第四章智能診斷課件

第四章智能診斷第一節(jié)概述第二節(jié)故障診斷專家系統(tǒng)第三節(jié)故障診斷神經(jīng)網(wǎng)絡(luò)第一節(jié)概述一智能診斷系統(tǒng)的發(fā)展現(xiàn)狀

電路和數(shù)字電子設(shè)備方面，MIT的EL系統(tǒng)；波音航空公司的IMA系統(tǒng)；意大利米蘭工業(yè)大學(xué)研制用于汽車(chē)啟動(dòng)器電路故障診斷系統(tǒng)等。機(jī)電設(shè)備方面，日本日立公司用于核反應(yīng)堆的故障診斷系統(tǒng)；法國(guó)CGE的DIVA；哈工大和上海發(fā)電設(shè)備的MMMD-2；清華大學(xué)研制的用于鍋爐設(shè)備故障診斷的系統(tǒng)等。軍事設(shè)備方面美國(guó)佛羅里達(dá)空軍基地的EMMA和馬里蘭大學(xué)的AMM。

二現(xiàn)有故障診斷系統(tǒng)存在的問(wèn)題（一）故障智能診斷的優(yōu)點(diǎn)1.能夠模擬熱腦的邏輯思維過(guò)程，解決需要進(jìn)行復(fù)雜推理的問(wèn)題2.可以儲(chǔ)存和推廣領(lǐng)域?qū)＜业慕?jīng)驗(yàn)和知識(shí)，更有效地發(fā)揮各種專門(mén)人才的作用。3.故障智能診斷系統(tǒng)在某些發(fā)面比人類專家更可靠靈活4.故障只能診斷系統(tǒng)具有人機(jī)結(jié)合作完成診斷任務(wù)的功能。5.故障只能診斷系統(tǒng)便于用戶對(duì)知識(shí)庫(kù)的修改和完善。（二）存在的問(wèn)題

知識(shí)庫(kù)龐大解決問(wèn)題能力的局限性深、淺知識(shí)結(jié)合能力差自動(dòng)獲取知識(shí)能力差容錯(cuò)能力差對(duì)不確定性知識(shí)的處理能力差第二節(jié)故障診斷專家系統(tǒng)專家系統(tǒng)包括如下一些類型：

解釋型，用于解釋分析各種實(shí)驗(yàn)或勘測(cè)的結(jié)果；診斷型，用于診斷疾病或故障；設(shè)計(jì)型，用于進(jìn)行某些設(shè)計(jì)與規(guī)則；

教學(xué)型，用于計(jì)算機(jī)輔助教學(xué)咨詢型，用于某些領(lǐng)域的咨詢或顧問(wèn)；工具型，用于開(kāi)發(fā)專家系統(tǒng)；一專家系統(tǒng)的構(gòu)成及功能

（一）知識(shí)源（二）推理機(jī)（三）解釋系統(tǒng)

(四）專家系統(tǒng)的管理系統(tǒng)（五）外部接口用戶外部接口管理系統(tǒng)專家系統(tǒng)的推理機(jī)解釋系統(tǒng)緩沖存儲(chǔ)器知識(shí)源知識(shí)庫(kù)模型庫(kù)數(shù)據(jù)庫(kù)知識(shí)管理系統(tǒng)知識(shí)獲取系統(tǒng)專家工程師知識(shí)二、專家系統(tǒng)在故障診斷中的應(yīng)用

例4.1在汽車(chē)中，發(fā)動(dòng)機(jī)的電子控制越來(lái)越多如圖4-2所示，是發(fā)動(dòng)機(jī)控制系統(tǒng)的框圖，其關(guān)鍵部件借助于車(chē)內(nèi)的計(jì)算機(jī)或電控模塊(ECM)的電子控制組件來(lái)實(shí)施控制。廢氣發(fā)動(dòng)機(jī)化油器電控模塊ECM發(fā)動(dòng)機(jī)溫度節(jié)氣門(mén)位置混合比控制信號(hào)點(diǎn)火時(shí)間發(fā)動(dòng)機(jī)轉(zhuǎn)速排氣中氧氣量冷卻液溫傳感器混合氣控制執(zhí)行元件節(jié)氣門(mén)位置傳感器分電器氧傳感器催化轉(zhuǎn)換器為了診斷發(fā)動(dòng)機(jī)控制系統(tǒng)的故障，某些公司研究了診斷專家系統(tǒng)，圖4-3就是其中的一個(gè)框圖。

