基于在线半监督学习的故障诊断方法研究
尹 刚,张英堂,李志宁,任国全,范红波
(军械工程学院七系,河北石家庄050003)
摘要:针对机械故障诊断中准确、完备的故障训练样本获取困难,而现有分类方法难以有效地发掘大量未标记故障样本中蕴含的有用信息,提出了一种基于在线半监督学习的故障诊断方法。该方法基于T ri-t raining算法将在线贯序极限学习机从监督学习模式扩展到半监督学习模式,利用少量不精确的标记样本构建初始分类器,并从大量未标记样本中在线扩充标记样本,对分类器进行增量式更新以提高其泛化性能。半监督基准数据试验结果表明,训练样本总数相同但标记样本数与未标记样本数比例不同时,所提算法得到的分类准确率相当且训练时间相差小于1.2倍。以柴油机8种工况的故障模式为对象进行试验验证,结果表明标记故障样本较少时,未标记故障样本的加入可使故障分类准确率提高5%～8%。
关键词:故障诊断;极限学习机;在线半监督学习;协同训练;排气噪声
中图分类号:T H165+.3;T P18 文献标识码:A 文章编号:1004-4523(2012)06-0637-06
引 言
监督学习模式下的分类方法以及非监督学习的聚类方法在故障检测和诊断领域得到了广泛的应用[1,2]。但监督学习必须利用专家知识对所有的故障样本做类别标记,且为获得较好的泛化性能,通常需要大量的已标记故障样本作为训练集。而故障样本的类别标记对专家知识以及人工故障的设置提出了较高的要求,耗费了大量的人力和物力,且机械故障的类别标记易出现瓶颈及标记不准确等问题。根据数据的相似性进行分组的聚类方法虽不需要对故障样本进行标记,但由于其对专家先验知识的忽略导致分类准确率明显低于有监督的分类方法。
半监督学习在少量不精确标记样本的基础上,利用大量廉价的未标记样本进行训练,可有效提高分类器的性能,在文本、图像、网络流量等领域的分类问题中得到了较好的应用[3～5]。但当前半监督学习存在学习速度慢、不确定性递增、批量式训练等问题[6],影响了其在故障诊断领域中的进一步发展。在线贯序极限学习机(Online Sequential Ex treme Learning Machine,O S-ELM)为单隐层前馈神经网络的快速增量式监督学习算法[7],其将网络的训练问题转化为求解线性方程组的最小二乘解,极大地提高了网络的学习速度和泛化能力。因此本文基于改进Tri-training算法将O S-ELM从监督学习模式扩展到半监督学习模式,提出可用于故障诊断领域的在线半监督学习方法(Online Semi-superv ised Lea rning,OSSL)。
1 在线贯序极限学习机的监督学习
对于任意的N个训练样本Z0=(x i,t i),其中x i= [x i1,x i2,…,x in]T∈R n,t i=[t i1,t i2,…,t im]T∈R m,若隐层节点数为P,激活函数为g(x)时,单隐层前馈神经网络的实际输出以零误差接近期望输出,即
t i=∑
P
j=1
βj g(ωj,x i,b j), i=1,…,N(1)式中 βj为连接第j个隐层节点和输出节点的权值向量,ωj=[k j1,…,k ji,…,k jn]为连接输入节点和第个隐层节点的输入权值向量,b j为第个隐层节点的阈值。
将式(1)写成矩阵形式
Hβ=T(2)式中 β=[U1,U2,…,U P]T,T=[t1,t2,…,t N]T, H(k1,…,k P;b1,…,b L;x1,…,x N)=
g(k1,b1,x1)…g(k P,b P,x1)
…
g(k1,b1,x N)…g(k P,b P,x N)N×P
第25卷第6期2012年12月
振 动 工 程 学 报
Journal of Vibratio n Engineering
V o l.25N o.6
Dec.2012
收稿日期:2011-10-31;修订日期:2012-03-14
基金项目:河北省自然科学基金资助项目(E20007001048);军内科研计划资助项目
文献[7]严格证明了当g (x )无穷可微且网络具有合适的隐层节点数时,输入权值向量ω和隐层节点阈值b 可随机赋值,单隐层前馈神经网络的训练过程转化为求解式(2)的最小二乘解
β∧
=H *
T (3)
式中 H *
为隐层输出矩阵H 的M oo re -Penrose 广义逆。当rank(H )=P 时,由正交投影法可得
H *=(H T H )-1H T
(4)
H T H 为奇异阵时,可适当调整参数P 使其成为非奇
异阵。则式(3)转化为
β∧
=K -1
0H T
T
(5)
式中 K 0=H T
H 。
给定N 1个新的训练样本Z 1={(x i ,t i )}N +N
1i =N +1,则网络训练问题转化为
min
H H 1
β-T T 1
(6)
由式(3),(4),(5)可得上式的最小二乘解为
β
(1)
=K
-11
H H 1T
T T 1
(7)
其中
K 1=
H H 1
T
H H 1
=H T
H +
H T 1H 1=K 0+H T
1H 1
又式(7)中
H H 1
T
T T 1
=K 0K -10H T T +H T 1T 1=K 0β(0)
+
H T 1T 1=(K 1-H T
1
H 1)β(0)
+H T 1
T 1
故贯序学习时网络输出权值的迭代公式为
β
(1)
=β
(0)
+K
-1
1
H T 1
(T 1-H 1β
(0)
)
(8)
由式(8)可知,OS-ELM 对第k +1组样本进行训练时,克服了传统监督学习中必须将此组样本加入到所有已训练样本中进行批量学习的缺点,仅需将已训练得到的β(k )
与第k +1组样本对应的H k +1,T k +1代入公式(8)更新分类器即可。
2 在线半监督学习方法流程
半监督学习在传统监督学习的基础上,将大量的未标记样本加入训练集用于分类器的训练,且Zhang 等已证明未标记样本可有效提高分类器的学习性能[8]
。因此本文将OS-ELM 扩展为半监督学习模式,利用大量的未标记故障样本辅助提高故障分类器的泛化性能。
2.1 Tri -training 训练过程
Tri-training 算法为半监督学习中协同训练的扩展算法[9],在聚类假设或流形假设的基础上,构造3个不同的分类器挑选若干个置信度较高的未标记样本进行相互标记,最后通过集成学习的思想对各个分类器进行更新。其学习过程可以描述为:假设标记训练样本集为L ,x 为未标记训练样本集U 内任一训练样本。
通过对样本集L 进行可重复取样得到3个有标记的训练样本集L 1,L 2,L 3,进而训练得到3个不同的初始分类器C 1,C 2,C 3。
若C 1,C 2,C 3中的任意两个分类器对样本x 的预测相同,则x 被认为具有较高的标记置信度,将其标记后加入3个分类器的标记样本集,形成新的训练样本集L 1',L 2',L 3';然后再利用扩充后的标记样本集重新训练各自从属的分类器,如此重复迭代对3个分类器进行更新。
分类器训练结束后,对于需要进行类别标记的
测试样本集,Tri-training 算法将3个分类器组成一个集成器,并采用集成学习中的投票法实现对未标记样本的类别预测。
Tri -training 算法通过判断3个分类器对未标记样本的预测一致性,对未标记样本的标记置信度进行判断,进而实现多个分类器的协同训练,克服了传统协同训练中使用统计测试技术判断标记置信度时间耗费较长的缺点
[10]
,但若初始分类器泛化性能
较差,大量未标记样本将会被错误标记,进而影响分类器性能的提高。另一方面,Tri -training 算法采用的集成策略对构造具有较大差异性的初始分类器提
出了较高的要求。
2.2 初始分类器的离线学习
OS-ELM 将神经网络的训练问题转化为线性方程组的求解问题,克服了传统算法训练速度慢、泛化能力不高的缺点。由文献[11～13]可知,OS -ELM 分类器的泛化性能优于BP 、支持向量机等算法,由文献[14]可知,采用不同的激活函数g (x )可以构造得到差异性较大的分类器。因此本文从rbf,ha rdlim ,sigm oid,sine,morlet 中选择不同的函数构造差异性较大且泛化性能较高的3个初始分类器C 01,C 02
,C 03。已知标记样本集L ,选择3个不同的激活函数,将输入样本映射到隐层核空间,计算隐层输出矩阵H 01,H 02,H 03,并由式(5)计算各分类器的输出权值β01
,638
振 动 工 程 学 报第25卷
β0
2,β0
3以及相对应的K 0
1,K 0
2,K 0
3。2.3 标记样本在线扩充
将大量的未标记故障样本分为若干组,采用增量式学习的方式对分类器进行更新学习。假设U k +1为第k +1组需要学习的未标记样本集,分别采用分类器C k 1,C k 2和C k 3选择的输入权值向量ω、隐层节点阈值b 和激活函数g (x )将其映射到隐层核空间,计算
得到隐层输出矩阵H k +1u 1,H k +1u 2和H k +1u 3,则分类器C k
1,C k 2
和C k 3
对未标记样本集U k +1
的预测标记可由式(5)
求得
Y k +1u 1=H k +1u 1βk
1
Y k +1u 2=H k +1u 2βk 2
Y k +1u 3=H k +1u 3
βk 3
(9)
对比Y k +1u 1,Y k +1u 2和Y k +1
u 3,采用Tri-training 算法选取样本集U k +1中置信度较高的未标记样本和其预测标记,将其在线扩充为预标记样本集L k +1,对应的隐层
输出矩阵及类别矩阵分别为H k +1l 和T k +1
l 。2.4 分类器的在线更新学习
Tri -training 算法在得到预标记样本集L k +1
