故障診斷方法-課件

故障診斷方法許美蓉2016-6-201PPT課件故障診斷方法的分類故障診斷方法分為：（1）基于解析模型的方法（2）基于知識的方法（3）基于信號處理的方法2PPT課件故障診斷方法分類3PPT課件基于信號處理的方法基于信號處理的方法：通常是利用信號模型，如相關(guān)函數(shù)、頻譜、自回歸滑動(dòng)平均、小波變換等，直接分析可測信號，提取諸如方差、幅值、頻率等特征值，從而檢測出故障。4PPT課件基于解析模型的方法

是在明了診斷對象數(shù)學(xué)模型的基礎(chǔ)上，按一定的數(shù)學(xué)方法對被測信息進(jìn)行處理診斷，它可分為狀態(tài)估計(jì)法、等價(jià)空間法和參數(shù)估計(jì)法。5PPT課件基于知識的故障診斷方法專家系統(tǒng)故障診斷方法模糊故障診斷方法故障樹故障診斷方法神經(jīng)網(wǎng)絡(luò)故障診斷方法數(shù)據(jù)融合故障診斷方法6PPT課件專家系統(tǒng)故障診斷方法數(shù)據(jù)庫：對于在線監(jiān)視或診斷系統(tǒng)，數(shù)據(jù)庫的內(nèi)容是實(shí)時(shí)監(jiān)測到的工作數(shù)據(jù)；對于離線診斷，可以是故障時(shí)檢測數(shù)據(jù)的保存，也可以是人為檢測的一些特征數(shù)據(jù)。即存放推理過程中所需要和產(chǎn)生的各種信息知識庫：存放的知識可以是系統(tǒng)的工作環(huán)境，系統(tǒng)知識（反映系統(tǒng)的工作機(jī)理及結(jié)構(gòu)知識）；規(guī)則庫則存放一組組規(guī)則，反映系統(tǒng)的因果關(guān)系，用來故障推理。知識庫是專家領(lǐng)域知識的集合。人機(jī)接口：人與專家系統(tǒng)打交道的橋梁和窗口，是人機(jī)信息的交接點(diǎn)。推理機(jī)：根據(jù)獲取的信息綜合運(yùn)用各種規(guī)則進(jìn)行故障診斷，輸出診斷結(jié)果。是專家系統(tǒng)的組織控制結(jié)構(gòu)。7PPT課件專家系統(tǒng)故障診斷局限性依賴于專家的領(lǐng)域知識獲取，而知識獲取被公認(rèn)為專家系統(tǒng)研究開發(fā)中的瓶頸問題。另外，在自適應(yīng)學(xué)習(xí)，學(xué)習(xí)能力及實(shí)時(shí)性方面也都存在不同程度的局限。8PPT課件模糊故障診斷方法建立故障與征兆之間的模糊關(guān)系矩陣R，也叫隸屬度矩陣。矩陣中的每個(gè)元素的大小表明了它們之間的相互關(guān)系的密切程度。式中：表示可能發(fā)生故障的集合，n為故障總數(shù)；表示由上面這些故障所引起的各種特征元素（征兆）的集合，m為各種特征元素（征兆）總數(shù)。測試待診斷對象待檢狀態(tài)的特征參數(shù)，提取特征參數(shù)向量矩陣X。求解關(guān)系矩陣方程Y=XR，得到待檢狀態(tài)的故障向量Y，再根據(jù)一定的判斷原則，如最大隸屬度原則，闕值原則或擇近原則等，得到診斷結(jié)果。9PPT課件模糊故障診斷的特點(diǎn)及局限性構(gòu)造隸屬函數(shù)是實(shí)現(xiàn)模糊故障的前提，但是由于隸屬函數(shù)是人為構(gòu)造的，含有一定的主觀因素；另外，對特征元素的選擇也有一定的要求，如果選擇不合理，診斷精度會下降，甚至診斷失敗。10PPT課件故障樹故障診斷方法故障樹模型是一個(gè)基于被診斷對象結(jié)構(gòu)、功能特征的行為模型，是一種定性的因果模型，以系統(tǒng)最不希望事件為頂事件，以可能導(dǎo)致頂事件發(fā)生的其他事件為中間事件和底事件，并用邏輯門表示事件之間聯(lián)系的一種倒樹狀結(jié)構(gòu)。它反映了特征向量與故障向量之間的全部邏輯關(guān)系。圖3中頂事件：系統(tǒng)故障，由部件A或者B觸發(fā)，而A的故障又是由兩個(gè)元件1，2中的一個(gè)失效引起，部件B的故障是在兩個(gè)元件3，4同時(shí)失效時(shí)發(fā)生的。11PPT課件故障樹診斷法步驟選擇合理的頂事件。建造正確合理的故障樹。故障搜尋與診斷，分為邏輯推理診斷法和最小割集診斷法。