故障診斷方法

1、故障診斷方法蓉2016-6-20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分類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?；诮馕瞿Ｐ偷姆椒?是在明了診斷對象數(shù)學模型的基礎(chǔ)上，按一定的數(shù)學方法對被測信息進行處理診斷，它可分為狀態(tài)估計法、等價空間法和參數(shù)估計法。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)融合故障診斷方法專家系統(tǒng)故

2、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)容是實時監(jiān)測到的工作數(shù)據(jù)；對于離線診斷，可以是故障時檢測數(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。人機接口：人與專家系統(tǒng)打交道的橋梁和窗口，是人機信息的交接點。推理機：根據(jù)獲取的信息綜合運用各種規(guī)則進行故障診斷，輸出診斷結(jié)果。是專家系統(tǒng)的組織控制結(jié)構(gòu)。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，而知識獲取被公認為專家系統(tǒng)研究開發(fā)中的

3、瓶頸問題。 另外，在自適應(yīng)學習，學習能力及實時性方面也都存在不同程度的局限。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。模糊故障診斷的特點及局限性 構(gòu)造隸屬函數(shù)是實現(xiàn)模糊故障的前提，但是由于隸屬函數(shù)是

4、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。故障樹故障診斷方法故障樹模型是一個基于被診斷對象結(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)，而a的故障又是由兩個元件1，2中的一個失效引起，部件b的故障是在兩個元件3，4同時失效時發(fā)生的。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

5、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，當這些底事件同時發(fā)生時，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時，就不再成為割集了。一個最小割集代表系統(tǒng)的一種故障模式。故障診斷時，可逐個測試最小割集，從而搜尋故障源，進行故障診斷。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。神經(jīng)網(wǎng)絡(luò)故障診斷法神經(jīng)

6、網(wǎng)絡(luò)故障診斷過程 學習過程：是在一定的標準模式樣本的基礎(chǔ)上，依據(jù)某一分類規(guī)則來設(shè)計神經(jīng)網(wǎng)絡(luò)分類器，并用標準模式訓練。 診斷過程：是將未知模式與訓練的分類器進行比較來診斷未知模式的故障類別。預(yù)處理和特征提取 學習和診斷兩個過程都包括了預(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，一般可看作一組時間序列。通過對該時間序列的分段采樣，可以將輸入數(shù)據(jù)映射成樣本空間的點。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

7、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。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)融合故障診斷系統(tǒng)神經(jīng)網(wǎng)絡(luò)故障診斷的局限性 訓練樣本獲取困難 忽視了領(lǐng)域?qū)＜业慕?jīng)驗知識 網(wǎng)絡(luò)權(quán)值形式表達方式難以理解數(shù)據(jù)融合故障診斷法 數(shù)據(jù)融合就是利用計算機對來自多傳感器的信息按一定的準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方

8、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。貝葉斯定理法先驗概率假設(shè)：設(shè)備運行過程是一個隨機過程，各類故障出現(xiàn)的概率一般是可以估計的。這種根據(jù)經(jīng)驗知識對故障所作出的概率估計稱為先驗概率。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)，其中后驗概率計算：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。稱為后驗概率。故障判定：根據(jù)極大后驗概率判定邏輯 時 即x屬于故

9、障模式d-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組合規(guī)則進行信息融合，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)一定的判定準則確定故障類型。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、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

10、合規(guī)則對兩個獨立可信度函數(shù)m1和m2，存在于一個公共的辨識框架 ，再假設(shè)可以將 劃分為分別運用與兩個可信度函數(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。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)則的判定原則進行故障決策。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：先用標準樣本對神經(jīng)網(wǎng)絡(luò)進行