后,将其与所有已得到的标记样本组合,采用监督学习的模式对分类器进行再学习,极大地增加了分类器的迭代更新时间。若此时网络隐层节点数为P ,总的标记样本数为N ,采用增量式学习时每组扩充标记得到的样本数为N k ,则批量式学习的计算复杂度约为O (4N P 2+8P 3)[15],远远大于增量更新时的计算复杂度O (4N k P 2+8P 3)。因此本文采用增量式更新的方式,在分类器的第k +1次更新中,仅采用预标记样本集L k +1更新网络参数。则由式(8)可得3个分类器的输出权值分别为β
k +11
=βk 1+(K
k +11
)-1(H
k +1l
)T
(T
k +1l
-H
k +1l
βk 1
)βk +1
2=βk 2+(K k +12)-1(H k +1l )T (T k +
1
l -H k +1
l βk 2)
βk +1
3
=βk
3+(K k +13)
-1
(H k +1
l
)T
(T k +1
l
-H k +1
l
βk
3)(10)
式中 K
k +1
i
=K k i
+(H k +1l )T
H k +1l
,i =1,2,3。
令k =k +1,返回标记样本在线扩充阶段,继续
对新的未标记故障样本进行在线学习。
分类器训练结束后,将3个分类器组成一个集成器,采用集成学习中常用的投票法对未标记故障样本进行分类,实现设备的故障诊断。
3 半监督基准数据试验
为验证本文所提算法的有效性,选取半监督学
习基准数据集中的CO IL,Digit1以及g 241c 数据集进行试验[16]。3个数据集的样本总数和特征维数均为1500和241,类别数分别为6,2和2,按照3∶1的比例将样本分为训练集和测试集,其样本数分别为1126和374。为测试半监督学习中未标记样本对分类器性能的改善状况以及标记样本与未标记样本不同比例对分类器的影响,将训练样本集中的数据按照2∶3,3∶2和4∶1的比例进行分配,则2∶3,3∶2和4∶1三种分配对应的标记样本数分别为450,676,900,分别测试不同分配情况下的分类器分类精度及训练时间,并将其与仅采用标记样本训练得到的分类器对比研究。
采用增量式学习的方式,将未标记样本分为若干组进行试验,每组20个未标记样本。O SSL 在3个数据集训练时的隐层节点数分别为:260,270和200,隐层激活函数均选择rbf,sine 和sig moid 。所有试验均在M ATLAB 7.11.0平台运行20次,计算机C PU 为AM D 2.2GHz ,内存为1G 。O SSL 算法在3个数据集上的平均训练时间和平均分类精度如表1所示。
表1 OSSL 对3组试验数据的训练时间和分类精度Tab .1 Training time and classif ication accuary for three
dif f erent benchmark data sets based on the OSSL algorithm 序号
训练样本数/个
标记未标记测试样本数/个训练时间/s 测试准确率/%CO I L
450
03740.714186.76450
676374 4.015691.816760374 1.084491.74676450374 3.382892.499000374 1.417294.0990******* 3.245395.0311260374 1.795395.51Digit1
45003740.659483.614506763747.260990.43676
0374 1.035988.40676450374 6.628192.069000374 1.443990.96900226374 6.615392.2511260374 1.809492.57g 241c
45003740.659483.61450676374 3.642292.89676
0374 1.035988.40676450374 3.615694.4990003740.631290.53900226374 3.528194.73639
第6期
尹 刚,等:基于在线半监督学习的故障诊断方法研究
通过对比试验结果可以看出,未标记样本的加入使得分类器的分类准确率提高1%～6%;训练样本总数相同但标记样本数与未标记样本数比例不同时,分类器分类准确率平均相差小于2%且训练时间相差小于1s。由此可知:OSSL算法对标记样本的依赖程度较低且分类准确率受未标记样本比例变化的影响较小,一定程度上解决了半监督学习中标记样本扩充带来的不确定性增加的缺陷;随着未标记样本比例的上升,训练时间并没有明显的增加。
4 柴油机的诊断应用
4.1 诊断对象及特征提取
以F3L912型三缸四冲程柴油机为故障诊断对象,验证本文所提O SSL算法的可行性。柴油机失火及气阀机构的故障会引起其燃烧状况的变化,进而导致排气噪声的不同,因此本文采用20Hz～20k Hz 频响范围的声传感器测量排气管出口处排气噪声的原始声压用于柴油机故障诊断,测量时柴油机转速为1200r/min,传感器与排气管垂直,距离排气管口10cm。第三缸高压油管上的外卡式油压传感器信号与排气噪声同步采集,以准确指示柴油机各缸的工作相位,采样频率为40k Hz。为贴近实际应用,实验在空间较大的车间内进行,信号采集时未采用任何消声措施。
试验在正常工况、1缸失火、1和2缸同时失火、2缸失火、排气门间隙过大(0.7mm)、进气门间隙过大(0.5mm)、排气门漏气、进气门漏气共8种工况下进行。8种工况下排气噪声的时域波形及功率谱图如图1,2所示。为较清楚地显示排气噪声时域与频域的波形,图1,2仅截取了一个整工作周期噪声信号用于分析,在后续的AR建模时,本文截取了10个整工作周期的噪声信号。
分析图1,2可知,不同工况下的排气噪声时域波形的差别较小,但其功率谱却有较大的差别。又AR谱估计易反映功率谱图中的峰值信息且频率定位准确。因此,为提取能够较好反映不同故障状态的特征向量,本文对不同工况下的排气噪声建立AR 模型,并将AR模型的主要自回归参数作为故障特征向量,用于下一步的故障模式识别。图3为对8种工况下的排气噪声信号建立8阶AR模型,取自回归参数h i2,h i4,h i5作为特征参数得到的三维数据点分布图
。
图1 工况1～4排气噪声的时域波形及功率谱图Fig.1 Sig nal in time domain and po w er spectrum on fo ur w or king co nditions
图2 工况5～8排气噪声的时域波形及功率谱图Fig.2 Sig nal in time domain and po w er spectrum on fo ur w or king co nditions(ano th er)
640振 动 工 程 学 报第25卷
图3 排气噪声主要自回归参数的三维分布图
Fig.3 Th ree-dimensio nal g ra ph abo ut main para meter s o f a uto r eg r essiv e beyo nd ex haust noise
由图3可知,不同工况提取得到的故障特征向量具有一定的类内聚性和类间差异性,可用于下一步的故障模式识别。
4.2 应用结果
为较好地反映不同工况间的差异,对排气噪声建立8阶AR模型,并将得到的8个自回归参数作为故障特征向量。每种工况提取75个特征向量组成600个特征向量,并以5∶1的比例随机分为训练集和测试集。为研究未标记样本在设备故障诊断中的重要性,将标记样本与未标记样本分为不同比例进行对比试验,试验时选择隐层激活函数选择rbf,sine 和sig moid,隐层节点数为150,试验结果如表2所示。
表2 标记样本和未标记样本不同比例下OSSL算法训练所得故障分类器的性能
Tab.2 Result of fault classification based on the OSSL al-gorithm in the dif ferent ratio between labeled sam-
ples and unlabeled samples
序号
训练样本数/个
标记未标记
测试
样本数
/个
训练
时间
/s
测试
准确率
/%
110001000.160987.1
21001001000.246992.0
31002001000.335992.4
41003001000.453192.5
51004001000.586393.4
620001000.175289.3
72001001000.348496.2
82002001000.439196.6
92003001000.564197.3
103002001000.539197.8
114001001000.467299.0
1250001000.184499.3
由表2中标记样本和未标记样本不同比例时的对比试验可知,在仅有少量不精确的标记故障样本和大量未标记故障样本下,OSSL算法可以取得较好的故障分类准确率,且故障分类准确率随着未标记样本的增加而增加;另外,该算法的训练时间并未随未标记样本的增多而大幅度增加。当未标记样本数为零时,O SSL算法退化为3个OS-ELM算法的加权平均,因此第1,6,12组试验为O S-ELM算法的输出结果。但对比第5,9,10,11,12等5组试验可知,当总的训练样本相同时,OSSL算法对标记样本具有一定的依赖性,其故障分类准确率仍略低于监督学习模式下的O S-ELM算法。
5 结 论
监督学习模式下的故障分类方法不能有效地利用大量的未标记故障样本,而机械设备的故障诊断中难以获得大量标记精确的故障样本。因此为有效利用大量低成本的未标记故障样本提高故障分类准确率,本文在O S-ELM的基础上提出了O SSL算法。该算法通过标记样本的在线扩充和分类器的增量更新,在提高样本空间稠密度的基础上改善了分类器的泛化性能。半监督基准数据的验证试验表明了OSSL算法的有效性,柴油机8种故障的诊断应用进一步证明了OSSL算法用于故障诊断的可行性。
参考文献:
[1] 李学军,蒋玲莉,杨大炼,等.基于双谱分布区域的齿轮
聚类分析与故障诊断[J].振动工程学报.2011,24(3):
304—308.
