故障診斷方法課件

1、故障診斷方法1故障診斷方法2016-6-20故障診斷方法2故障診斷方法的分類故障診斷方法分為：（1）基于解析模型的方法（2）基于知識的方法（3）基于信號處理的方法故障診斷方法3故障診斷方法分類故障診斷方法4基于信號處理的方法 基于信號處理的方法：通常是利用信號模型，如相關(guān)函數(shù)、頻譜、自回歸滑動平均、小波變換等，直接分析可測信號，提取諸如方差、幅值、頻率等特征值，從而檢測出故障。故障診斷方法5基于解析模型的方法 是在明了診斷對象數(shù)學(xué)模型的基礎(chǔ)上，按一定的數(shù)學(xué)方法對被測信息進(jìn)行處理診斷，它可分為狀態(tài)估計(jì)法、等價(jià)空間法和參數(shù)估計(jì)法。故障診斷方法6基于知識的故障診斷方法 專家系統(tǒng)故障診斷方法 模糊故障

2、診斷方法 故障樹故障診斷方法 神經(jīng)網(wǎng)絡(luò)故障診斷方法 數(shù)據(jù)融合故障診斷方法故障診斷方法7專家系統(tǒng)故障診斷方法 數(shù)據(jù)庫：對于在線監(jiān)視或診斷系統(tǒng)，數(shù)據(jù)庫的內(nèi)容是實(shí)時(shí)監(jiān)測到的工作數(shù)據(jù)；對于離線診斷，可以是故障時(shí)檢測數(shù)據(jù)的保存，也可以是人為檢測的一些特征數(shù)據(jù)。即存放推理過程中所需要和產(chǎn)生的各種信息 知識庫：存放的知識可以是系統(tǒng)的工作環(huán)境，系統(tǒng)知識（反映系統(tǒng)的工作機(jī)理及結(jié)構(gòu)知識）；規(guī)則庫則存放一組組規(guī)則，反映系統(tǒng)的因果關(guān)系，用來故障推理。知識庫是專家領(lǐng)域知識的集合。 人機(jī)接口：人與專家系統(tǒng)打交道的橋梁和窗口，是人機(jī)信息的交接點(diǎn)。 推理機(jī)：根據(jù)獲取的信息綜合運(yùn)用各種規(guī)則進(jìn)行故障診斷，輸出診斷結(jié)果。是專家系統(tǒng)

3、的組織控制結(jié)構(gòu)。故障診斷方法8專家系統(tǒng)故障診斷局限性 依賴于專家的領(lǐng)域知識獲取，而知識獲取被公認(rèn)為專家系統(tǒng)研究開發(fā)中的瓶頸問題。 另外，在自適應(yīng)學(xué)習(xí)，學(xué)習(xí)能力及實(shí)時(shí)性方面也都存在不同程度的局限。故障診斷方法9模糊故障診斷方法 建立故障與征兆之間的模糊關(guān)系矩陣r，也叫隸屬度矩陣。矩陣中的每個(gè)元素的大小表明了它們之間的相互關(guān)系的密切程度。 式中： 表示可能發(fā)生故障的集合，n為故障總數(shù)； 表示由上面這些故障所引起的各種特征元素（征兆）的集合，m為各種特征元素（征兆）總數(shù)。 測試待診斷對象待檢狀態(tài)的特征參數(shù)，提取特征參數(shù)向量矩陣x。 求解關(guān)系矩陣方程y=xr，得到待檢狀態(tài)的故障向量y，再根據(jù)一定的判斷

4、原則，如最大隸屬度原則，闕值原則或擇近原則等，得到診斷結(jié)果。故障診斷方法10模糊故障診斷的特點(diǎn)及局限性 構(gòu)造隸屬函數(shù)是實(shí)現(xiàn)模糊故障的前提，但是由于隸屬函數(shù)是人為構(gòu)造的，含有一定的主觀因素；另外，對特征元素的選擇也有一定的要求，如果選擇不合理，診斷精度會下降，甚至診斷失敗。故障診斷方法11故障樹故障診斷方法 故障樹模型是一個(gè)基于被診斷對象結(jié)構(gòu)、功能特征的行為模型，是一種定性的因果模型，以系統(tǒng)最不希望事件為頂事件，以可能導(dǎo)致頂事件發(fā)生的其他事件為中間事件和底事件，并用邏輯門表示事件之間聯(lián)系的一種倒樹狀結(jié)構(gòu)。它反映了特征向量與故障向量之間的全部邏輯關(guān)系。 圖3中頂事件：系統(tǒng)故障，由部件a或者b觸發(fā)，

