機(jī)械故障診斷

1、1第六章 機(jī)械故障診斷人工智能技術(shù) 第一節(jié) 故障診斷的模糊數(shù)學(xué)方法 一、模糊教學(xué)的基本概念 1模糊關(guān)系方程 2隸屬函數(shù)的定義 3隸屬度函數(shù)的確定 4模糊邏輯運(yùn)算 5模糊關(guān)系矩陣的確定2 二、模糊模式識別 1直接識別方法 按最大隸屬原則進(jìn)行判別。 2間接識別方法 按擇近原則進(jìn)行模式識別。3 三、模糊聚類分析 1數(shù)據(jù)的標(biāo)準(zhǔn)化 2標(biāo)定 3聚類 四、模糊綜合診斷 1模糊綜合評判數(shù)學(xué)模型 2模糊運(yùn)算模型4 第二節(jié) 故障診斷的人工神經(jīng)網(wǎng)絡(luò)方法 一、神經(jīng)網(wǎng)絡(luò)模型 1. 人工神經(jīng)元模型njijijixws1iiissgu)(iuiieufy11)(5 2神經(jīng)網(wǎng)絡(luò)模型 （1）模型6 （2）算法 B-P網(wǎng)絡(luò)的輸入

2、值是一些特征參數(shù)，輸出值是識別結(jié)果，學(xué)習(xí)算法屬于有教師學(xué)習(xí)，通過不斷修改權(quán)系數(shù)和閾值，使系統(tǒng)的輸出誤差y與給定的教師樣本t的誤差為最小。7 Hopfield網(wǎng)絡(luò) 反饋網(wǎng)絡(luò) 自組織 解決了著名的TSP問題。實(shí)時處理8 第三節(jié) 故障診斷的專家系統(tǒng)簡介 專家系統(tǒng)是應(yīng)用大量人類專家的知識和推理方法求解復(fù)雜的實(shí)際問題的一種人工智能計算機(jī)程序。它是由一組計算機(jī)軟件組成的系統(tǒng)，具有相當(dāng)數(shù)量的權(quán)威性知識，具備學(xué)習(xí)功能，并且能夠采取一定的策略，運(yùn)用專家知識進(jìn)行推理，解決人們在通常條件下難以解決的問題。一般的計算機(jī)軟件是由數(shù)據(jù)和程序兩級組成，而專家系統(tǒng)則有數(shù)據(jù)、知識和推理機(jī)三級組成。9 被譽(yù)為“專家系統(tǒng)和知識工程

3、之父”的費(fèi)根鮑姆(Feigenbaum)所領(lǐng)導(dǎo)的研究小組于1968年研究成功第一個專家系統(tǒng)DENDRAL，用于質(zhì)譜儀分析有機(jī)化合物的分子結(jié)構(gòu)。19721976年，費(fèi)根鮑姆小組又開發(fā)成功MYCIN醫(yī)療專家系統(tǒng)，用于抗生素藥物治療。此后，許多著名專家系統(tǒng)，如PROSPECTOR地質(zhì)勘探專家系統(tǒng)，CASNET青光眼診斷治療專家系統(tǒng)、RI計算機(jī)結(jié)構(gòu)設(shè)計專家系統(tǒng)、MACSYMA符號積分現(xiàn)定理證明專家系統(tǒng)、ELAS鉆井?dāng)?shù)據(jù)分析專家系統(tǒng)和ACE電話電纜維護(hù)專家系統(tǒng)等被相繼開發(fā)，為工礦數(shù)據(jù)分析處理、醫(yī)療診斷、計算機(jī)設(shè)計、符號運(yùn)算和定理證明等提供強(qiáng)在力的工具。10 1977年，費(fèi)根鮑姆進(jìn)一步提出了知識工程(kn

4、owledge engineering)的概念,整個80年代，專家系統(tǒng)和知識工程在全世界得到迅速的發(fā)展。在開發(fā)專家系統(tǒng)過程中，許多研究者獲得共識，即人工智能系統(tǒng)是一個知識處理系統(tǒng)，而知識表示、知識利用和知識獲取則成為人工智能系統(tǒng)的三個基本問題。11 一、專出系統(tǒng)的人工智能特點(diǎn) 專家系統(tǒng)所能解決的主要問題有：(1)解決那些只有專家才能解決的實(shí)際復(fù)雜問題。(2)用模仿人類專家推理過程的計算機(jī)模型來解決這些問題，并能達(dá)到人類專家解決問題的水平。比較成功的專家系統(tǒng)一般具有以下幾個特點(diǎn)：（1）啟發(fā)性即能使用判別性知識進(jìn)行推理；（2）透明性能解釋自己的推理過程；（3）靈活性能不斷修改和擴(kuò)充知識。12 二、