LI Xuejun,JI AN G Ling li,Y AN G Dalian,et al.
Custer ana ly sis a nd fa ult dia gno sis fo r g ea r based on
bispect rum dist ributio n[J].Jo ur na l of Vibra tio n En-
ginee ring,2011,24(3):304—308.
[2] 廖广兰,史铁林.G T M算法在齿轮箱状态监测中的应
用[J].振动、测试与诊断,2004,24(1):11—14.
LI AO Guang lan,SHI Tielin.Co nditio n mo nito ring of
g ea rbox based o n g enera tive topog raphic mapping[J].
Jour nal o f V ibration,M easur ement&Diag no sis,
2004,24(1):11—14.
[3] 张博峰,白冰,苏金树.基于自训练EM算法的半监督
文本分类[J].国防科技大学学报,2007,29(6):65—
69.
ZHAN G Bo feng,BA I Bing,SU J insh u.Semi-super-v ised tex t classifica tio n ba sed o n self-t raining EM al-
go rithm[J].Jour nal of Na tio nal U niv e rsity o f Defense
Technolog y,2007,29(6):65—69.
[4] 祁亨年,杨建刚,方陆明.基于多类支持向量机的遥感
641
第6期尹 刚,等:基于在线半监督学习的故障诊断方法研究
图像分类及其半监督式改进策略[J].复旦大学学报
(自然科学版),2004,43(5):781—784.
Q I Heng nia n,Y AN G J ia ng ang,F AN G Luming.M ul-ti-cla ss SV M ba sed remo te sensing imag e cla ssificatio n
a nd their semi-superv ised improv ement scheme[J].
J o uranl o f Fuda n U niv ersity(N atura l Science),2004,
43(5):781—784.
[5] 柳斌,李之棠,涂浩.一种基于半监督学习的应用层流
量分类方法[J].微电子学与计算机,2008,25(10):
113—116.
L IU Bin,L I Zhitang,T U Hao.Ne two rk a pplicatio n classificatin me tho d based o n semi-supe rv ised lea rning
[J].M icro electr onics&Co mputer,2008,25(10):
113—116.
[6] 唐晓亮,韩敏.一种基于极端学习机的半监督学习方法
[J].大连理工大学学报,2010,50(5):771—776.
T AN G Xiao liang,HAN M in.A semi-supervised lear ning method based on ex t reme lear ning machine
[J].J o urnal of Dalian U niv er sity of Techno log y,
2010,50(5):771—776.
[7] Lia ng N an-Ying,Huang Guang-Bin,S AR A TC HA N-
DR AN P,et a l.A fa st and accura te online sequential lear ning alg o rithm for feedfor wa rd netw or ks[J].
IEEE T ra nsactio ns o n Neur al Netw o rks,2006,17
(6):1411—1423.
[8] T ong Zhang,F rank J O les.A pro bability analysis o n
th e v alue of unla beled da ta fo r cla ssifica tio n problems
[A].Proceeding s of the17th Inter na tio nal Co nference
o n M achine Lear ning(ICM L’00)[C].Sa n Francisco,
CA,2000:1191—1198.
[9] Zhi-Hua Zho u,Ming Li.T ri-tr aining:Ex plo iting un-
labeled data using thr ee classifier s[J].IEEE T ra nsac-tio ns o n K no wledg e and Data Engineering,2005,17
(11):1529—1541.
[10]周志华,王珏.机器学习及其应用[M].北京:清华大学
出版社,2007.
[11]Ying Liu,Han T ong Loh,Shu Beng To https://www.doczj.com/doc/865849786.html,pari-
so n o f ex treme lea rning machine with suppo r t v ecto r machine for tex t classificatio n[J].Lecture N otes in
Computer Science,2005,3533(1):390—399. [12]Feng-Chia Li,Peng-Kai Wa ng,Gwo-En W ang.Co m-
pa riso n o f the primitiv e classifiers with Ex t reme
Lear ning M achine in credit sco ring[A].I EEE Inter-na tio nal Confer ence on Industrial Engineering and En-ginee ring M anagement[C].Ho ng kong,China,2009:
685—688.
[13]Xun-Kai Wei,Ying-Ho ng Li,Yue Feng.Co mpa rativ e
study of ex t reme lea rning machine and suppo rt v ecto r machine[A].Third Inter na tional Symposium o n N eu-ral N etw or ks[C].Chengdu,China,2006:1089—
1095.
[14]Suresh S,Sar aswa thi S,Sunda ra raja n N.Per for-
mance enhancement of ex t reme lear ning machine fo r multi-categ o ry spar se data classificatio n pro blems[J].
Eng ineering Applica tio ns o f Ar tificial Intellig ence,
2010,23(7):1149—1157.
[15]Xiao liang Tang,Min Han.Pa rtia l La nczos ex t reme
lea rni-ng machine for sing le-o utput r eg r ession pro b-lems[J].N euroco mputing,2009,72(13-15):3066—
3076.
[16]C HA PEL L E O,SCHO L KO P F B,Z IEN A.Semi-su-
pe rvised Lear ning[M].Ca mbridge:M IT Pr ess,2006.
Fault diagnosis method based on online semi-supervised learning YIN G ang,Z HAN G Ying-tang,LI Zhi-ning,REN Guo-quan,F AN Hong-bo
(Sev enth Depa rtment,O rdnance Eng ineering Co llege,Shijiazhuang050003,China)
Abstract:It is difficult to obtain accur ate and self-co ntained tr aining sa mples fo r fa ult diag nosis o f machiner y.The ex isting cla ssifica tio n methods ar e no t able to ex plo re the useful info rmation f ro m a la rg e numbe r o f unla beled fault samples.So an o n-line semi-superv ised lea rning a lg o ri thm is pr oposed for fault diag nosis.In the pro po sed algo rithm,o nline seque ntial ex t reme lea rning machine was ex tended fro m supervised lea rning mo de to the semi-superv ised o ne based o n the tri-training alg o rith m. Firstly,a small amo unt o f inaccura te labeled samples w ere used to build the initial classifier.Seco ndly,a larg e number o f un-la beled samples w er e used to ex tend the labeled sa mples incr ementally.Thir dly,in o rder to improv e its g eneralization per for-mance,cla ssifier was upda ted incr ementally using the new labeled sa mples.Ex periments on the semi-supe rv ised bench ma rk da ta sets show that the propo sed alg o rithm can a chiev e the sa me a ppro ximate cla ssificatio n accuracy a nd difference of the tr aining time less tha n1.2times w hen the to tal number of tr aining samples is the sam e but the ratio betwee n la beled and un-la beled samples is different.Experimental v erifica tions o n eig ht differ ent conditio ns o f the diesel e ngine sho w that cla ssifica-tio n accura cy is im pr ov ed by5%to8%by adding unlabeled fa ult samples when the number o f labeled fa ult samples is small.