5、而a的故障又是由兩個(gè)元件1，2中的一個(gè)失效引起，部件b的故障是在兩個(gè)元件3，4同時(shí)失效時(shí)發(fā)生的。故障診斷方法12故障樹診斷法步驟選擇合理的頂事件。建造正確合理的故障樹。故障搜尋與診斷，分為邏輯推理診斷法和最小割集診斷法。（1）邏輯推理診斷法：從上而下的測試方法，從故障數(shù)頂事件開始，先測試最初的中間事件，根據(jù)中間事件測試結(jié)果判斷測試下一級中間事件，直到測試底事件，搜尋到故障原因及部位。（2）最小割集診斷法：所謂割集是指故障樹的一些底事件集合，當(dāng)這些底事件同時(shí)發(fā)生時(shí)，頂事件必發(fā)生；而最小割集是指割集中所含事件出去任何一個(gè)時(shí)，就不再成為割集了。一個(gè)最小割集代表系統(tǒng)的一種故障模式。故障診斷時(shí)，可逐個(gè)測

6、試最小割集，從而搜尋故障源，進(jìn)行故障診斷。故障診斷方法13故障樹診斷的局限性 故障樹法的局限性在于對建造正確合理的故障樹的依賴。如果一旦故障樹建立不全面或不正確，則此診斷方法將失去作用。故障診斷方法14神經(jīng)網(wǎng)絡(luò)故障診斷法故障診斷方法15神經(jīng)網(wǎng)絡(luò)故障診斷過程 學(xué)習(xí)過程：是在一定的標(biāo)準(zhǔn)模式樣本的基礎(chǔ)上，依據(jù)某一分類規(guī)則來設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)分類器，并用標(biāo)準(zhǔn)模式訓(xùn)練。 診斷過程：是將未知模式與訓(xùn)練的分類器進(jìn)行比較來診斷未知模式的故障類別。故障診斷方法16預(yù)處理和特征提取 學(xué)習(xí)和診斷兩個(gè)過程都包括了預(yù)處理和特征提取。 預(yù)處理：通過刪除原始數(shù)據(jù)中的無用信息得到另一類故障模式，由樣本空間映射成數(shù)據(jù)空間，再通過某種

7、變換使其有利于故障診斷。 特征提?。簩σ\斷的對象從獲得的數(shù)據(jù)來看，一般可看作一組時(shí)間序列。通過對該時(shí)間序列的分段采樣，可以將輸入數(shù)據(jù)映射成樣本空間的點(diǎn)。這些數(shù)據(jù)可能包含故障的類型、程度和位置等信息。但從樣本空間看，這些特征信息的分布是變化的，因此，一般不能直接用于分類。需經(jīng)合適的變化來提取有效地故障特征。常用方法包括：傅里葉變換、小波變換、分形維數(shù)等。 網(wǎng)絡(luò)分類器：常用于故障診斷分類的神經(jīng)網(wǎng)絡(luò)有：bp網(wǎng)絡(luò)、雙向聯(lián)想記憶（bam）網(wǎng)絡(luò)、自適應(yīng)共振理論（art）、b樣條網(wǎng)絡(luò)等。故障診斷方法17神經(jīng)網(wǎng)絡(luò)與其他故障診斷方法的結(jié)合 與專家系統(tǒng)相結(jié)合 模糊神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)和神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合故障診斷系