5、專家系統(tǒng)的結(jié)構(gòu) （1）知識庫（Knowledge Base） （2）推理機(jī)（Inference Engine） （3）數(shù)據(jù)庫（Data Base） （4）解釋器（程序） （ExplicationProgram） （5）知識獲取程序 （Knowledge Acquisition Program）1314 機(jī)械故障診斷方法 信號測試采集 振動、油樣、聲發(fā)射、參數(shù)、 信號分析處理 頻譜、小波、 故障信號識別 模式識別，系統(tǒng)分析 模糊理論 人工智能方法 故障處理決策15 信號分析 經(jīng)典譜分析法以FFT為代表，廣泛用于信號分析，故障診斷，圖像處理等許多方面。國內(nèi)外都有大量的FFT軟、硬件產(chǎn)品問世，并且在

6、不斷發(fā)展。 現(xiàn)代譜分析法采用建模的方法來估計信號的譜參數(shù)，因而速度快運(yùn)算量小，精度高。受到越來越多的重視。目前應(yīng)用的有自回歸法(AR)、滑動平均法(MA)和自回歸滑動平均法(ARMA)。16 AR MA建模參數(shù)功率譜模型k=0( )( ) ()x nh k u nk10( )()()pqkkkkx na x nkb u nk 17 為了對各種譜估計的方法有一個基本的了解，下面用一已知信號對各種方法進(jìn)行檢驗(N=32)。 所給出的信號為： (3-13) 式中：f1=0.05，f2=0. 40，f3=0.42； zn為噪聲的一階自回歸過程： (3-14) x nf nf nf nz nnN2222

7、220 1 23132123coscoscos, ,., z naz nu 118 其中a為回歸系數(shù)，u為方差為2的高斯白噪聲。這樣可以使噪聲的功率譜為變化的。選擇合適的a(-0.8508)和2(1.010)值可以使f1附近的信噪比為15dB，f2、f3附近的信噪比為30dB，此信號作為比較的基準(zhǔn)。也可以直接使用高斯白噪聲信號（令a0即可），這時其功率譜為一條水平線。 圖中給出了各信號的理論功率譜。圖中橫軸為歸一化的頻率(-0.50.5)，縱軸為功率譜值(-3050dB)。19202122 小波分析理論 （采用小波族進(jìn)行變換）具有多分辨率的特點(diǎn)： 在低頻部分具有較高的頻率分辨率和較低的時間分辨

8、率； 在高頻部分具有較低的頻率分辨率和較高的時間分辨率； 適合探測信號中的瞬態(tài)異常并展示其成分 稱為信號分析的顯微鏡23正常泵閥 故障泵閥24正?；钊?故障活塞25 機(jī)械設(shè)備故障診斷的發(fā)展 機(jī)械設(shè)備故障診斷技術(shù)是建立在多種基本技術(shù)的基礎(chǔ)之上，并融合多種學(xué)科理論的新興綜合性學(xué)科。因此，該學(xué)科具有基礎(chǔ)理論較新、體系邊界模糊、實(shí)施技術(shù)繁多、工程應(yīng)用廣泛、發(fā)展日趨迅速以及與高技術(shù)發(fā)展密切相關(guān)等特點(diǎn)。26 1存在的問題 盡管機(jī)械故障診斷已取得了長足的發(fā)展，但它是一門正在發(fā)展的新型學(xué)科，還遠(yuǎn)沒有達(dá)到完善的水平，主要表現(xiàn)在： 發(fā)展不平衡，旋轉(zhuǎn)機(jī)械的故障診斷理論和實(shí)踐都取得了較成熟的效果，而往復(fù)式機(jī)械的診斷理