Key words:fault diag nosis;ex treme lear ning machine;o nline semi-supervised lear ning;co-training;ex haust noise
作者简介:尹刚(1988—),男,硕士研究生。电话:(0311)87994798;E-mail:ga ng.g ang88@https://www.doczj.com/doc/865849786.html, 642振 动 工 程 学 报第25卷
故障诊断理论方法综述 故障诊断的主要任务有：故障检测、故障类型判断、故障定位及故障恢复等。其中：故障检测是指与系统建立连接后，周期性地向下位机发送检测信号，通过接收的响应数据帧，判断系统是否产生故障；故障类型判断就是系统在检测出故障之后，通过分析原因，判断出系统故障的类型；故障定位是在前两部的基础之上，细化故障种类，诊断出系统具体故障部位和故障原因，为故障恢复做准备；故障恢复是整个故障诊断过程中最后也是最重要的一个环节，需要根据故障原因，采取不同的措施，对系统故障进行恢复一、基于解析模型的方法 基于解析模型的故障诊断方法主要是通过构造观测器估计系统输出，然后将它与输出的测量值作比较从中取得故障信息。它还可进一步分为基于状态估计的方法和基于参数估计的方法，前者从真实系统的输出与状态观测器或者卡尔曼滤波器的输出比较形成残差，然后从残差中提取故障特征进而实行故障诊断；后者由机理分析确定系统的模型参数和物理元器件之间的关系方程，由实时辨识求得系统的实际模型参数，然后求解实际的物理元器件参数，与标称值比较而确定系统是否发生故障及故障的程度。基于解析模型的故障诊断方法都要求建立系统精确的数学模型，但随着现代设备的不断大型化、复杂化和非线性化，往往很难或者无法建立系统精确的数学模型，从而大大限制了基于解析模型的故障诊断方法的推广和应用。 二、基于信号处理的方法 当可以得到被控测对象的输入输出信号，但很难建立被控对象的解析数学模型时，可采用基于信号处理的方法。基于信号处理的方法是一种传统的故障诊断技术，通常利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，识别和评价机械设备所处的状态。基于信号处理的方法又分为基于可测值或其变化趋势值检查的方法和基于可测信号处理的故障诊断方法等。基于可测值或其变化趋势值检查的方法根据系统的直接可测的输入输出信号及其变化趋势来进行故障诊断，当系统的输入输出信号或者变化超出允许的范围时，即认为系统发生了故障，根据异常的信号来判定故障的性质和发生的部位。基于可测信号处理的故障诊断方法利用系统的输出信号状态与一定故障源之间的相关性来判定和定位故障，具体有频谱分析方法等。 三、基于知识的方法 在解决实际的故障诊断问题时，经验丰富的专家进行故障诊断并不都是采用严格的数学算法从一串串计算结果中来查找问题。对于一个结构复杂的系统，当其运行过程发生故障时，人们容易获得的往往是一些涉及故障征兆的描述性知识以及各故障源与故障征兆之间关联性的知识。尽管这些知识大多是定性的而非定量的，但对准确分析故障能起到重要的作用。经验丰富的专家就是使用长期积累起来的这类经验知识，快速直接实现对系统故障的诊断。利用知识，通过符号推理的方法进行故障诊断，这是故障诊断技术的又一个分支——基于知识的故障诊断。基于知识的故障诊断是目前研究和应用的热点，国内外学者提出了很多方法。由于领域专家在基于知识的故障诊断中扮演重要角色，因此基于知识的故障诊断系统又称为故障诊断专家系统。如图1.1
发动机故障诊断与排除教案
常见车型故障码调取与清除 教案内容 一、日本丰田车系 1.调取故障码 普通方式调取故障码：打开点火开关，不起动发动机，用专用跨接线短接故障诊断座上的“ＴＥ１”与“Ｅ１”端子，仪表盘上的故障指示灯“CHECK ENGINE”即闪烁输出故障码。 2.清除故障码 故障排除后，将ECU中存储的故障码清除，方法有两种：一是关闭点火开关，从熔丝盒中拔下EFI熔丝（20A）10s以上；二是将蓄电池负极电缆拆开10s以上，但此种方法同时使时钟、音响等有用的存储信息丢失。 二、日本日产车系 随车型不同，故障码的调取与清除分三种不同方式： 1.如果在主电脑侧有一红一绿两个指示灯，另有一个“TEST”（检测）选择开关，调取故障码时，先打开点火开关，然后将“TEST”开关转至“ON”位置，两个指示灯即开始闪烁。根据红绿灯的闪烁次数读取故障码，红灯闪烁次数为故障码的十位数，绿灯闪烁的次数为故障码的个位。清除故障码时，将“TEST”开关转至“OFF”位置，再关闭点火开关即可清除故障码。主电脑位于仪表盘后或叶子板后。 2.如果在主电脑侧只有一个红色显示灯，另有一个可变电阻调节旋钮孔，调取故障码时，先打开点火开关，然后将可变电阻旋钮顺时针拧到底，等2 s后再将可变电阻旋钮逆时针拧到底，红色显示灯即开始闪烁输出故障码。每次操作只能输出一个故障码，有多个故障码时需重复上述操作。清除故障码时，将可变电阻旋钮顺时针拧到底，等15s 后再逆时针旋到底，再等 2 s后关闭点火开关即可清除故障码。 3.如果仪表盘上有故障指示灯“CHECK ENGINE”，则可通过短接诊断座上的相应端子调取故障码，日产车系故障诊断座位于发动机盖板支撑杆上方的熔丝盒内，有12端子和14端子两种，调取故障码时，先打开点火开关，然后取出12端子或14端子诊断座，并用跨接线短接诊断座上“6＃”和“7＃”端子（14端子诊断座）或“4＃”和“5＃”端子（12端子诊断座），等2s后拆开短接导线，仪表盘上的“CHECK ENGINE”灯即闪烁输出故障码（波形见下图）。每次操作只能输出一个故障码，有多个故障码时需重复上述操作。清除故障码时，将诊断座右上侧的两个端子短接15s以上，再关闭点火开关即可清除故障码。 日产车系故障码输出波形
价值工程 0引言 随着武器装备复杂性不断增加，对武器装备维护和故 障诊断提出了更高的要求。近年来， 一些逐渐兴起的智能故障诊断方法，比传统方法能够更加快速，有效的诊断装备故障。 目前，人工智能技术的发展，特别是基于知识的专家系统技术在故障诊断中的应用，使得设备故障诊断技术进入了一个新的智能公发展阶段。传统的故障诊断专家系统虽然在某些领域取得了成功，但这种系统在实际应用中存在着一定的局限性，而人工神经网络技术为解决传统的专家系统中的知识获取，知识学习等问题提供了一条崭新的途径[1][2][3]。 1神经网络模型原理 人工神经网络简称神经网络（Neural Network ），具备并行性、 自学习、自组织性、容错性和联想记忆功能等信息处理特点而广泛用于故障诊断领域，它通过对故障实例及诊断经验的训练和学习，用分布在神经网络中的连接权值来表达所学习的故障诊断知识，具有对故障联想记忆、模糊匹配和相似归纳等能力。人工神经网络在故障诊断中的应用研究主要有三个方面：一是从预测角度应用神经网络作为动态预测模型进行故障预测；二是从模式识别角度应用神经网络作为分类器进行故障诊断；三是从知识处理角 度建立基于神经网络的专家系统[4][5] 。 1．1神经网络基本模型基于神经细胞的这种理论知识，在1943年McCulloch 和Pitts 提出的第一个人工神经元模型以来，人们相继提出了多种人工神经元模型，其中被人们广泛接受并普遍应用的是图1所示的模型[6]。 图1中的x 0，x 1，…，x n-1为实连续变量，是神经元的输入，θ称为阈值（也称为门限），w 0，w 1，…，w n-1是本神经元与上级神经元的连接权值。 神经元对输入信号的处理包括两个过程：第一个过程 是对输入信号求加权和，然后减去阈值变量θ， 得到神经元的净输入net ，即 net=n-1 i =0Σw i x i -θ 从上式可以看出，连接权大于0的输入对求和起着增强的作用，因而这种连接又称为兴奋连接，相反连接权小于0的连接称为抑制连接。 下一步是对净输入net 进行函数运算，得出神经元的输出y ，即y=f （net ） f 通常被称为变换函数（或特征函数），简单的变换函 数有线性函数、 阈值函数、Sigmiod 函数和双曲正切函数。根据本文的研究特点，变换函数f 取为Sigmoid 函数，即f （x ）=11+e （-x ） 1．2神经网络知识表示传统的知识表示都可以看作是知识的一种显示表示，而在ANN 中知识的表示可看作是一种隐式表示。在ANN 中知识并不像传统方法那样表示为一系列规则等形式，而是将某一问题的若干知识在同一网络中表示，表示为网络的权值分布。如下所示阈值型BP 网络表示了四条“异或”逻辑产生式规则[7]： IF x 1=0AND x 2=0THEN y=0IF x 1=0AND x 2=1THEN y=1IF x 1=1AND x 2=0THEN y=1IF x 1=1AND x 2=1THEN y=0基于这种网络知识表示结构，其BP 网络结构如图2所示。 网络通常由输入层、隐层和输出层组成。