智能故障诊断方法进展

《智能故障诊断方法进展》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、智能故障诊断方法最新进展肖健华，吴今培(五邑大学智能技术与系统研究所，广东江门529020)摘要：随着设备复杂性程度的捉高，征兆与故障之间呈现高度的非线性、不精确性和不确定性关系，最终导致在设备的故障诊断中越来越多地采川智能方法。木文综述了儿种主耍的智能诊断方法，并分析比较了它们各□的特点。关键词：故障诊断；人工智能；核方法；支持向量机IntelligentFaultDiagnosis:aSurveyXIAOJian-hua,WUJirnpei(InstituteofIntelligentTechnology&Systems,WuyiUniversity,Jicmgme

2、n529020.China)Abstract:Intclligcntmethodsarcmoreandmorewidelyusedinthefieldoffaultdiagnosiswiththeincreaseofcomplexitydegreeoftheplantequipments.SomemainintelligentfaultdiagnosismelliodsareintroducedandtheircharacteristicsarecomparedinthepaperKeywords:faultdiagnosis;zirtificialintelligen

3、t;kernelmethod:supportvectorimehine1前言随着现代工业及科学技术的迅速发展，对设备的性能要求越來越高，各种牛•产设备H趋大型化、白动化和智能化，传统的诊断技术己越來越不自淀宜现在设备故障诊断的需要。同时现代化的设备一旦发牛•故障，会造成巨大的经济损失和社会危害，鉴于这两方面的原因，有必要研究新的诊断技术。智能诊断方法由于具有以下的几点优势而H益受到诊断专家的青睐山。(1)能够有效地利用诊断专家的知识和经验。(2)具有诊断专家般的推理能力，口动实现从故障征兆到故障原因的映射。(3)具备学习机制，能够从过去的诊断实例中获収诊断知识。(4)对

4、诊断结果具有解释能力。专家系统、模糊理论、神经网络、遗传算法以及艺们相互之间和它们与其它信息处理技术的融合是人工智能手段的主耍表现方法,在诊断领域中,它们受到越來越T泛的重视。近年來兴起的核方法和支持向量机更是弓I起了相关领域专家和学者的浓厚兴趣。2基于传统人工智能方法的故障诊断技术这里所说的传统人工智能方法是指建立于60年代到80年代Z间的人工聖能技术，包括模糊逻辑、专家系统、神经网络和遗传算法，这种称法是相对于近期在国际上引起研究高潮的支持向量机而言的。2.1基于专家系统的故障诊断方法自从1968年Stanford大学开发出第一个专家系统以来，由于专家系统能在故障征

5、兆和故障原因之间建立明确的对应关系，而得到各国工程界的高度重视，并相继在各种领域中开发出-些卓有成效的诊断型专家系统。为完成一个诊断专家系统最基本的功能，它必须包含三个组成部分：知识库、推理机及人机接口。扩充部分包括全局数据库、知识获取部分和解释部分。知识阳中主要包含着诊断过程所需要的两方面知识：设备的一般常识性知识和领域专家的启发性知识。这些知识可以采用多种表示方法存储在知识库中（有时一个短识库中也采用多种表示方法）,常用的表示方法有：规则表示法、谓词逻辑表示法、语义网络表示法、框架表示法以及面向对豫的表示法。建立知识库（尤其是获取知识）通常是专家系统建造过程中的一个

6、瓶颈问题。推理机是专家系统的组织控制结构，它能根据当前的输入数据（如设备运行过程），运用知识库的知识，按一定的搜索策略，对当前运行状况进行诊断。2.2模糊诊断方法随着生产设备复杂性的增加，运行过耒冲农现出來的模糊性就越强。设备运行状况从正常运行到故障产牛是一个渐变过程，设备的“故障”与“正常”属于两个模糊集。正是由于设备运行中的模糊性是客观存在的，人们在故障诊断中广泛使用模糊信息处理的方法。2.2.1模糊逻辑诊断方法模糊逻辑诊断方法在于建立止确的故障征兆与故障原因Z间的从属关系，构造出相应的诊断矩阵，实现故障征兆与故障原因Z间的映射。设故障征兆模糊向量集：〃二｛呦,“2

7、,…"J，故障原因模糊向量集：V=｛力,卩2‘…'％J，则”与vZ间关系可用模糊关系矩阵=%）,“表示。若U上的模糊集合：人二⑷宀,…,©），V上的模糊集合：B=（b,b2，-,bm），则它们满足关系：B=AoRo因此，通过这种模糊映射关系可以实现由模糊征兆集获得故障原因集。2.2.2模糊聚类诊断模糊聚类诊断的基木思想是：以当前设备运行表现出来的征兆与同一设备（或同类设备）历史匕的各次确诊征兆集相对照，确定它们Z间的相似程度，从而作出问接推论：设备的木次运行状况（故障原因）与最为相似的征兆集对应的运行状况（故障原因）相同。2.3神经网络