9、論和實(shí)踐都有待于提高。 測量分析儀器和診斷儀器相脫離。便攜式的多為分析系統(tǒng)，一般為傳感器、放大儀、數(shù)據(jù)采集系統(tǒng)頻譜儀。無具體設(shè)備的特征數(shù)據(jù)并缺乏診斷型系統(tǒng)。而較好的多為專用的、固定式的系統(tǒng)。一般固定在廠里或設(shè)備上，并專為該設(shè)備服務(wù)。27 油田機(jī)械設(shè)備的診斷專用系統(tǒng)還比較落后。除高校研制剛剛開始使用的診斷系統(tǒng)外，油田生產(chǎn)部門對大型柴油機(jī)現(xiàn)有的診斷手段主要有測功臺、簡易柴油機(jī)診斷儀表、精密信號分析儀等幾種。這幾種診斷方式，都滿足不了油田對柴油機(jī)進(jìn)行故障診斷的實(shí)際需要，表現(xiàn)為： 測功臺只能在柴油機(jī)解體的情況下對其進(jìn)行診斷，且只能在大修廠的臺架上進(jìn)行，滿足不了現(xiàn)場診斷的需要；28 簡易診斷儀表的檢測多

10、數(shù)比較單一，且精度較低， 精密信號分析儀價格貴，一般只對振動信號進(jìn)行分析，由于其專業(yè)程度較高，現(xiàn)場的使用人員很難正確使用。 因此，隨著對柴油機(jī)可靠性要求的日益提高，油田迫切需要一種集成多種參數(shù)的、精密實(shí)用的、能進(jìn)行智能不解體診斷的系統(tǒng)。29 2國內(nèi)外柴油機(jī)故障診斷的發(fā)展趨勢 眾多的文獻(xiàn)表明，柴油機(jī)故障診斷的趨勢是不解體化、高精度化及智能化。不解體檢測的研究，其方向是開發(fā)可預(yù)埋在發(fā)動機(jī)內(nèi)的傳感器。美國、日本等國家已成功的將超薄型傳感器安置在發(fā)動機(jī)內(nèi)，對發(fā)動機(jī)的溫度及主要部件的配合間隙進(jìn)行診斷，并利用光纖傳感器監(jiān)測發(fā)動機(jī)的轉(zhuǎn)速波動。 高精度化，是指提高信號分析的信噪比。如利用相干函數(shù)對測點(diǎn)進(jìn)行選擇

11、，利用多段時域平均法提高當(dāng)前缸信號強(qiáng)度，利用倒頻譜重新編輯法消除其它缸的影響，利用小波變換消除噪聲等等，其目的都在于去除診斷參數(shù)中的干擾，以提高診斷精度。30 智能化，是指開發(fā)診斷型專家系統(tǒng)，使數(shù)據(jù)處理、分析、故障識別自動完成，能減輕診斷的工作量，并提高診斷速度及正確性。 標(biāo)準(zhǔn)化，建立檢測標(biāo)準(zhǔn)，建立檢測機(jī)制，設(shè)計制造時考慮到設(shè)備的檢測問題，傳感器安排臺，測壓孔等等，方便對設(shè)備實(shí)施檢測。 網(wǎng)絡(luò)化，網(wǎng)絡(luò)傳輸數(shù)據(jù)，集中專業(yè)人員檢測，機(jī)器醫(yī)院。 31 開發(fā)功能強(qiáng)、但操作簡單的系統(tǒng)，以適合于現(xiàn)場人員的使用，是智能型故障診斷系統(tǒng)的研究方向，也是智能型故障診斷系統(tǒng)的得以發(fā)展的必要條件。 故障診斷技術(shù)這一新興

12、學(xué)科的日臻完善，還遠(yuǎn)遠(yuǎn)不是其發(fā)展進(jìn)程的終結(jié)，隨著計算機(jī)技術(shù)、測試技術(shù)、信號處理技術(shù)、信息論、控制論、可靠性理論以及系統(tǒng)工程等現(xiàn)代科學(xué)技術(shù)的發(fā)展，還將大大豐富故障診斷技術(shù)學(xué)科的基礎(chǔ)理論與實(shí)施技術(shù)，促進(jìn)該學(xué)科繼續(xù)向更高的水平、更深的內(nèi)涵和更廣闊的應(yīng)用前景發(fā)展。32 3.故障診斷與認(rèn)識過程 故障診斷這一新興的學(xué)科，近年來獲得了非?？斓陌l(fā)展，但也面臨著人工智能領(lǐng)域所面臨的共同問題。即知識描述與知識輸入的“瓶頸”問題。 模糊數(shù)學(xué)的創(chuàng)始人Zadeh曾提出模式識別可以被看作是一種不透明的映射。新的情況或新的模式可由一個觀察者正確地識別和分類。然而，這一把模式映射為正確類別隸屬的過程是不透明的，不僅其詳細(xì)的過