网络第一层为输入层，由信号源节点组成，传递信号到隐层；第二层为隐层，隐层节点的变换函数是中心点对称且衰减的非负线性函数；第三层为输出层，一般是简单的线性函数，对输入模式做出响应。理论上已证实，在网络隐 —————————————————————— —作者简介：李洪刚（1981-），男，河北石家庄人，硕士，控制工程专 业；郭日红（1982-），男，山西大同人，硕士，测试专业。 装备故障诊断方法研究 Analysis of Fault Diagnosis for Equipment Based on Neural Network System 李洪刚①②LI Hong-gang ；郭日红②GUO Ri-hong （①军械工程学院，石家庄050003；②中国人民解放军66440部队，石家庄050081） （①Ordnance Engineering College ，Shijiazhuang 050003，China ；②No.66440Unit of PLA ，Shijiazhuang 050081，China ） 摘要：分析了神经网络故障诊断的特点，构建了神经网络的装备故障诊断模型，克服了传统故障诊断的缺点，并用某型装备故障 的数据进行了验证，结果表明了神经网络诊断故障是一种有效的诊断方法。 Abstract:Characteristics of the neural network and expert system are analyzed.Fault diagnosis for equipment base on neural network is constructed.A weak of the traditional method of fault diagnose is overcome.And availability of the method based on neutral network system is verified by experimental results of one equipment fault. 关键词：神经网络；故障诊断；装备Key words:neural network ；fault diagnose ；equipment 中图分类号：E911文献标识码：A 文章编号：1006-4311（2012）32-0316-02 ·316·
试论质量技术监督工作的对策 发表时间：2013-08-26T09:18:34.263Z 来源：《中国商界》2013年7期供稿作者：马俊峰 [导读] 一是建立、完善工作责任制以及重要案件、区域性质量问题报告制度和督查督办制度。二是建立预警监控机制。 马俊峰/河南省西平县质量技术监督检验测试中心 【摘要】县级质量技术监督部门质量管理工作的侧重点则应放在扶优扶强、引导消费、服务企业上，把更多的精力放在帮助、督促企业提高质量管理水平和产品质量上，通过帮助企业增强产品的适应性，即提高产品的质量水平，以增强产品的市场竞争力，提高市场占有份额。 【关键词】质量技术；监督 在完善社会主义市场经济过程中，县级质量监督工作的侧重点应当放在规范市场、打假治劣上，应当通过对产品的监督检查，发现并惩处那些制售假冒伪劣产品的违法行为，努力为企业创造一个公平竞争的市场环境，为消费者创造一个满意放心的购物环境；同时，还要通过质量监督，对那些质量意识差、忽视质量管理、产品不具备符合性的企业提出警告批评，督促其提高产品质量。 一、从源头抓产品质量，全面建设小康社会 （一）要突出重点，取信于民。 要集中力量严厉打击本地生产、加工、制造假冒伪劣产品的违法行为。尤其要突出食品、农资、建材等性质恶劣、人民群众反映强烈的产品质量问题，组织专项整治；对区域性制假售假问题，要及时组织联合行动，坚决解决一批假冒伪劣“没完没了”问题，以实际行动和扎扎实实的成绩取信于民。 （二）要改变方式，创新机制。 首先要落实行政辖区打假责任制。在地方政府落实“打假第一责任人”责任的同时，将行政辖区分成若干个责任区，把打假的任务和责任逐级分解,责任到人,层层负责,层层落实,采取明查、暗访相结合的方式，对当地发生的生产、加工、制造假冒伪劣产品的违法活动，做到早发现、早打击、早控制，将假冒伪劣消灭在生产加工行为发生地，消灭在萌芽状态。要在执法实践中，进一步探索暗访检查取证和现场快速取证的新方法。其次要创新垂直管理体制下的执法监督机制。加强层级监督和督办，适当上收大案要案查处权限，加大查处力度。三是加强联合执法、协调办案。要充分发挥本地政府打假办的协调职能，建立向本地政府报告的工作机制，完善与其他行政执法部门间案件移送、接收的程序规定。四是加强质检信用体系建设，完善黑名单制度，发挥信用在遏制假冒伪劣违法行为中的惩戒作用。 （三）要综合管理，全面履职。 按照国务院确定的职能，在法律法规授权范围内，对生产领域的国家产品质量监督抽查、计量检定、认证认可、特种设备安全监察等，认真组织实施综合管理和执法监督；要按照专项监督打假、执法检查、综合治理等任务要求，全面履行工作职责，并积极协调、配合有关部门做好相应的行政执法工作。 二、以优化市场环境为重点，深入开展打假治劣 （一）突出抓好六个专项整治。 一是非食品原料生产企业实行全面监管；二是假冒伪劣农资专项整治，重点整治农民反映强烈的农药、化肥产品质量问题，继续严厉打击生产、销售非法毒鼠强等剧毒鼠药的违法行为；三是“地条钢”专项整治，加强“黑名单”的有效监管，严防反弹势头，探索从源头控制“地条钢”生产原料的措施；四是“黑心棉”专项整治，继续对重点区域、重点场所开展执法检查，控制反弹苗头；五是加油站专项整治，提高加油机安检合格率和计量检定率；六是燃气充装站专项整治，坚决查处违法违规行为。 （二）建立和完善打假长效机制。 一是建立、完善工作责任制以及重要案件、区域性质量问题报告制度和督查督办制度。二是建立预警监控机制。通过对群众举报、质量申诉、产品质量监督抽查，产业结构调整、市场价格变化等综合信息的分析，对假冒伪劣产品的区域性、趋势性问题做到早发现、早打击、早控制。三是建立快速反映机制。坚持值班报告制度，保证信息指挥畅通，合理配制执法力量，保障技术和后勤支持，建立与公安等部门的联合行动、案件移送制度。四是落实打假举报奖励制度。按照打假举报奖励办法，做好兑现对举报有功人员的奖励工作，取信于民。五是加快质量诚信体系建设步伐，对质量失信行为形成惩戒机制。 三、加大扶优扶强力度，促进企业发展 大力推进名牌战略实施。质监部门要结合当地实际，制定本地名牌发展计划，充分发挥行业协会作用，帮助指导企业争创名牌；在做好工业品、农产品的名牌评价工作的同时，组织开展对软件产品的省名牌评价工作；充分发挥技术优势，指导企业开发有自主知识产权的核心技术，提高产品的核心竞争力，做好免检制度的宣传工作，指导帮助企业积极申报产品免检，扶持一批龙头和骨干企业。 四、强化质监基础性工作，以调整经济结构和产业升级 1、强化对标准化工作的宏观管理，积极推动企业采用国际标准和国外先进标准，促进企业技术和管理水平提高。加快推进服务标准工作，制定一批服务标准规范，积极配合当地政府及有关部门开展创建文明城市、卫生城市、优秀旅游城市的标准化工作，不断提高城市的服务质量水平。 2、进一步强化法制计量监督，突出重点计量器具的强制检定和管理工作；加强流通领域定量包装商品量的监督，集中力量抽检量大面广的定量包装商品，以逐步提高合格率；建立健全城市计量检测体系，进一步加强法定计量检定机构的监督管理工作；开展企业计量检测体系与企业产品质量、经济效益关系的调研工作，积极引导定量包装商品生产开展“C”标志计量确认工作。 3、稳步实施强制性产品认证制度，大力推进农产品、食品等产品认证和自愿性产品认证，进一步整顿和规范认证认可市场，按照“必检项目”和“三统一”（统一检测标准、检测方法、判定依据）的要求规范实验室管理，培育一批运作规范、社会信誉好、符合国际通行规则要求的名牌实验室。 五、以人为本，加强质量技术监督队伍建设 质量技术监督的过程就是服务的过程，一个称职的质量技术监督人员，不仅要善于依法调查取证，办理质量技术监督行政案件，而且要在办案过程中做好宣传教育工作，扩大办案效果。一个高明的质量技术监督人员，更要善于分析问题。这就要求我们队伍必须具有较高
摘要 化工生产过程是复杂的动态系统,该生产过程一般是在高温高压、低温真空、有毒或腐蚀性等极端条件下进行的,生产系统和设备一旦发生故障，将会造成经济损失，甚至造成人员伤亡和环境污染。利用故障诊断技术提高系统的可靠性和安全性，已经引起了企业和学术界的高度重视，并在该研究领域取得了丰富的研究成果。 本文主要对田纳西－伊斯曼过程(Tennessee - Eastman Process,TEP)进行了模拟与仿真研究。首先在查阅文献基础上对故障诊断方法进行了概述。并对TE过程中的五大操作单元进行了研究。其中包括反应器、冷凝器、汽/液分离器、压缩机及汽提塔五大操作单元。在此基础上，对主元分析的故障诊断法的原理和算法进行了研究，并以TE过程为背景,调用其化工过程数据，编写MATLAB程序实现T2图、Q图以及贡献图，采用主元分析法对TE过程进行了仿真实验研究，证明主元分析方法的有效性。 关键词：TE过程;故障诊断;模拟;T2统计;Q统计
