故障診斷方法-課件

故障診斷方法許美蓉2016-6-201PPT課件故障診斷方法許美蓉1PPT課件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(shí)的方法（3）基于信號(hào)處理的方法2PPT課件故障診斷方法的分類故障診斷方法分為：2PPT課件故障診斷方法分類3PPT課件故障診斷方法分類3PPT課件基于信號(hào)處理的方法基于信號(hào)處理的方法：通常是利用信號(hào)模型，如相關(guān)函數(shù)、頻譜、自回歸滑動(dòng)平均、小波變換等，直接分析可測(cè)信號(hào)，提取諸如方差、幅值、頻率等特征值，從而檢測(cè)出故障。4PPT課件基于信號(hào)處理的方法基于信號(hào)處理的方法：通常是利用信號(hào)模型，如基于解析模型的方法

是在明了診斷對(duì)象數(shù)學(xué)模型的基礎(chǔ)上，按一定的數(shù)學(xué)方法對(duì)被測(cè)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。5PPT課件基于解析模型的方法 是在明了診斷對(duì)象數(shù)學(xué)模型的基礎(chǔ)上，按一定基于知識(shí)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(shù)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6PPT課件基于知識(shí)的故障診斷方法專家系統(tǒng)故障診斷方法6PPT課件專家系統(tǒng)故障診斷方法數(shù)據(jù)庫(kù)：對(duì)于在線監(jiān)視或診斷系統(tǒng)，數(shù)據(jù)庫(kù)的內(nèi)容是實(shí)時(shí)監(jiān)測(cè)到的工作數(shù)據(jù)；對(duì)于離線診斷，可以是故障時(shí)檢測(cè)數(shù)據(jù)的保存，也可以是人為檢測(cè)的一些特征數(shù)據(jù)。即存放推理過(guò)程中所需要和產(chǎn)生的各種信息知識(shí)庫(kù)：存放的知識(shí)可以是系統(tǒng)的工作環(huán)境，系統(tǒng)知識(shí)（反映系統(tǒng)的工作機(jī)理及結(jié)構(gòu)知識(shí)）；規(guī)則庫(kù)則存放一組組規(guī)則，反映系統(tǒng)的因果關(guān)系，用來(lái)故障推理。知識(shí)庫(kù)是專家領(lǐng)域知識(shí)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)的組織控制結(jié)構(gòu)。7PPT課件專家系統(tǒng)故障診斷方法數(shù)據(jù)庫(kù)：對(duì)于在線監(jiān)視或診斷系統(tǒng)，數(shù)據(jù)庫(kù)的專家系統(tǒng)故障診斷局限性依賴于專家的領(lǐng)域知識(shí)獲取，而知識(shí)獲取被公認(rèn)為專家系統(tǒng)研究開(kāi)發(fā)中的瓶頸問(wèn)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。8PPT課件專家系統(tǒng)故障診斷局限性依賴于專家的領(lǐng)域知識(shí)獲取，而知識(shí)獲取被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(cè)試待診斷對(duì)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。9PPT課件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(duì)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(huì)下降，甚至診斷失敗。10PPT課件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，故障樹(shù)故障診斷方法故障樹(shù)模型是一個(gè)基于被診斷對(duì)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(mén)表示事件之間聯(lián)系的一種倒樹(shù)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(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。11PPT課件故障樹(shù)故障診斷方法故障樹(shù)模型是一個(gè)基于被診斷對(duì)象結(jié)構(gòu)、功能特故障樹(shù)診斷法步驟選擇合理的頂事件。建造正確合理的故障樹(shù)。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(cè)試方法，從故障數(shù)頂事件開(kāi)始，先測(cè)試最初的中間事件，根據(jù)中間事件測(cè)試結(jié)果判斷測(cè)試下一級(jí)中間事件，直到測(cè)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(shù)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(cè)試最小割集，從而搜尋故障源，進(jìn)行故障診斷。12PPT課件故障樹(shù)診斷法步驟選擇合理的頂事件。12PPT課件故障樹(shù)診斷的局限性故障樹(shù)法的局限性在于對(duì)建造正確合理的故障樹(shù)的依賴。如果一旦故障樹(shù)建立不全面或不正確，則此診斷方法將失去作用。13PPT課件故障樹(shù)診斷的局限性故障樹(shù)法的局限性在于對(duì)建造正確合理的故障樹(shù)神經(jīng)網(wǎng)絡(luò)故障診斷法14PPT課件神經(jīng)網(wǎng)絡(luò)故障診斷法14PPT課件神經(jīng)網(wǎng)絡(luò)故障診斷過(guò)程學(xué)習(xí)過(guò)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(lái)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(guò)程：是將未知模式與訓(xùn)練的分類器進(jìn)行比較來(lái)診斷未知模式的故障類別。15PPT課件神經(jīng)網(wǎng)絡(luò)故障診斷過(guò)程學(xué)習(xí)過(guò)程：是在一定的標(biāo)準(zhǔn)模式樣本的基礎(chǔ)上預(yù)處理和特征提取學(xué)習(xí)和診斷兩個(gè)過(guò)程都包括了預(yù)處理和特征提取。預(yù)處理：通過(guò)刪除原始數(shù)據(jù)中的無(wú)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(guò)某種變換使其有利于故障診斷。特征提?。簩?duì)要診斷的對(duì)象從獲得的數(shù)據(jù)來(lái)看，一般可看作一組時(shí)間序列。通過(guò)對(duì)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(lái)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。16PPT課件預(yù)處理和特征提取學(xué)習(xí)和診斷兩個(gè)過(guò)程都包括了預(yù)處理和特征提取。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)17PPT課件神經(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17PPT課神經(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(shí)網(wǎng)絡(luò)權(quán)值形式表達(dá)方式難以理解18PPT課件神經(jīng)網(wǎng)絡(luò)故障診斷的局限性訓(xùn)練樣本獲取困難18PPT課件數(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(duì)來(lái)自多傳感器的信息按一定的準(zhǔn)則加以自動(dòng)分析和綜合的數(shù)據(jù)處理過(guò)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(hào)；二是同一信號(hào)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。19PPT課件數(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(duì)來(lái)自多傳感器的信息貝葉斯定理法先驗(yàn)概率假設(shè)：設(shè)備運(yùn)行過(guò)程是一個(gè)隨機(jī)過(guò)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)驗(yàn)知識(shí)對(duì)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(duì)一故障樣本X（由多傳感器對(duì)被診斷對(duì)象測(cè)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20PPT課件貝葉斯定理法先驗(yàn)概率假設(shè)：設(shè)備運(yùn)行過(guò)程是一個(gè)隨機(jī)過(guò)程，各類故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(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(guò)多傳感器測(cè)試被診斷對(duì)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(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。21PPT課件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故障融合的方法各傳感器信度函數(shù)確定它是通過(guò)測(cè)試被診斷對(duì)象的癥狀參數(shù)，通過(guò)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(cè)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(cè)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(duì)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(shí)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。22PPT課件故障融合的方法各傳感器信度函數(shù)確定22PPT課件神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合故障診斷方法通過(guò)多傳感器測(cè)試被診斷對(duì)象，求出每一傳感器在某癥狀下對(duì)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。23PPT課件神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合故障診斷方法通過(guò)多傳感器測(cè)試被診斷對(duì)象，求出神經(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(guò)傳感器測(cè)試帶診斷對(duì)象的癥狀參數(shù)，經(jīng)過(guò)一定的變換處理，得到各傳感器所測(cè)癥狀屬于各類故障的隸屬度值。，表示傳感器j測(cè)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(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)