不正常硬碼診斷碼檢查基本系統(tǒng)檢查碼12碼13碼14碼15碼21碼23根據(jù)經(jīng)驗(yàn)分析故障起因診斷模塊診斷碼檢查系統(tǒng)性能檢查路試使用性能檢查路試出廠無(wú)碼或僅有軟碼正常不正常硬碼正常無(wú)碼碼12—無(wú)分電器參考脈沖碼13—氧傳感器電路碼21—節(jié)氣門(mén)位置傳感器電路碼14—冷卻液溫度傳感器短路碼15—冷卻液溫度傳感器斷路碼23—混合比控制電路圖4-3汽車(chē)發(fā)動(dòng)機(jī)故障診斷的專家系統(tǒng)例4.2液壓傳動(dòng)系統(tǒng)故障診斷專家系統(tǒng)的設(shè)計(jì)為了便于加深對(duì)專家系統(tǒng)的了解，引用了某液壓傳動(dòng)系統(tǒng)故障診斷專家系統(tǒng)的設(shè)計(jì)，為了簡(jiǎn)化和縮小建造知識(shí)庫(kù)和專家系統(tǒng)的編程目標(biāo)，達(dá)到說(shuō)明故障診斷專家系統(tǒng)的設(shè)計(jì)過(guò)程和內(nèi)函，將設(shè)計(jì)和描述范圍作了如下的限定：(1)機(jī)械產(chǎn)品中某臺(tái)設(shè)備液壓傳動(dòng)系統(tǒng)出現(xiàn)故障；(2）液壓傳動(dòng)系統(tǒng)的故障是由于液壓缸不能實(shí)現(xiàn)正常運(yùn)行而造成；(3)液壓缸不動(dòng)作造成運(yùn)動(dòng)失效，問(wèn)題出在換向閥元件上；(4)換向閥出問(wèn)題僅考慮閥芯、彈簧和電磁鐵等出現(xiàn)故障。

1．知識(shí)庫(kù)

通過(guò)總結(jié)分析和向領(lǐng)域?qū)＜覍W(xué)習(xí)后，提取出有關(guān)換向閥出現(xiàn)問(wèn)題的判定和處理知識(shí)，并進(jìn)行形式化，以組建知識(shí)庫(kù)。油缸不移動(dòng)閥芯不動(dòng)閥芯不能返回中心位置舊換向閥新?lián)Q向閥彈簧磨損油源污染電磁鐵液壓卡緊力間隙小新?lián)Q向閥舊換向閥行程開(kāi)關(guān)失靈短路線圈損壞推力不夠漏裝彈簧彈簧折斷剛度不夠圖4-4換向閥故障診斷推理網(wǎng)絡(luò)2．?dāng)?shù)據(jù)庫(kù)數(shù)據(jù)庫(kù)是存放專家系統(tǒng)當(dāng)前情況的，即存放用戶告知的一些事實(shí)及由此推得的一些事實(shí)，它也是以表的形式存放的。例如，若已知以下事實(shí)：液壓缸——完全不移動(dòng)；換向閥——第一次使用；閥芯——不能被卡??；該閥——是電磁換向閥；彈簧——處于正常工作位置；電磁鐵——線圈有電。要將這些事實(shí)用計(jì)算機(jī)語(yǔ)言編碼形成一個(gè)表存入計(jì)算機(jī)當(dāng)前的數(shù)據(jù)庫(kù)中，實(shí)際上對(duì)一般專家系統(tǒng)而言，就是在計(jì)算機(jī)中劃分出一部分存貯單元，存放以一定形式組織的該專家系統(tǒng)的當(dāng)前數(shù)據(jù)，這就構(gòu)成了數(shù)據(jù)庫(kù)。數(shù)據(jù)庫(kù)可以有多個(gè)表或用其他形式構(gòu)造。3．推理機(jī)

本例中就換向閥故障診斷問(wèn)題進(jìn)行正向推理機(jī)的設(shè)計(jì)。圖4-5所示為正向推理機(jī)工作示意圖。當(dāng)知識(shí)庫(kù)和數(shù)據(jù)庫(kù)構(gòu)造完成以后，正向推理機(jī)的工作步驟應(yīng)是：NNNYYY開(kāi)始取出規(guī)則I的結(jié)論部分的事實(shí)將新事實(shí)加入數(shù)據(jù)庫(kù)，記下規(guī)則I結(jié)束取出規(guī)則I的前提部分的事實(shí)令I(lǐng)=1令I(lǐng)=I+1新的事實(shí)嗎？在數(shù)據(jù)庫(kù)嗎？I=K？第三節(jié)故障診斷神經(jīng)網(wǎng)絡(luò)一、神經(jīng)網(wǎng)絡(luò)的基本組成

神經(jīng)網(wǎng)絡(luò)是從生物學(xué)的角度來(lái)模擬人類的思維過(guò)程。由于人們對(duì)大腦的思維機(jī)制還很不了解，因此當(dāng)前的人工神經(jīng)網(wǎng)絡(luò)還只能是大腦的低層次模擬。（一）神經(jīng)元（二）神經(jīng)元間的連接。（三）神經(jīng)網(wǎng)絡(luò)

