个与时间相关的随机过程,突发性故障的出现通常都没有规律性,再加上某些信息的模糊性和不确定性,就构成了故障的随机性。

4可预测性——设备大部分故障在出现之前通常有一定先兆,只要及时捕捉这些征兆信息,就可以对故障进行预测和防范。

□ 故障诊断:■ 故障诊断的概念故障诊断就是对设备运行状态和异常情况做出判断。

具体说来,就是在设备没有发生故障之前,要对设备的运行状态进行预测和预报;在设备发生故障之后,要对故障的原因、部位、类型、程度等做出判断;并进行维修决策。

■ 故障诊断的实质及其理解故障诊断的实质——模式识别(分类)问题■故障诊断的任务及其含义故障检测:采用合适的观测方式、在合适部位测取特征信号,即信号测取;采用合适的方法,从特征信号中提取状态征兆,即征兆提取故障识别:采用合适的状态识别方法与装置,依据征兆而推理识别出设备的有关状态,即状态识别故障分离与估计:采用合适的状态趋势分析法,依据征兆与状态推理出状态的发展趋势,即状态预测故障评价与决策:采用合适的决策形成方法,依据有关的状态和趋势作出调整、控制、维修等,即干预决策□智能故障诊断:■智能故障诊断的概念智能故障诊断是人工智能和故障诊断相结合的产物,主要体现在诊断过程中领域专家知识和人工智能技术的运用。

它是一个由人(尤其是领域专家)、能模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。

□智能故障诊断的研究方法:■基于知识的研究方法基于知识的研究方法:不需要对象的精确数学模型,而是根据人们长期的实践经验和大量的故障信息设计出一套智能计算机程序,以此来解决复杂故障诊断问题。

模糊故障诊断专家系统故障诊断神经网络故障诊断信息融合故障诊断智能体故障诊断集成化故障诊断网络化故障诊断二、智能故障诊断的构成□基本结构:■智能故障诊断系统的基本结构两大部分:故障检测与诊断、故障容错控制智能故障诊断与容错控制的基本结构■智能故障检测与诊断模块的主要任务和基本要求故障检测与诊断:就是从监控对象中适时准确地检测出故障信息,并对故障产生的原因、部位、类型、程度及其发展做出判断。

其主要任务通常包含以下几个方面的内容:1.获取故障信息;2.寻找故障源,确定故障的位置、大小、类型及原因;3.评价故障的影响程度,预测故障的发展趋势;4.对检测诊断结果做出处理和决策。

基本要求包括以下几方面:1)对故障具有强检测能力故障检测能力的强弱,一方面反映了检测诊断模块对故障的检测能力,另一方面也直接影响故障诊断的效果对弱故障信号和早期故障信号,故障检测能力尤为重要2)对故障具有强诊断能力能综合运用多种信息和多种诊断方法,以灵活的诊断策略来解决诊断问题;能通过使用专家的经验,而尽量避开信号处理方面复杂的实时计算;能处理带有错误的信息和不确定性信息,从而相对降低对测试仪器和工作环境的要求。

3)尽量采用模块化结构结构应当模块化,使之可以方便地调用其他应用程序如维修咨询子模块、模拟故障诊断子模块等4)具有人机交互诊断功能现代设备的复杂性,要求综合运用多种知识源(浅、深知识)来求解复杂问题用户适当地实时参与,将使诊断速度更快、准确性更高用户参与有主动和被动两种方式:主动参与可干预和引导推理过程;被动参与只回答提问,而不干预推理过程5)具有多种诊断信息获取的途径获取的诊断信息越丰富,则诊断效果越好首先,应具有自动获取状态信息(当前、历史)的功能其次,应能通过人机交互获取状态信息6)对问题求解应当实时和准确实时:一旦发现故障迹象,应立即开始诊断工作准确:输出结果应当细致明了,对于并发故障允许输出多个诊断解,对于同一故障则只有一个诊断解,对于征兆不完备情况应输出按权值排序的多个候选故障解7)具有学习功能现代设备的复杂性以及新知识的不断涌现,导致专家现有知识的不足要求系统具有被动和主动(自学习)获取新知识的能力8)具有预测能力应能预测故障的发生和发展,以便在故障没有发生之前采取措施,将故障消灭在萌芽状态,使损失减为最小9)具有决策能力故障出现前,应能提前预测故障故障出现后,应能对故障做出决策并提供维护方案□ 构成原理:■ 故障检测与诊断的常用方法1)基于数学模型的故障检测与诊断方法特点是必须将故障数学模型化,有时建立模型很困难不依赖实例和经验,适用于新的没有成熟经验的诊断2)基于参数估计的故障检测与诊断方法特点是须先确定一个信任域,当参数超出域时认为故障适用于故障能由参数的显著变化来描述的诊断3)基于信号处理的故障检测与诊断方法通过对检测信号的分析处理,利用特征信号对故障进行识别和诊断。

典型方法:小波变换、模态分解等4)基于知识的故障检测与诊断方法不需精确的数学模型,能模拟人的思维过程,具有自学习、自组织、自推理能力5)基于实例的故障检测与诊断方法是一种使用过去的经验实例指导解决新问题的方法优点是不需从实例中提取规则,求解快;不足是能搜集的实例是有限的,求解时可能出现误诊或漏诊6)基于模糊理论的故障检测与诊断方法征兆的描述、故障与征兆的关系往往具有模糊特性,模糊语言变量能更准确地表示这种模糊性的征兆和故障问题在于知识获取困难:如何确定故障与征兆间的模糊规则;如何实现模糊语言变量与隶属度间的推理转换7)基于神经网络的故障检测与诊断方法利用神经网络的联想、推理和记忆能力进行知识处理适用于复杂多模式的诊断,有离线和在线诊断两种方式■ 智能故障诊断中的机器学习策略及其理解简单学习:文献、专家和资料所描述的关于诊断对象的结构、功能、运行约束条件等知识,机械学习机制为主;主要用于元知识学习阶段交互学习:知识工程师或诊断对象处理过的知识,讲授学习机制为主;主要用于领域知识学习和知识库丰富阶段独立学习:推理策略面对的新知识,归纳学习机制为主;主要用于诊断能力改善阶段□构成方法:■智能故障诊断系统的设计要求智能故障诊断系统的设计,一般应满足以下要求:1)满足故障诊断的实际需要;主要指标有故障诊断率、诊断结果准确率、系统可靠性和投资效益比等,一般需分阶段实现系统目标。