13、程旁觀者是捉摸不透，而且甚至對識別者本人而言也很難理解。計算機(jī)模式識別的任務(wù)是用透明映射方式來代替這種不透明映射，從而能用計算機(jī)語言對其精確地加以描述。33 例如，被識別目標(biāo)事件，它可以有很多具體的樣本，這就是說目標(biāo)事件會有很多不透明的映射，它將所有這些模式映射到所設(shè)定的類別中。這樣，任一或所有這些模式均被識別并被分類到目標(biāo)事件的類別中。人類是用他們的感知和認(rèn)知器官來處理并實(shí)現(xiàn)這一不透明映射的。 但是，在另一方面，在計算機(jī)模式識別中，必須用清晰的描述方式透明映射方式來替代自然界中不透明映射。34 整個過程包括兩個不同的步驟。第一步是建立起按照適當(dāng)特征來描述被識目標(biāo)事件的特殊表現(xiàn)形式。第二部是計

14、算機(jī)進(jìn)行一種顯示處理，以得到透明的映射，實(shí)現(xiàn)了分類。 在兩種操作中，最難的是第一步的設(shè)計。一旦特征已知，就可以對綜合數(shù)學(xué)變換過程起理論指導(dǎo)作用，從而獲得所需的結(jié)果，在不同程度上滿足我們的需要。然而，一般而言我們并無先驗的基礎(chǔ)。此外，也并不清楚什么樣的表達(dá)方式更適合模式識別過程。35 把人們認(rèn)知蘋果這一目標(biāo)事件為例。人們通過看、嗅、觸摸、削皮、吃、拿、分選及買蘋果等一系列長期的生活實(shí)踐學(xué)到了認(rèn)知蘋果地能力。但人們并不能充分又簡捷地描述蘋果。這一映射過程基本上是不透明的。 與此不同，對于計算機(jī)模式識別，需要涉及到的不僅僅是透明映射，而且還有選擇特征函數(shù)的問題。盡管我們已有極精密的儀器來度量色彩、氣

15、味、紋理等等特性，但是還很難斷定哪些特征是最基本的、有用的，而哪些特征又是多余的、無關(guān)緊要的。對于目標(biāo)事件描述的特征選擇是比較困難的，但又是計算機(jī)模式識別實(shí)現(xiàn)過程中最基本的預(yù)處理任務(wù)。這里，目標(biāo)事件可以是概念性的，也可以是物理實(shí)體、或者是局勢、情況等。36 就上面的討論，我們可以得到以下的結(jié)論： 世界事物是非常復(fù)雜的，其特征信息是多種多樣的，人們也有能力識別每一個信息，但各信息之間的關(guān)系卻是不透明的，人們還很難找到這些聯(lián)系。 人們雖有能力識別這些信息，但對這些信息特征的描述是不透明的，即沒有一個標(biāo)準(zhǔn)去統(tǒng)一這些描述。因而就很難進(jìn)行交流，也更難讓計算機(jī)去“懂得”。 人們根據(jù)已知信息得到結(jié)論的推理過

16、程是不透明的，即人們不知道自己的推理過程是如何進(jìn)行的，當(dāng)然也就無法讓計算機(jī)去有效的模擬。37 一方面，是世界萬物有大量的特征可供描述，另一方面，計算機(jī)既有高的運(yùn)算速度，也有大的存儲空間。但兩者之間相互聯(lián)系的通路卻很窄，限制了計算機(jī)的使用。這也就是所謂的“瓶頸”問題。38 4. 開發(fā)智能型故障診斷系統(tǒng)的探討 開發(fā)功能強(qiáng)、但操作簡單的系統(tǒng)，以適合于現(xiàn)場人員的使用，是智能型故障診斷系統(tǒng)的研究方向，也是智能型故障診斷系統(tǒng)的得以發(fā)展的必要條件。 為要得到正確結(jié)論，首先要做的就是準(zhǔn)確地得到事物的全部信息，并對這些信息進(jìn)行適當(dāng)?shù)胤诸?、加工。就某種程度而言，只要特征值集合中含有足夠的信息，就不存在正確選擇或錯