（1）邏輯推理診斷法：從上而下的測試方法，從故障數(shù)頂事件開始，先測試最初的中間事件，根據(jù)中間事件測試結(jié)果判斷測試下一級中間事件，直到測試底事件，搜尋到故障原因及部位。（2）最小割集診斷法：所謂割集是指故障樹的一些底事件集合，當(dāng)這些底事件同時(shí)發(fā)生時(shí)，頂事件必發(fā)生；而最小割集是指割集中所含事件出去任何一個(gè)時(shí)，就不再成為割集了。一個(gè)最小割集代表系統(tǒng)的一種故障模式。故障診斷時(shí)，可逐個(gè)測試最小割集，從而搜尋故障源，進(jìn)行故障診斷。12PPT課件故障樹診斷的局限性故障樹法的局限性在于對建造正確合理的故障樹的依賴。如果一旦故障樹建立不全面或不正確，則此診斷方法將失去作用。13PPT課件神經(jīng)網(wǎng)絡(luò)故障診斷法14PPT課件神經(jīng)網(wǎng)絡(luò)故障診斷過程學(xué)習(xí)過程：是在一定的標(biāo)準(zhǔn)模式樣本的基礎(chǔ)上，依據(jù)某一分類規(guī)則來設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)分類器，并用標(biāo)準(zhǔn)模式訓(xùn)練。診斷過程：是將未知模式與訓(xùn)練的分類器進(jìn)行比較來診斷未知模式的故障類別。15PPT課件預(yù)處理和特征提取學(xué)習(xí)和診斷兩個(gè)過程都包括了預(yù)處理和特征提取。預(yù)處理：通過刪除原始數(shù)據(jù)中的無用信息得到另一類故障模式，由樣本空間映射成數(shù)據(jù)空間，再通過某種變換使其有利于故障診斷。特征提?。簩σ\斷的對象從獲得的數(shù)據(jù)來看，一般可看作一組時(shí)間序列。通過對該時(shí)間序列的分段采樣，可以將輸入數(shù)據(jù)映射成樣本空間的點(diǎn)。這些數(shù)據(jù)可能包含故障的類型、程度和位置等信息。但從樣本空間看，這些特征信息的分布是變化的，因此，一般不能直接用于分類。需經(jīng)合適的變化來提取有效地故障特征。常用方法包括：傅里葉變換、小波變換、分形維數(shù)等。網(wǎng)絡(luò)分類器：常用于故障診斷分類的神經(jīng)網(wǎng)絡(luò)有：BP網(wǎng)絡(luò)、雙向聯(lián)想記憶（BAM）網(wǎng)絡(luò)、自適應(yīng)共振理論（ART）、B樣條網(wǎng)絡(luò)等。16PPT課件神經(jīng)網(wǎng)絡(luò)與其他故障診斷方法的結(jié)合與專家系統(tǒng)相結(jié)合模糊神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)和神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合故障診斷系統(tǒng)17PPT課件神經(jīng)網(wǎng)絡(luò)故障診斷的局限性訓(xùn)練樣本獲取困難忽視了領(lǐng)域?qū)＜业慕?jīng)驗(yàn)知識網(wǎng)絡(luò)權(quán)值形式表達(dá)方式難以理解18PPT課件數(shù)據(jù)融合故障診斷法數(shù)據(jù)融合就是利用計(jì)算機(jī)對來自多傳感器的信息按一定的準(zhǔn)則加以自動(dòng)分析和綜合的數(shù)據(jù)處理過程，以完成所需要的決策和判定。數(shù)據(jù)融合應(yīng)用于故障診斷的起因有三個(gè)方面：一是多傳感器形成了不同通道的信號；二是同一信號形成了不同的特征信息；三是不同診斷途徑得出了有偏差的診斷結(jié)論。方法主要有：Bayes推理、D-s證據(jù)推理及神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合等。19PPT課件貝葉斯定理法先驗(yàn)概率假設(shè)：設(shè)備運(yùn)行過程是一個(gè)隨機(jī)過程，各類故障出現(xiàn)的概率一般是可以估計(jì)的。這種根據(jù)經(jīng)驗(yàn)知識對故障所作出的概率估計(jì)稱為先驗(yàn)概率。記為表示正常工作的概率。對一故障樣本X（由多傳感器對被診斷對象測試而得），，表示輸入模式為i類故障的條件概率密度函數(shù)，其中后驗(yàn)概率計(jì)算：根據(jù)貝葉斯公式有：式中：：