2)建立适应不同诊断对象的知识库;智能故障诊断系统是基于知识的,以知识处理为研究内容,知识库的建立是保证诊断结果正确性的前提。

3)能自动获取征兆;征兆的自动获取是实现故障诊断智能化的重要环节。

将征兆获取从用户交给计算机,既可减少人为差错、提高诊断准确率,又可减轻操作要求、提高系统可接受性。

4)诊断和推理方法应符合故障诊断要求;应从征兆出发去诊断故障,征兆对故障的肯定和否定程度,是故障诊断的根本依据。

因此,知识表示和不精确推理应当充分反映故障诊断的特点。

5)能实现计算机自动诊断;完成系统的方案设计后,用计算机进行系统的实际开发,可以使故障诊断易于实现,并获得最佳效果。

6)系统要经过严格的测试和考核。

一方面,开发进度的加快导致测试时间减少;另一方面,系统一般是由缺少现场经验的人员研制的。

经实验室模拟测试、现场测试后,才能投入实际应用。

三、智能故障诊断的控制方案□几种控制方案的基本原理■基于状态反馈、基于多模冗余、基于功能模块、基于神经网络、基于专家系统的控制□基于专家系统的控制方案■结构、原理控制方案:知识库存放领域专家知识;数据库存放监控对象原始数据、故障特征数据等;推理机按一定的推理规则,对监控对象进行故障识别、估计和决策,根据故障性质采取相应策略进行容错控制。

■推理过程和推理机的概念,推理策略及其理解推理:就是对故障进行识别和容错控制推理过程:就是将数据库中的事实与知识库中的规则进行匹配的过程推理机:实际上就是实现推理过程的一种智能程序推理方法:正向推理、反向推理、正反向混合推理基于数据驱动的正向推理策略:推理过程较慢,适用于搜索空间较小的知识库;基于目标驱动的反向推理策略、正反向混合的双向推理策略:推理效率较高,适用于搜索空间较大的知识库或在线故障诊断。

■知识的分类及其理解1)原型知识:原型知识是领域专家指出的故障集和征兆集这两个集合之间存在的确定的映射关系“征兆族故障”生成的诊断知识可由规则或框架表示它是故障诊断必备的知识,也是推理机工作的基础2)关联知识:关联知识是描述故障传播特性的知识生成的诊断知识一般由规则来表示它表征了诊断系统内部的状态联系,构成了诊断问题的求解路径,引导诊断向纵深推进直到故障的位置和原因3)权重知识:权重知识是领域专家对故障间关系及证据可靠度的认识它可以有目的地引导诊断过程的进行,提高诊断效率■对象的分解及其理解1)结构分解:从结构上对系统进行分解,把系统的总体结构分解为下一层的子结构,直到最低层次的零部件最终可确定系统故障的物理位置,但难以表达子系统间的相互关系,难以反映由联系劣化所引起的故障2)功能分解:从功能上对监控对象进行分解,把系统的总体功能分解为下一层次的子功能,直到最低层次的基本功能无论子系统或与其相联系的故障都能在功能层次中反映出来,但最终确定的诊断结果是系统劣化的功能模块3)故障分解:从故障类型上对监控对象进行分解,下层总是上层的特例、而上层则是下层的概括,直到最具体的故障可反映出所有类型的故障,但难以确定故障的物理位置综合分解原则:在高层采用结构和功能分解,减少分类过程的搜索量;在中间和低层采用故障分解,与诊断目的一致四、智能故障诊断的控制策略□ 瞬时故障的消除:■ 几种常见的瞬时故障消除策略1)循环采样技术:将信号的一次采样改为循环采样,通过对采集数据的类比分析,消除瞬时故障2)自动补偿技术:采用特殊结构和特殊装置组成补偿器,抵消瞬时故障影响,如温度补偿器3)自动切换技术:设备运行中出现瞬时过载等不安全情况时,使设备有关部分或全部停止运行,消除瞬时故障影响和保护设备,如切换开关、熔断器4)阻尼技术:设备运行中出现过载物理量时,对其加以限制或衰减,消除瞬时故障影响,如电感器抑制过电压、减震器吸收振动冲击等5)旁路技术:把瞬时过载能量或不需要的物理量从旁路泄走,如低阻通路将瞬时过载电能旁路到大地、过流阀旁路掉液压或气动系统能量等6)屏蔽技术:把瞬时故障的效应屏蔽起来,以消除瞬时故障的影响,如碳纤维或形状记忆合金等7)隔离技术:通过设计瞬时故障隔离器来消除瞬时故障的影响,如电磁隔离等□ 多模块并行诊断策略:■ 概念或原理即对同一种故障信息,用不同的诊断模块进行识别,若结果相同或基本相同,则认为诊断成功,并根据故障性质和故障特征,调用相应的容错模块对故障进行容错控制;若诊断结果差异较大,则可采用表决方法对结果做出判断。

相关文档
最新文档