智能故障诊断技术知识总结

智能故障诊断技术知识总结 一、绪论 □ 智能： ■ 智能的概念 智能是指能随内、外部条件的变化，具有运用知识解决问题和确定正确行为的能力。 ■ 低级智能和高级智能的概念 低级智能——感知环境、做出决策和控制行为 高级智能——不仅具有感知能力，更重要的是具有学习、分析、比较和推理能力，能根据复杂环境变化做出正确决策和适应环境变化 ■ 智能的三要素及其含义 三个基本要素：推理、学习、联想 推理——从一个或几个已知的判断（前提），逻辑地推断出一个新判断（结论）的思维形式 学习——根据环境变化，动态地改变知识结构 联想——通过与其它知识的联系，能正确地认识客观事物和解决实际问题 □ 故障： ■ 故障的概念 故障是指设备在规定条件下不能完成其规定功能的一种状态。可分为以下几种情况： 1.设备在规定的条件下丧失功能； 2.设备的某些性能参数达不到设计要求，超出允许范围； 3.设备的某些零部件发生磨损、断裂、损坏等，致使设备不能正常工作； 4.设备工作失灵，或发生结构性破坏，导致严重事故甚至灾难性事故。 ■ 故障的性质及其理解 1层次性——系统是有层次的，故障的产生对应于系统的不同层次表现出层次性。一般可分为系统级、子系统级、部件级、元件级等多个层次；高层故障可由低层故障引起，而低层故障必定引起高层故障。诊断时可采用层次诊断模型和诊断策略。 2相关性——故障一般不会孤立存在，它们之间通常相互依存和相互影响，如系统故障常常由相关联的子系统传播所致。表现为，一种故障可能对应多种征兆，而一种征兆可能对应多种故障。这种故障与征兆间的复杂关系导致了故障诊断的困难。 3随机性——故障的发生常常是一个与时间相关的随机过程，突发性故障的出现通常都没有规律性，再加上某些信息的模糊性和不确定性，就构成了故障的随机性。 4可预测性——设备大部分故障在出现之前通常有一定先兆，只要及时捕捉这些征兆信息，就可以对故障进行预测和防范。 □ 故障诊断： ■ 故障诊断的概念 故障诊断就是对设备运行状态和异常情况做出判断。具体说来，就是在设备没有发生故障之前，要对设备的运行状态进行预测和预报；在设备发生故障之后，要对故障的原因、部位、类型、程度等做出判断；并进行维修决策。 ■ 故障诊断的实质及其理解 故障诊断的实质——模式识别（分类）问题 ■ 故障诊断的任务及其含义 故障检测：采用合适的观测方式、在合适部位测取特征信号，即信号测取；采用合适的方法，从特征信号中提取状态征兆，即征兆提取 故障识别：采用合适的状态识别方法与装置，依据征兆而推理识别出设备的有关状态，即状态识别 故障分离与估计：采用合适的状态趋势分析法，依据征兆与状态推理出状态的发展趋势，即状态预测 故障评价与决策：采用合适的决策形成方法，依据有关的状态和趋势作出调整、控制、维修等，即干预决策 □ 智能故障诊断： ■ 智能故障诊断的概念 智能故障诊断是人工智能和故障诊断相结合的产物，主要体现在诊断过程中领域专家知识和人工智能技术的运用。它是一个由人（尤其是领域专家）、能模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。 □ 智能故障诊断的研究方法： ■ 基于知识的研究方法 基于知识的研究方法：不需要对象的精确数学模型，而是根据人们长期的实践经验和大量的故障信息设计出一套智能计算机程序，以此来解决复杂故障诊断问题。 模糊故障诊断 专家系统故障诊断 神经网络故障诊断 信息融合故障诊断 智能体故障诊断 集成化故障诊断 网络化故障诊断 二、智能故障诊断的构成 □ 基本结构： ■ 智能故障诊断系统的基本结构 两大部分：故障检测与诊断、故障容错控制

智能故障诊断与容错控制的基本结构 ■ 智能故障检测与诊断模块的主要任务和基本要求 故障检测与诊断：就是从监控对象中适时准确地检测出故障信息，并对故障产生的原因、部位、类型、程度及其发展做出判断。 其主要任务通常包含以下几个方面的内容：