Abstract The chemical production process is a complex dynamic system .The process is generally carried out under the extreme environment which may have high temperature, high pressure,low-temperature vacuum ,poison or corrosiveness etc.. When the industrial production devices result in fault,it will bring economical loss or even cause human injuries and environmental problems .Improving the dependability and security depending on fault diagnosis technology is paid attention by companies and researchers ,lots of achievements have been obtained in fault diagnosis field. This thesis mainly imitate and studied the Tennessee - Eastman process(Tennessee - Eastman Process, TEP). Then described that five big operation elements in TE process. In which including reactor, condenser, steam, fluid separator, compressor and stripper five big operation unit.Method has carried out classification on TE process and the malfunction diagnose.In this foundation，studied the principal component analysis method. Taking the TE process as an application background ,we programmed the MATLAB algorithm of PCA, drawed the T2 statistic 、Q statistic and contribution map ,proved the validity of the method. Keywords: TE pross; Fault diagnosis; imitate; T2statistic; Qstatistic
基于案例推理的装甲装备故障诊断方法研究 0引言 基于案例推理技术摆脱了知识瓶颈的束缚，在很多领域得到了广泛应用，如航空远程故障诊断、民用飞机维修间隔期确定智能化农业和教学指导等。但目前的研究大部分集中在案例检索方面，如高明通过改进最近邻法来实现水轮发电机组的故障诊断;李锋尝试采用人工神经网络方法实现案例检索与案例实现的整体设计方案;程刚提出将无机环图支持向量机多类分类器应用到案例检索中，很少具体考虑应用领域的特点对案例组织与索引的影响。 基于此，笔者在考虑应用领域特点的前提下，探索新的案例库组织形式，并在此基础上确立相应的索引机制，以提高故障案例的覆盖面和案例推理的效能，更好地满足装甲装备诊断与维修需求。 1装甲装备维修保障领域的特点 装甲装备维修领域的知识很难通过规则的形式对其进行全方位的描述，但却比较具体地蕴含在实践过程产生的案例中，该领域具有以下特点。 1.1经验知识占主导地位 装备维修是实践性非常强的活动，其熟练的维修技能依赖于长时间的维修实践积累的经验，因为故障的表现形式十分复杂，依靠建立数学模型等结构化知识来解决维修实践过程中的问题很难有实际的指导意义，但维修方案的验证与存储却相对容易，不存在知识获取的瓶颈，因此经验知识在装备维修领域依然处于主导地位。 1.2理论多是定性化描述 维修领域的理论研究已经比较成熟，但是在比较重要的环节，例如阂值确定等方面却很难有足够实践指导意义的理论支持，即使有相关研究也多是定性化描述，缺少定量的设计。 1.3不同装甲装备型号之间的相似性 需求决定设计，人们对装甲装备火力性、防护性、机动性的需求决定了车型的设计，而技术制约需求，技术发展的连续性决定了人们对装甲装备设计要求的延续性，因此很少有车型是完全创新的，大部分新车型是对老车型的改进，不同型号间车型的结构、功能、运行环境存在很大的相似性，有些系统还包含标准化产品，因而其故障现象、故障原因就可能存在相似性，这就决定了维修方案之间存在极大的相似性，因此不同车型的相似部件的维修方案制定有很大的借鉴意义。 2案例检索 2.1案例的组织与索引策略
质量技术监督基础知识 、填空题（每空1分，共20分） 1、质量技术监督是以法律法规为准绳，以标准为依据，以技术检验、计量检测为手段，对质量进行规范和监督管理的行政活动。 2、质量技术监督部门具有综合管理和行政执法两大职能。 3、计量的技术行为通过准确的测量来体现；计量的监督行为通过实施法制管理来实现。 4、根据其作用与地位，计量可分为科学计量、工程计量和法制计量。 5、法制计量是指由政府或授权机构根据法制、技术和行政的需要进行强制管理的一种社会公用事业。 6、国家法定计量单位是在国际单位制单位的基础上，根据我国的实际情况，适当地选用了一些可与国际单位制单位并用的非国际单位制单位构成的。 7、我国的计量法规体系是由《中华人民共和国计量法》及其配套的行政法规、规章（包括规范性文件）所构成。 8、计量器具一般分为：实物量具、计量仪器和计量装置。 9、社会公用计量标准是指经过政府计量行政部门考核、批准，作为统一本地区量值的依据，在社会上实施计量监督和具有公证作用的计量标准。 10、我国量值溯源体系主要由量值传递与量值溯源构成。 二、单项选择题（每题1分，共10分。每题的备选项中，只有1个最符合 1、以下不属于质量技术监督部门主要职责的是（A ）。 A、组织监督检查市场竞争行为，查处垄断和不正当竞争案件 B、负责生产领域的产品质量监督管理 C、统一管理全省锅炉、压力容器、防爆电器的质量监督安全监察监督工作 D、承担流通领域中特种设备、棉花、生产许可证及产品认证的监督管理职能 2、量值溯源是指通过一条规定（D ）的不间断的比较链，使测量结果或测量标准的值能够与规定的参考标准，通常是与国家测量基准或国际测量基准联系起来的特性。 A、正确度 B、精密度 C、准确度 D、不确定度 3、校准是在规定的条件下，为确定计量器具（或测量系统）所指示的量值，或实物量具（或参考物质）所代表的量值，与对应的由其计量标准所复现的量值之间关系的（B ）。 A、法定程序 B、一组操作 C、具体行为 D、相关活动 4、下述关于强制检定特点的论述不正确的是( D )。 A、由政府计量行政部门统管 B、指定的法定或授权技术机构具体执行 C、固定检定关系，定点送检 D、检定周期可由企业自行确定 5、下述不属于我国实施强制检定范围的计量器具是( C )。 A、社会公用计量标准器具 B、部门和企业、事业单位使用的最高计量标准器具 C、家庭自用或教学用的计量器具 D、用于贸易结算、安全防护、医疗卫生、环境监测方面的列入《中华人民共和国强制检定的工作计量器具明细目录》的工作计量器具 6、下列不属于计量器具新产品的是( B )。 A、本单位从未生产过的计量器具