為輸入模式樣本：稱為已知樣本條件下出現(xiàn)的概率。稱為后驗(yàn)概率。故障判定：根據(jù)極大后驗(yàn)概率判定邏輯

時(shí)

即X屬于故障模式20PPT課件D-s證據(jù)推理數(shù)據(jù)融合故障診斷在設(shè)備故障診斷中若干可能的故障產(chǎn)生一些癥狀，每個(gè)癥狀下各故障都可能有一定的發(fā)生概率，D-s證據(jù)理論中，用信度函數(shù)表達(dá)概率大小，通過多傳感器測試被診斷對象，得出每一傳感器在某癥狀下屬于各類故障的信度函數(shù)，然后利用D-S組合規(guī)則進(jìn)行信息融合，得到融合后癥狀分別屬于各類故障的信度函數(shù)，最后根據(jù)一定的判定準(zhǔn)則確定故障類型。21PPT課件故障融合的方法各傳感器信度函數(shù)確定它是通過測試被診斷對象的癥狀參數(shù)，通過一定的數(shù)據(jù)變換（如小波變換、概率統(tǒng)計(jì)、隸屬函數(shù)等），得到各傳感器測得癥狀屬于各類故障的信度函數(shù)，

信度函數(shù)表示傳感器j測得的屬于故障的信度函數(shù)，為不確定信度函數(shù)。D-S組合規(guī)則對兩個(gè)獨(dú)立可信度函數(shù)m1和m2，存在于一個(gè)公共的辨識框架，再假設(shè)可以將劃分為分別運(yùn)用與兩個(gè)可信度函數(shù)的不同子集

和

。D-S組合為：在故障診斷中是故障樣本集：m(A)為融合故障信度函數(shù)。故障判定原則：一是信度函數(shù)值最大原則；而是信度函數(shù)值闕值原則；三是最大最小信度函數(shù)之差闕值原則；四是不確定性信度函數(shù)最小閥值原則。22PPT課件神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合故障診斷方法通過多傳感器測試被診斷對象，求出每一傳感器在某癥狀下對故障集中各類故障的隸屬度值，將所有傳感器的故障隸屬度值矢量作為神經(jīng)網(wǎng)絡(luò)的輸入，網(wǎng)絡(luò)輸出即為融合后該癥狀屬于各類故障的隸屬度值矢量，最后利用基于規(guī)則的判定原則進(jìn)行故障決策。23PPT課件神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)融合故障診斷方法各傳感器故障隸屬度值確立：通過傳感器測試帶診斷對象的癥狀參數(shù)，經(jīng)過一定的變換處理，得到各傳感器所測癥狀屬于各類故障的隸屬度值。，表示傳感器j測得癥狀屬于故障的隸屬度值；n為故障的類型