控制执行器监控对象故障检测与诊断故障容错控制知识库数据库知识获取

输入输出1.获取故障信息； 2.寻找故障源，确定故障的位置、大小、类型及原因； 3.评价故障的影响程度，预测故障的发展趋势； 4.对检测诊断结果做出处理和决策。 基本要求包括以下几方面： 1） 对故障具有强检测能力 故障检测能力的强弱，一方面反映了检测诊断模块对故障的检测能力，另一方面也直接影响故障诊断的效果 对弱故障信号和早期故障信号，故障检测能力尤为重要 2） 对故障具有强诊断能力 能综合运用多种信息和多种诊断方法，以灵活的诊断策略来解决诊断问题； 能通过使用专家的经验，而尽量避开信号处理方面复杂的实时计算； 能处理带有错误的信息和不确定性信息，从而相对降低对测试仪器和工作环境的要求。 3） 尽量采用模块化结构 结构应当模块化，使之可以方便地调用其他应用程序 如维修咨询子模块、模拟故障诊断子模块等 4） 具有人机交互诊断功能 现代设备的复杂性，要求综合运用多种知识源（浅、深知识）来求解复杂问题 用户适当地实时参与，将使诊断速度更快、准确性更高 用户参与有主动和被动两种方式：主动参与可干预和引导推理过程；被动参与只回答提问，而不干预推理过程 5） 具有多种诊断信息获取的途径 获取的诊断信息越丰富，则诊断效果越好 首先，应具有自动获取状态信息（当前、历史）的功能 其次，应能通过人机交互获取状态信息 6） 对问题求解应当实时和准确 实时：一旦发现故障迹象，应立即开始诊断工作 准确：输出结果应当细致明了，对于并发故障允许输出多个诊断解，对于同一故障则只有一个诊断解，对于征兆不完备情况应输出按权值排序的多个候选故障解 7）具有学习功能 现代设备的复杂性以及新知识的不断涌现，导致专家现有知识的不足 要求系统具有被动和主动（自学习）获取新知识的能力 8）具有预测能力 应能预测故障的发生和发展，以便在故障没有发生之前采取措施，将故障消灭在萌芽状态，使损失减为最小 9）具有决策能力 故障出现前，应能提前预测故障 故障出现后，应能对故障做出决策并提供维护方案 □ 构成原理： ■ 故障检测与诊断的常用方法 1）基于数学模型的故障检测与诊断方法 特点是必须将故障数学模型化，有时建立模型很困难 不依赖实例和经验，适用于新的没有成熟经验的诊断 2）基于参数估计的故障检测与诊断方法 特点是须先确定一个信任域，当参数超出域时认为故障 适用于故障能由参数的显著变化来描述的诊断 3）基于信号处理的故障检测与诊断方法 通过对检测信号的分析处理，利用特征信号对故障进行识别和诊断。典型方法：小波变换、模态分解等 4）基于知识的故障检测与诊断方法 不需精确的数学模型，能模拟人的思维过程，具有自学习、自组织、自推理能力 5）基于实例的故障检测与诊断方法 是一种使用过去的经验实例指导解决新问题的方法 优点是不需从实例中提取规则，求解快；不足是能搜集的实例是有限的，求解时可能出现误诊或漏诊 6）基于模糊理论的故障检测与诊断方法 征兆的描述、故障与征兆的关系往往具有模糊特性，模糊语言变量能更准确地表示这种模糊性的征兆和故障 问题在于知识获取困难：如何确定故障与征兆间的模糊规则；如何实现模糊语言变量与隶属度间的推理转换 7）基于神经网络的故障检测与诊断方法 利用神经网络的联想、推理和记忆能力进行知识处理 适用于复杂多模式的诊断，有离线和在线诊断两种方式 ■ 智能故障诊断中的机器学习策略及其理解 简单学习： 文献、专家和资料所描述的关于诊断对象的结构、功能、运行约束条件等知识，机械学习机制为主； 主要用于元知识学习阶段 交互学习： 知识工程师或诊断对象处理过的知识，讲授学习机制为主； 主要用于领域知识学习和知识库丰富阶段 独立学习： 推理策略面对的新知识，归纳学习机制为主； 主要用于诊断能力改善阶段 □ 构成方法： ■ 智能故障诊断系统的设计要求 智能故障诊断系统的设计，一般应满足以下要求： 1）满足故障诊断的实际需要； 主要指标有故障诊断率、诊断结果准确率、系统可靠性和投资效益比等，一般需分阶段实现系统目标。 2）建立适应不同诊断对象的知识库； 智能故障诊断系统是基于知识的，以知识处理为研究内容，知识库的建立是保证诊断结果正确性的前提。 3）能自动获取征兆； 征兆的自动获取是实现故障诊断智能化的重要环节。将征兆获取从用户交给计算机，既可减少人为差错、提高诊断准确率，又可减轻操作要求、提高系统可接受性。 4）诊断和推理方法应符合故障诊断要求； 应从征兆出发去诊断故障，征兆对故障的肯定和否定程度，是故障诊断的根本依据。因此，知识表示和不精确推理应当充分反映故障诊断的特点。 5）能实现计算机自动诊断； 完成系统的方案设计后，用计算机进行系统的实际开发，可以使故障诊断易于实现，并获得最佳效果。 6）系统要经过严格的测试和考核。 一方面，开发进度的加快导致测试时间减少；另一方面，系统一般是由缺少现场经验的人员研制的。 经实验室模拟测试、现场测试后，才能投入实际应用。 三、智能故障诊断的控制方案 □ 几种控制方案的基本原理 ■ 基于状态反馈、基于多模冗余、基于功能模块、基于神经网络、基于专家系统的控制方案 □ 基于专家系统的控制方案 ■ 结构、原理 控制方案：知识库存放领域专家知识；数据库存放监控对象原始数据、故障特征数据等；推理机按一定的推理规则，对监控对象进行故障识别、估计和决策，根据故障性质采取相应策略进行容错控制。

文献、专家简单学习知识工程师交互学习诊断对象独立学习知识检验与评价知识库