故障诊断技术研究及其应用 1 引言 以故障为研究对象是新一代系统可靠性理论研究的重要特色，也是过程系统自动化技术从实验室走向工程的重要一环。最近二十多年来，以故障检测、故障定位、故障分离、故障辨识、故障模式识别、故障决策和容错处理为主要内容的故障诊断与处理技术，已成为机械设备维护、控制系统系统可靠性研究、复杂系统系统自动化、遥科学、复杂过程的异变分析、工程监控和容错信号处理等领域重点关注和广泛研究的问题。 诊断(Diagnostics)一词源于希腊文，含义为鉴别与判断，是指在对各种迹象和症状进行综合分析的基础上对研究对象及其所处状态进行鉴别和判断的一项技术活动[1]。故障诊断学则是专门以考察和判断对象或系统是否存在缺陷或其运行过程中是否出现异常现象为主要研究对象的一门综合性技术学科。它是诊断技术与具体工程学科相结合的产物，是一门新兴交叉学科。故障诊断与处理技术，作为一门新兴技术学科，可划分为如下三个不同的研究层次： (1) 以设备或部件为研究对象，重点分析和诊断设备的缺陷、部件的缺损或机械运转失灵，这通常属于设备故障诊断的研究范畴； (2) 以系统为研究对象，重点检测和分析系统的功能不完善、功能异常或不能够完成预期功能，这属于系统故障检测与诊断的研究范畴； (3) 以系统运行过程为研究对象，考察运行过程出现的异常变化或系统状态的非预期改变，这属于过程故障诊断的研究范畴。 概而言之，故障诊断研究的是对象故障或其功能异常、动作失败等问题，寻求发现故障和甄别故障的理论与方法。无论是设备故障诊断、系统故障诊断还是过程故障诊断，都有着广泛的研究对象、实在的问题背景和丰富的研究内容。本文将从故障诊断与处理技术的研究内容、典型方法和应用情况等三个方面，对故障诊断及相关技术的发展状况做一综述，同时简要指出本研究方向的若干前沿。 2 故障诊断与处理的主要研究内容 故障诊断与处理是一项系统工程，它包括故障分析、故障建模、故障检测、故障推断、故障决策和故障处理等五个方面的研究内容。 2.1 故障分析 故障是对象或系统的病态或非常态。要诊断故障，首先必须对故障与带故障的设备、系统、过程都有细致分析和深入研究，明确可能产生故障的环节，故障传播途径，了解故障的典型形式、表现方式、典型特征以及故障频度或发生几率，结合对象的物理背景了解故障产生的机理、故障关联性和故障危害性。 常用的故障分析方法有对象和故障环节的机理分析法、模拟法、数值仿真或系统仿真法和借助数学模型的理论分析法等。 2.2 故障建模 模型分析是现代分析的基本方法，对复杂对象的故障诊断同样具有重要应用价值。为了定量或定性地分析故障、诊断故障和处理故障，建立故障的模型和带故障对象的模型是十分
要学汽修？汽车故障的基本诊断方法一定要会哦 汽车在使用过程中，不可避免的要发生各种故障。汽车在行车途中，发生故障，要由汽车驾驶员当场检查、当场诊断、当场排除故障，才能使汽车继续行驶；有些故障比较大或比较复杂，汽车驾驶员较难自己解决，要由汽车修理工和汽车维修工程技术人员来检查、诊断、排除。 汽车故障千变万化，千奇百怪，种类繁多，但是故障诊断的方法和步骤都是一定的，只要基本方法正确，思路清晰，方法得当，故障诊断也是容易做出的。 汽车故障诊断的方法基本上可以归纳为12种：望问法、观察法、听觉法、试验法、触摸法、嗅觉法、替换法、仪表法、度量法、分段检查法和局部拆装法等。应用这些方法，要有理论做指导；充分了解汽车的使用和维修情况，充分了解故障的发生情况。 对于汽车上出现的比较简单的故障，只凭经验和感官即可找到原因和所发部位；对于疑难故障，只能凭仪器和应用专门的故障诊断设备才能找到，有了仪器和设备，也要会用，使用中还要结合维修经验，灵活的运用这些故障诊断方法，对故障做出综合评价。在诊断中不断实践，不断总结和积累经验，就会应用自如。 1.用望问法诊断故障 医生看病需要“望闻问切”，汽车故障诊断也是一样，其中望和问是快速诊断汽车故障的有效方法。汽车发生故障需要诊断，修理人员第一眼看到汽车时，就应做出汽车形式和使用年限的初步判断，从外观上即可了解汽车的形式，这是非常重要的；从外观或翻转驾驶室暴露发动机，即可做出使用年限的判断，有经验的维修人员，甚至一下子就能做出汽车故障的判断。一辆汽车需要修理，维修人员一定要向使用者和车主询问，其中包括汽车型号、使用年限、修理情况、使用情况、发生故障的部位和现象，以及发生故障后做了哪些检查和修理，尽可能深入的了解故障，这是一个捷径。通过了解形式，可以反应出汽车的基本构造和性能，如果对汽车形式和结构了解，维修经验丰富，诊断就较容易；如果了解不够，查一查书和资料，也能掌握。通过深入的询问，基本上可以了解到故障所发生的部位。例如，可以询问到故障发生在发动机还是变速器；如果是发动机还能进一步了解到是电气故障还是机械故障；如果是机械故障还能了解到是曲柄连杆机构还是配气机构等，再进一步做出诊断就容易多了。故障确定后，排除与维修就容易了。如果用户讲要对汽车进行大修，还应问清修发动机动力总成，修汽车底盘，修汽车驾驶室和车身，修汽车电气和汽车空调等。哪些部分和总成是维修重点等，以便定出维修方案。 2.用经验法诊断故障 顾名思义，经验法诊断故障，是凭驾驶员和维修人员的基本素质和丰富经验，快速准确地对汽车故障做出诊断。所谓基本素质，无论是驾驶员还是汽车维修人员，都必须向书本学习，并在实践中提高，从而获得基本的汽车知识和维修经验，这是非常重要的。汽车技术是国民经济发展的综合体现，汽车技术的发展越来越快，新的技术越来越多，因此，不努力向书本学习，不努力向实践学习是不行的。例如对汽车上的柴油发动机的单体泵供油和调速技术以及国外新型柴油机新技术，都需要在原有知识的基础上，向书本学习，向资料学习，而后才能进行维修的实践工作。郑州万通汽修的老师们就经常给学生们灌输只有在理论指导下的实践，才是正确的实践，才能在实践中总结和积累经验。所谓维修经验也是十分重要的，有了汽车维修的经验，再遇到相同的故障和类似的故障一下子就可以解决。经验有个人经历的，经过总结和积累的经验；还有是从书本上和其他途径学习来的经验。只有将二者结合起来，才能不断积累经验，比较顺利地对汽车故障做出判断。例如柴油机出了故障，要将驾驶室翻转，一时翻转机构卡住了，驾驶室就翻转不起来，有经验者只要一推一撬一别，驾驶室立即翻转；例如遇到柴油机飞车故障，眼看柴油机转速急骤升高，响声越来越大，没有经验怎么动也不能使柴油机熄火，有经验者只要轻轻将燃油箱上的燃油转换阀门转动45°，柴油
摘要 通过回顾航空维修理论及技术的发展历程，分析了以可靠性为中心的维修思想的优越性,阐述了几种航空维修方式各自的特点,指出了新维修思想所带来的革命性成果,即保证安全的前提下降低了维护成本和维修工作量。最后，对新维修思想在我国的应用途径与前景提出了自己的观点。 关键词: 可靠性; 航空维修; 视情; 事后。 1课题背景及其意义 航空维修是随着飞机的诞生而出现的,它是一门综合性的学科。随着科学技术的发展,航空维修经历了从经验维修、以预防为主的传统维修阶段到以可靠性为中心和逻辑决断法的现代维修阶段。目前航空维修已经是一门系统性的学科。 1传统和现代维修思想的对比 1.1传统的维修思想 按照传统的观念,航空维修就是对航空技术装备进行维护和修理的简称,即为保持和恢复航空技术装备实现规定功能而采取的一系列工程技术活动。其基本思想是安全第一,预防为主,也就是按使用时间进行预防性维修工作,通过定时检查、定期修理和翻修来控制飞机的可靠性。这种以定时维修为主的传统维修思想将飞机的安全性与各系统、部件、附件、零件的可靠性紧密相联,认为预防性维修工作做得越多,飞机就越可靠,翻修间隔期的长短是控制飞机可靠性的重要因素。西方通常将这种以定期全面翻修为主的预防维修思想也叫定时维修思想称之为翻修期控制思想。 1.2 现代维修思想的形成 随着航空工业的发展,飞机设计及可靠性、维修性都有了极大提高,特别是余度技术的采用使飞行安全基本有了保障。维修手段上检测设备日益完善,磁粉、着色、荧光、X光等无损探伤手段和电子计算机得到普遍运用。详细的寿命统计资料的积累、疲劳对飞机结构影响程度的掌握,充实了维修经验和理论知识,使可靠性理论和维修性理论得到发展。另外,维修的经济性、维修方针的适用性也越来越多地成为航空维修工作中必须考虑的问题。自此,新的维修思想应运而生,以可靠性为中心的现代维修思想在对传统的航空维修思想继承和发展的基础上对航空维修的历史。经验和理论知识进行概括和总结,除了仍坚持传统维修思想
Through the joint creation of clear rules, the establishment of common values, strengthen the code of conduct in individual learning, realize the value contribution to the organization.电能质量技术监督实施细 则正式版
电能质量技术监督实施细则正式版 下载提示：此管理制度资料适用于通过共同创造，促进集体发展的明文规则，建立共同的价值观、培 养团队精神、加强个人学习方面的行为准则，实现对自我，对组织的价值贡献。文档可以直接使用， 也可根据实际需要修订后使用。 1 总则 1.1 电能质量技术监督工作是保证电力系统和电力用户安全稳定生产的主要措施之一，为加强我公司电能质量技术监督管理工作，提高电能质量，保证发电机组及电网安全、稳定运行，，特制定本制度。 1.2电网是一个统一的整体，所有并网的与电能质量有关的发电设备都应接受当地电网公司的电能质量技术监督归口管理。并网运行的风电企业与主管电力公司签订并网协议时，应包括电能质量技术监督方面的内容。