17、誤選擇的問題。但是不適當(dāng)?shù)倪x擇會導(dǎo)致需要復(fù)雜的判決準(zhǔn)則或映射，反之，適當(dāng)?shù)倪x擇可使準(zhǔn)則變得簡單而又便于理解。當(dāng)然適當(dāng)?shù)倪x擇本身就是一個值得研究的課題。39 5.微漪之塘 故障診斷技術(shù)之所以吸引著許多學(xué)者的探索，不僅僅是因為能減少人類的災(zāi)難，也是因為故障信息有許多有待于探索的，特別是振動信息中有非常豐富的信息等待著的識別、發(fā)現(xiàn)。從信息角度講，振動或波動的是信息的一種記錄形式，它們表達(dá)了所有振源的各種信息。相互疊加，有待于識別，有待于各種新理論、新方法的運(yùn)用。 40 波動的形式也給人以啟迪。研究宇宙進(jìn)化的科學(xué)家們，把宇宙比喻成一個富有著生機(jī)的池塘，與生命共同形成有機(jī)的整體，人類則是在這個池塘航行的

18、航船。每一個事件將在世界信息之場留下一個記錄，就像航船駛過，留下一串串的波浪。解讀這些波紋，就能解讀宇宙的今天和昨天，這正是探索宇宙起源的科學(xué)家所夢求的。他們寫到：41 來吧！ 和我們一起在平靜的池塘中航行。 陸地被蒙上一層薄霧，表面非常光滑。 我們是池塘上的航船，我們與池塘同為一體。 細(xì)微的航跡在我們后面擴(kuò)展，在神秘的水面上運(yùn)動。 它的微妙的波記錄著我們的航程。 你的船跡和我的船跡融為一體，它們形成一種圖樣，反映出你的運(yùn)動，也反映出我的運(yùn)動。42 其他的航船，和我們的航船一樣，也在池塘上航行。 他們的波和我們的波相互貫通。 池塘的水面波疊著波，漣漪疊著漣漪，顯得富有生機(jī)。 它們是我們運(yùn)動的記

19、憶，是我們存在的痕跡。 水從你到我，從我到你，從我們二人到所有在池塘中航行的人們，悄悄地訴說著。 我們的分離是一種幻覺，我們是整體中相互關(guān)聯(lián)的部分我們是具有運(yùn)動和記憶的池塘。 我們的實(shí)在比你我都大，比所有在水上航行的船都大，比所有在其上航行的水都大。43 6.實(shí)驗4445 2神經(jīng)網(wǎng)絡(luò)模型 （1）模型46 信號分析 經(jīng)典譜分析法以FFT為代表，廣泛用于信號分析，故障診斷，圖像處理等許多方面。國內(nèi)外都有大量的FFT軟、硬件產(chǎn)品問世，并且在不斷發(fā)展。 現(xiàn)代譜分析法采用建模的方法來估計信號的譜參數(shù)，因而速度快運(yùn)算量小，精度高。受到越來越多的重視。目前應(yīng)用的有自回歸法(AR)、滑動平均法(MA)和自回歸

20、滑動平均法(ARMA)。47 小波分析理論 （采用小波族進(jìn)行變換）具有多分辨率的特點(diǎn)： 在低頻部分具有較高的頻率分辨率和較低的時間分辨率； 在高頻部分具有較低的頻率分辨率和較高的時間分辨率； 適合探測信號中的瞬態(tài)異常并展示其成分 稱為信號分析的顯微鏡48 簡易診斷儀表的檢測多數(shù)比較單一，且精度較低， 精密信號分析儀價格貴，一般只對振動信號進(jìn)行分析，由于其專業(yè)程度較高，現(xiàn)場的使用人員很難正確使用。 因此，隨著對柴油機(jī)可靠性要求的日益提高，油田迫切需要一種集成多種參數(shù)的、精密實(shí)用的、能進(jìn)行智能不解體診斷的系統(tǒng)。49 開發(fā)功能強(qiáng)、但操作簡單的系統(tǒng)，以適合于現(xiàn)場人員的使用，是智能型故障診斷系統(tǒng)的研究方向，也是智能型故障診斷系統(tǒng)的得以發(fā)展的必要條件。 故障診斷技術(shù)這一新興學(xué)科的日臻完善，還遠(yuǎn)遠(yuǎn)不是其發(fā)展進(jìn)程的終結(jié)，隨著計算機(jī)技術(shù)、測試技術(shù)、信號處理技術(shù)、信息論、控