二、人工神經(jīng)網(wǎng)絡(luò)的典型模型神經(jīng)元是神經(jīng)網(wǎng)絡(luò)的基本處理單元，它一般視為多輸入單輸出的非線性器件，其模型如圖4-6所示。-1θjω1jωnj…SiyjXnX1ωij………Σ圖4-6神經(jīng)元模型其中xi為輸入信號(hào)，ωi示從輸入信號(hào)與與第j個(gè)處理單元的連接權(quán)值，θj為該處理單元的閾值，Si表示外部輸入信號(hào)(在某些情況下，它可以控制神經(jīng)元，使之保持在某一狀態(tài))，yj為輸出。常用的神經(jīng)元非線性特性(函數(shù))f(σ)可有如下三種類型，

1．閾值型：函數(shù)f為一階躍函數(shù)，即當(dāng)輸入信號(hào)大于閾值時(shí)，神經(jīng)元輸出為1，否則，輸出為0。

2．分段線性型：輸出與輸入的關(guān)系呈分段折線形。

3．S型：其輸出與輸入的關(guān)系特性常取對(duì)數(shù)或正切等S狀函數(shù)曲線飽和特性。三、BP模型

BP模型也叫反向傳播模型，它是一種多層前向網(wǎng)絡(luò)，如圖4-7（a）所示，網(wǎng)絡(luò)除輸入輸出層外，還有隱層(可以是多層)。通常激發(fā)函數(shù)yj=f(σj)選S型，常用的Sigmoid函數(shù)，即該算法的學(xué)習(xí)過(guò)程由正向傳播和反向傳播組成。在正向傳播過(guò)程中，輸入信息從輸入層經(jīng)隱層處理，并傳向輸出層，每一層神經(jīng)元的狀態(tài)只影響下二層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入反向傳播，，將誤差信號(hào)沿相反的路線從輸出層經(jīng)隱層逐層傳至輸入層，在此過(guò)程中，修改各層的權(quán)值，以使誤差信號(hào)最小。該模型采用梯度最速下降法，最后的目標(biāo)是使誤差平方和最小。

四BP算法的改進(jìn)BP算法的一種綜合修正：1．對(duì)樣本進(jìn)行分批分期學(xué)習(xí)，首先學(xué)習(xí)標(biāo)準(zhǔn)樣本，為網(wǎng)絡(luò)提供智能化初始值，再對(duì)全體樣本學(xué)習(xí)，

2．用“漸進(jìn)式”方式學(xué)習(xí)，BP網(wǎng)絡(luò)對(duì)最近一次學(xué)習(xí)的樣本特征起增強(qiáng)作用，而削弱其它樣本的特征，導(dǎo)致網(wǎng)絡(luò)對(duì)樣本的重復(fù)學(xué)習(xí)。3．初始權(quán)重應(yīng)賦予隨機(jī)數(shù)，不能將同一層各權(quán)重賦以相同的值，否則將導(dǎo)致算法的失敗。用較小的隨機(jī)值[-0.5，+0.5)初始化權(quán)值，以免網(wǎng)絡(luò)過(guò)早進(jìn)入假飽和狀態(tài)；

4．閾值作為網(wǎng)絡(luò)的一個(gè)附加節(jié)點(diǎn)一起訓(xùn)練，

5．在“梯度型”算法中存在如下問(wèn)題：

若μ過(guò)大導(dǎo)致算法在最優(yōu)點(diǎn)附近振蕩，若μ過(guò)小，則算法在開(kāi)始時(shí)收斂速度極慢。在進(jìn)程中進(jìn)行調(diào)整，使學(xué)習(xí)可以較快的速度進(jìn)行，提高了學(xué)習(xí)效率。算法為：其中β為一小正數(shù)，一般為[0.01，0.03]

五、BP算法在大型旋轉(zhuǎn)機(jī)械故障診斷中的應(yīng)用

例4.3表4-1是一組旋轉(zhuǎn)機(jī)械故障的訓(xùn)練示例。表內(nèi)的值表示各訓(xùn)練示例的特征值大小，其取值區(qū)間為[0，1]，如在不平衡訓(xùn)練示例中，其0～1/4倍頻振動(dòng)幅值的當(dāng)量值為0，1～3/4倍頻的振動(dòng)幅值的當(dāng)量值為0，3/4～1倍頻的振動(dòng)幅值的當(dāng)量值為0，1倍頻的振動(dòng)幅值的當(dāng)量值為0.9，2倍頻的振動(dòng)幅值的當(dāng)量值為0.1，等等，其余類推。將這些故障示例輸入到一個(gè)具有8個(gè)輸入層節(jié)點(diǎn)，8個(gè)中間層節(jié)點(diǎn)，3個(gè)輸出層節(jié)點(diǎn)的網(wǎng)絡(luò)中，經(jīng)過(guò)1200次迭代，形成了一個(gè)網(wǎng)絡(luò)，該網(wǎng)絡(luò)的記憶效果如表4-2所示，經(jīng)過(guò)12000次迭代所形成的網(wǎng)絡(luò)的記憶效果如表4-3所示。表4-2中第一行表示，當(dāng)輸入一組不平衡故障后，得出該故障的置信度為0.94，而其它故障幾乎為0。第二行表