8、統(tǒng)故障診斷方法18神經(jīng)網(wǎng)絡(luò)故障診斷的局限性 訓(xùn)練樣本獲取困難 忽視了領(lǐng)域?qū)＜业慕?jīng)驗(yàn)知識 網(wǎng)絡(luò)權(quán)值形式表達(dá)方式難以理解故障診斷方法19數(shù)據(jù)融合故障診斷法 數(shù)據(jù)融合就是利用計(jì)算機(jī)對來自多傳感器的信息按一定的準(zhǔn)則加以自動分析和綜合的數(shù)據(jù)處理過程，以完成所需要的決策和判定。 數(shù)據(jù)融合應(yīng)用于故障診斷的起因有三個(gè)方面：一是多傳感器形成了不同通道的信號；二是同一信號形成了不同的特征信息；三是不同診斷途徑得出了有偏差的診斷結(jié)論。 方法主要有：bayes推理、d-s證據(jù)推理及神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合等。故障診斷方法20貝葉斯定理法 先驗(yàn)概率假設(shè)：設(shè)備運(yùn)行過程是一個(gè)隨機(jī)過程，各類故障出現(xiàn)的概率一般是可以估計(jì)的。這種根據(jù)經(jīng)

9、驗(yàn)知識對故障所作出的概率估計(jì)稱為先驗(yàn)概率。記為 表示正常工作的概率。對一故障樣本x（由多傳感器對被診斷對象測試而得）， ，表示輸入模式為i類故障的條件概率密度函數(shù)，其中 后驗(yàn)概率計(jì)算：根據(jù)貝葉斯公式有： 式中： 為輸入模式樣本： 稱為已知樣本條件下 出現(xiàn)的概率。稱為后驗(yàn)概率。 故障判定：根據(jù)極大后驗(yàn)概率判定邏輯 時(shí) 即x屬于故障模式故障診斷方法21d-s證據(jù)推理數(shù)據(jù)融合故障診斷 在設(shè)備故障診斷中若干可能的故障產(chǎn)生一些癥狀，每個(gè)癥狀下各故障都可能有一定的發(fā)生概率，d-s證據(jù)理論中，用信度函數(shù)表達(dá)概率大小，通過多傳感器測試被診斷對象，得出每一傳感器在某癥狀下屬于各類故障的信度函數(shù)，然后利用d-s組

10、合規(guī)則進(jìn)行信息融合，得到融合后癥狀分別屬于各類故障的信度函數(shù)，最后根據(jù)一定的判定準(zhǔn)則確定故障類型。故障診斷方法22故障融合的方法 各傳感器信度函數(shù)確定 它是通過測試被診斷對象的癥狀參數(shù)，通過一定的數(shù)據(jù)變換（如小波變換、概率統(tǒng)計(jì)、隸屬函數(shù)等），得到各傳感器測得癥狀屬于各類故障的信度函數(shù)， 信度函數(shù) 表示傳感器j測得的屬于故障 的信度函數(shù)， 為不確定信度函數(shù)。 d-s組合規(guī)則對兩個(gè)獨(dú)立可信度函數(shù)m1和m2，存在于一個(gè)公共的辨識框架 ，再假設(shè)可以將 劃分為分別運(yùn)用與兩個(gè)可信度函數(shù)的不同子集 和 。d-s組合為： 在故障診斷中 是故障樣本集：m(a)為融合故障信度函數(shù)。 故障判定原則：一是信度函數(shù)值最

11、大原則；而是信度函數(shù)值闕值原則；三是最大最小信度函數(shù)之差闕值原則；四是不確定性信度函數(shù)最小閥值原則。故障診斷方法23神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合故障診斷方法 通過多傳感器測試被診斷對象，求出每一傳感器在某癥狀下對故障集中各類故障的隸屬度值，將所有傳感器的故障隸屬度值矢量作為神經(jīng)網(wǎng)絡(luò)的輸入，網(wǎng)絡(luò)輸出即為融合后該癥狀屬于各類故障的隸屬度值矢量，最后利用基于規(guī)則的判定原則進(jìn)行故障決策。故障診斷方法24神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合故障診斷方法 各傳感器故障隸屬度值確立： 通過傳感器測試帶診斷對象的癥狀參數(shù)，經(jīng)過一定的變換處理，得到各傳感器所測癥狀屬于各類故障的隸屬度值。 ， 表示傳感器j測得癥狀屬于故障 的隸屬度值；n為故障的類型總數(shù)。 神經(jīng)網(wǎng)絡(luò)融合： 先用標(biāo)準(zhǔn)樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)