资源描述：
《智能故障诊断技术及应用的研究》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。
1、智能故障诊断技术及应用的研究第24卷第2期2007年3月贵州大学(自然科学版)JournalofGuizhouUniversity(NaturalSciences)Vo1.24No.2Mar.2Oar7文章编号1000—5269(2007)02—0161—05智能故障诊断技术及应用的研究杨榛,顾幸生(1.华东理工大学信息科学与工程学院,上海200237;2.华东理工大学化学工程联合国家重点实验室,上海200237)摘要:首先讨论了故障诊断系统的主要任务及其不同的分类方法,接着对几类典型智能故障诊断方法的原理,特点,
2、诊断内容,诊断过程作了分析和比较.由于在实际应用中一种单纯的故障诊断方法往往得不到理想的诊断效果,因此重点讨论了几种重要的综合智能故障诊断方法.最后对智能故障诊断方法的应用做了简要介绍并对智能故障诊断方法的进一步发展做出思考.关键词:故障诊断;专家系统;模糊;神经网络;灰色系统;支持向量机中图分类号:TP277文献标识码:A自从1983年前苏联切尔诺贝利核电站发生事故之后,人们对复杂的系统故障诊断的重要性引起了前所未有的重视.故障诊断与过程监控密切相关,一个重要系统或设备应当具有故障自动检测和自诊断功能,以保证工作
3、的高度可靠性.故障检测与诊断(FDD)系统的主要任务为J:1)检测出系统或过程在某一时刻是否发生故障,并在故障发生后立即发出故障警报;2)在故障发生后,迅速确定故障部件或部位,故障原因和程度以及故障对系统的影响和发展趋势;3)提供消除有关故障的措施,以便隔离和替换故障部件,抑制和消除有关故障,使系统或过程恢复正常工作状态.目前,关于故障诊断的分类存在多种方法,较公认的是德国的P.M.Frank教授所提出的观点,他将所有的故障诊断方法划分为儿:1)基于知识的方法(包括专家系统方法,神经网络方法等),当系统可以建立较准
4、确的数学模型时,此方法是首选;2)基于解析模型的方法(包括最/b--乘类参数估计法,状态观测器估计法等),当可以得到被控对象的输入输出信号,但难于建立准确模型时,可采用此方法;3)基于信号处理方法(包括小波分析法等)当被控对象很难建立定量的数学模型时,此法是近年发展起来的较有前途的方法.实际中,由于系统存在复杂性,非线性,时变性,不确定性和不完全性等,一般无法获得精确的数学模型,针对这种系统的故障诊断处理方法,可称为智能化的诊断技术.文献[4]将智能化的故障诊断技术分为信号预处理方法和故障模式识别诊断方法.迄今为止
5、,故障诊断方法已有数十种之多,主要可分为模糊故障诊断方法,专家系统故障诊断方法,神经网络故障诊断方法,灰色系统故障诊断方法等.下面结合数据预处理方法对各类故障诊断方法的原理的应用进行分析和介绍.1典型智能故障诊断方法1.1专家系统故障诊断法专家系统故障诊断法是典型的基于知识的方法,它通过获取大量的专家诊断知识,利用专家的推理方法,解决故障诊断领域的问题.专家故障诊断方法可用图1的结构来说明,它由知识库,数据库,收稿日期:2007—0l—l6作者简介:杨榛(1973一),女,讲师,博士研究生;研究方向:智能控制.贵州
6、大学(自然科学版)第24卷学习机,推理机,解释器,上下文,征兆获取和人机交互界面组成.其各部分功能为:1)知识库,用来存放专家的专门知识,通常为规则库和事实库;2)数据库,通常由静态数据库和动态数据库两部分.前者存放相对稳定的参数,后者存放运行过程中的参数;3)学习系统,即知识获取系统;4)推理机,它根据一定的策略从知识库提取有关的知识,对用户提供的证据进行推理,直到得出合理的结论为止;I知识库翘机上下文千千千◆学习机数据库征兆获取解释器千千千人机交互界面图1故障诊断专家系统框架Fig.1Structureoffa
7、ultdla~nosisexpertsystem5)解释器,使专家系统的工作更加透明,易为用户理解;6)上下文,为存放中间结果的地方;7)征兆获取器,使故障征兆能自动识别;8)人机交互界面,是人与专家系统交流的桥梁.这种传统专家系统故障的特点在于利用专家的领域知识和经验为故障诊断服务.l-2模糊故障诊断方法在系统故障诊断过程中,能测到的是许多信号,通过信号分析得到许多故障征兆,模糊故障诊断是指通过研究故障信号与征兆之间的模糊关系来判断系统运行状态的方法】.模糊故障向量识别法是其中的常见方法,其诊断过程分三个步骤:1
8、)建立故障与征兆之间的模糊关系矩阵R,其中的矩阵元素为征兆对原因的隶属度;2)测试待诊断对象,待检测状态的特征参数,并提取出特征参数向量矩阵X;3)求解关系矩阵Y=X×R,得到待测状态的故障向量,再运用一定的判定原则(如最大隶属度原则,阀值原则等)得到诊断结果.在模糊故障诊断中,实现诊断的关键问题是确定合适的隶属度函数和选择具有代表性的特征值.1.3神经网络