1.3 定期组织电能质量监督工作执行情况分析研究会，及时发现问题，并制定针对性措施，加以落实执行。 2 各级专责人职责： 2.1 监督组组长职责 2.1.1 贯彻执行上级有关电能质量监督指标和规定，审批电能质量监督制度，掌握电能质量工作基本情况，定期组织分析研究会，布置、检查本公司电能监督工作。 2.1.2 建立健全有关部门各岗位职责，督促各级监督人员搞好监督工作。 2.1.3 对电能质量监督工作存在问题及影响电能质量的因素分析原因制定对策上报公司领导。
物理与电子信息工程学院本科毕业设计（论文） 诚信承诺书 1、本人郑重地承诺所呈交的毕业设计（论文），是在指导教师 老师的指导下严格按照学校和学院有关规定完成的。 2、本人在毕业论文（设计）中引用他人的观点和参考资料均加以注释和说明。 3、本人承诺在毕业论文（设计）选题和研究过程中没有抄袭他人研究成果和伪造相关数据等行为。 4、在毕业论文（设计）中对侵犯任何方面知识产权的行为，由本人承担相应的法律责任。 毕业论文（设计）作者签名： 班级：学号： 年月日
目录 摘要................................................................................................................................................ II Abstract .......................................................................................................................................... II 1 引言 (1) 1.1 课题背景与意义 (1) 1.2 相关研究综述 (1) 1.3 本课题的主要研究内容 (2) 1.4 论文组织结构 (2) 2 粒子滤波算法理论分析 (3) 2.1 蒙特卡洛方法 (3) 2.2 贝叶斯定理 (5) 2.3 粒子滤波算法 (5) 3 基于粒子滤波的故障诊断分析 (10) 3.1 故障诊断的基本原理 (10) 3.1.1 故障诊断的发展现状 (10) 3.1.2 故障诊断的定义与分析方法 (10) 3.1.3 故障诊断的方法分类 (11) 3.2 基于粒子滤波的故障诊断方法 (12) 3.3 粒子滤波算法故障诊断仿真结果 (14) 4 结论与展望 (14) 致谢 (15) 参考文献 (16) 附件1 程序代码 (17)
毕业（设计）论文 系（部）汽车工程系 专业汽车检测与维修技术 班级09级汽车检测与维修三班 指导教师 姓名学号
汽车发动机常见故障诊断与排除方法 【摘要】本文阐述了汽车发动机的常见故障诊断和排除方法，由于新技术在发动机上的运用，发动机的故障更加的复杂化。发动机的故障也是汽车故障中故障率最高、难点最高的组成部分。现对曲柄连杆机构、配气机构、燃油供给系、润滑系、起动系、冷却系以及点火系的常见故障进行分析和排除。主要对燃油供给系、润滑系、起动系作了详细的讲解。 【关键词】配气机构点火系润滑系冷却系故障排除检修
【目录】 第一章发动机的总体组成和作用 (1) (1) 1 第二章曲柄连杆机构的常见故障及排除 (2) 2.1曲柄轴承异响 (2) 2.2连杆轴承异响 (2) 第三章配气机构的常见故障诊断与排除 (3) 3.1凸轮轴异响 (3) 3.2气门脚异响 (3) 3.3气门弹簧异响 (4) 3.4气门座圈异响 (4) 第四章冷却系的作用、组成及常见故障与排除 (5) 4.1作用及组成 (5) 4.2常见故障与排除方法 (5) 4.2.1冷却液充足但发动机过热 (5) 4.2.2 冷却液不足引起发动机过热 (6) 第五章点火系的常见故障的诊断与排除 (7) 5.1故障分类 (7) 5.2点火时间过早 (7) 5.3点火时间过迟 (7) 5.4发动机的回火及放炮 (7) 5.5发动机爆震和过热 (8)
第六章润滑系作用、组成及常见故障与排除 (9) 6.1作用和组成 (9) 6.2润滑系常见故障及排除 (9) 6.2.1 机油压力过低 (9) 6.2.2 机油压力过高 (10) 6.2.3 机油消耗过多 (10) 第七章燃油供给系的常见故障排除及检修要点 (11) 7.1电控燃油供给系统的组成 (11) 7.2不来油或来油不畅 (11) 7.3发动机怠速不良故障 (12) 7.4混合气稀故障 (12) 7.5加速不良故障 (13) 7.6电控燃油系统检查要点 (14) 第八章起动系的组成及常见故障诊断分析 (15) 8.1起动机不运转 (15) 8.2起动机运转无力 (16) 第九章结论 (17) 参考文献 (18) 致 (19)
精品资料 《汽车故障诊断技术》复习题 一、单项选择题 1、汽车的症状表现为怠速不稳定，这属于问诊中的以下哪一项内容（A ） A、怠速不良 B、发动机工作不正常 C、故障发生时的情况 D、故障发生的频率 2、以下哪些原因不会导致起动机运转无力。（B ） A、蓄电池亏电 B、起动保险熔断 C、电磁开关线圈短路 D、起动机内炭刷接触不良 3、发动机在工作的时候会出现抖动的现象，以下哪些原因有可能。（ A ） A、个别喷油器不工作 B、油道被堵塞 C、油泵不工作 D、点火控制器有问题 4、叶片式空气流量计在拆下单件检查时，在部分打开与不开时出现 FC–E1之间无穷大的情况，这说明。（ A ） A、叶片式空气流量计损坏 B、叶片式空气流量计良好 C、不能判断 D、可造成汽车起动困难 5、接通起动开关时，起动机能带动发动机正常转动，但是不能够起动发动机让其工作，有时候伴随着车的迹象。采用调火方法进行判断时，可见高压火为黄红色，造成这一现象的原因是。（A ） A、点火线圈性能劣化 B、叶片式空气流量传感器损坏 C、曲轴位置传感器无信号 D、不能判断原因 6、以下哪个原因不会造成汽车的发动机冷却系统泄漏。（D ） A、气缸垫损坏 B、水套侧盖衬垫损坏、螺钉松动或螺钉未按规定顺序紧固 C、机体上的水堵封水不严 D、在天气炎热或高原地区长时间行驶 7、以下哪个原因会造成汽车的发动机暖机时频繁失速。（A ） A、怠速控制阀有故障 B、水套侧盖衬垫损坏、螺钉松动或螺钉未按规定顺序紧固 C、机体上的水堵封水不严 D、在天气炎热或高原地区起动汽车 8、以下哪个原因会造成汽车不能起动。（ B ） A、三元催化转换器失效 B、点火器损坏 C、电控燃油泵性能不良 D、个别喷油器堵塞 9、能够造成汽车有着车征兆，但发动机不能起动的原因是。（ B ） A、怠速控制阀有故障 B、分电器盖漏电 C、汽车存在故障码 D、燃油压力过高 10、踩下离合器踏板，消除分离杆内端与分离轴承之间的间隙所需的 离合器踏板行程，称为离合器踏板的（B ）。 A自由间隙B自由行程 C自由高度D踏板高度 11、关于ABS，下列说法哪个错误（B ） A.可将车轮滑动率控制在较为理想的范围内 B.可使制动力最大
质量技术监督基础知识 第一篇总论 1、质量技术监督的含义是什么, 【答】质量技术监督是以法律法规为准绳，以标准为依据，以技术检验、计 量检测为手段，对 质量(含产品、工程和服务质量)进行规范和监督管理的行政活动。 2、质量技术监督部门的主要职能是什么, 【答】质量技术监督部门具有综合管理和行政执法两大职能。主要职责是:(1)综合管理全省 质量技术监督工作;(2)负责宏观管理和指导全省质量工作;(3)统一管理全省标准化工 作;(4)统一管理全省计量工作;(5)统一管理和监督全省认证认可工作;(6)统一管理 全省锅炉、压力容器、电梯、防爆电器等特种设备的质量监督和安全监察监督工作;(7) 负责生产领域的产品质量监督管理，并根据国家有关法规规定，承担流通领域中特种设备、 棉花、茧丝、麻类纤维及其制品、计量、生产许可证及产品认证的监督管理职能。 3、质量技术监督部门的工作方针是什么, 【答】质量技术监督部门坚持“以质量为中心，标准化、计量为基础”的工 作方针。 质量技术监督所包含的标准化、计量、质量等方面的内容，虽各有其相对独立性，但又
相互联系。标准是质量的依据，计量是质量的保证，没有高标准，没有准确一致的计量保 证，便没有高质量。 4、质量技术监督的管理体制是什么, 【答】质量技术监督系统实行省以下垂直管理体制，对机构、编制、人员、经费、业务实行统 一管理。 5、质量技术监督的行业形象和愿景是什么, 【答】质量技术监督要树立“科学、公正、廉洁、高效”的行业形象，成为“政府需要、企业 欢迎、群众信赖、社会赞誉”的部门。 6、福建省质量技术监督系统共有多少个行政机构, 【答】福建省质量技术监督系统现有行政机构83个，其中省局1个，设区市局8个，县(市 区)局(分局)66个，设区市局稽查队8个。 7、省、设区市质量技术监督局共有哪些内设机构, 【答】现省质量技术监督局有12个内设机构:办公室、计划财务科技处、政策法规处、质量 管理与认证处、监督处(食品生产监管处)、执法稽查处、标准化处、计量处、特种设备 安全监察处、人事教育处、机关党委、监察室(省监察厅派驻)。 设区市局的内设机构与省局对应。 8、省质量技术监督局直属事业单位有哪些,