安全生產(chǎn)智能化保障技術(shù) 第2版 課件 第七章 智能故障診斷與預(yù)測(cè)

智能故障診斷與預(yù)測(cè)1安全生產(chǎn)智能保障技術(shù)

21.概述2.智能故障診斷3.智能故障預(yù)測(cè)4.智能診斷與預(yù)測(cè)系統(tǒng)主要內(nèi)容3概述過(guò)去礦工用金絲雀檢測(cè)其礦井安全的方法，來(lái)說(shuō)明目前復(fù)雜設(shè)備中應(yīng)用智能機(jī)器故障診斷與預(yù)測(cè)技術(shù)背景下的模式變化內(nèi)容。“舊”的方式是將金絲雀放在礦井中，周期性地觀察它，如果它死了，可以判斷礦井的空氣出現(xiàn)問(wèn)題，變得糟糕了?！靶隆钡姆绞绞遣捎媚壳耙延械募夹g(shù)和智能診斷預(yù)測(cè)技術(shù)連續(xù)地檢測(cè)金絲雀的健康狀況，并盡早地得到礦井空氣變?cè)愕恼髡祝瑥亩A(yù)測(cè)礦并中金絲雀的剩余壽命，這明顯改進(jìn)了礦井的維修和健康管理模式，并使金絲雀具有了重復(fù)利用的價(jià)值。概述智能故障診斷與預(yù)測(cè)的概念智能故障診斷是人工智能和故障診斷相結(jié)合的產(chǎn)物，主要體現(xiàn)在診斷過(guò)程中領(lǐng)域?qū)＜抑R(shí)和人工智能技術(shù)的運(yùn)用。它是一個(gè)由人（尤其是領(lǐng)域?qū)＜遥⒛苣M腦功能的硬件及其必要的外部設(shè)備、物理器件以及支持這些硬件的軟件所組成的系統(tǒng)。智能預(yù)測(cè)

智能預(yù)測(cè)就是通過(guò)智能科學(xué)的思想和方法，設(shè)法把不同的預(yù)測(cè)模型有機(jī)地結(jié)合起來(lái)，綜合利用各種預(yù)測(cè)方法和知識(shí)所提供的信息，以適當(dāng)?shù)木C合準(zhǔn)則得出綜合預(yù)測(cè)模型，實(shí)現(xiàn)科學(xué)的預(yù)測(cè)。概述智能故障診斷與預(yù)測(cè)的概念故障失效的診斷與預(yù)測(cè)關(guān)系概述智能故障診斷與預(yù)測(cè)的誕生及現(xiàn)狀原始診斷階段

原始診斷始于19世紀(jì)末至20世紀(jì)中期，這個(gè)時(shí)期由于機(jī)器設(shè)備比較簡(jiǎn)單，故障診斷主要依靠設(shè)備使用專家或維修人員通過(guò)感官、經(jīng)驗(yàn)和簡(jiǎn)單儀表，對(duì)故障進(jìn)行診斷，并排除故障?；趥鞲衅髋c計(jì)算機(jī)技術(shù)的診斷階段

在這一階段，由于傳感器技術(shù)和動(dòng)態(tài)測(cè)試技術(shù)的發(fā)展，使得對(duì)各種診斷信號(hào)和數(shù)據(jù)的測(cè)量變得容易和快捷，涌現(xiàn)了狀態(tài)空間分析診斷、時(shí)域診斷、頻域診斷、時(shí)頻診斷、動(dòng)態(tài)過(guò)程診斷和自動(dòng)化診斷等方法。智能化診斷階段

這一階段，將智能信息處理技術(shù)的研究成果應(yīng)用到故障診斷領(lǐng)域中，以常規(guī)信號(hào)處理和診斷方法為基礎(chǔ)，以智能信息處理技術(shù)為核心，構(gòu)建智能化故障診斷模型和系統(tǒng)。概述智能故障診斷與預(yù)測(cè)的誕生及現(xiàn)狀健康管理階段

所謂故障預(yù)測(cè)與健康管理事實(shí)上是傳統(tǒng)的機(jī)內(nèi)測(cè)試（BIT）和狀態(tài)監(jiān)控能力的進(jìn)一步拓展。其顯著特點(diǎn)是引入了預(yù)測(cè)能力，借助這種能力識(shí)別和管理故障的發(fā)展與變化，確定部件的殘余壽命或正常工作時(shí)間長(zhǎng)度，規(guī)劃維修保障。目的是降低使用與保障費(fèi)用，提高設(shè)備系統(tǒng)安全性、可靠性、戰(zhàn)備完好性和任務(wù)成功性，實(shí)現(xiàn)真正的預(yù)知維修和自主式保障。概述智能故障診斷與預(yù)測(cè)系統(tǒng)的結(jié)構(gòu)及特點(diǎn)智能診斷與預(yù)測(cè)系統(tǒng)的結(jié)構(gòu)概述智能故障診斷與預(yù)測(cè)系統(tǒng)的結(jié)構(gòu)及特點(diǎn)智能診斷與預(yù)測(cè)系統(tǒng)的特點(diǎn)系統(tǒng)應(yīng)能綜合利用多種信息、多種模型和多種診斷方法，以靈活的診斷策略來(lái)解決診斷與預(yù)測(cè)問(wèn)題。系統(tǒng)的架構(gòu)應(yīng)當(dāng)模塊化和標(biāo)準(zhǔn)化，使之可以很方便地進(jìn)行跨平臺(tái)聯(lián)網(wǎng)，擴(kuò)展或調(diào)用其他專門(mén)的故障檢測(cè)與診斷的應(yīng)用程序，實(shí)現(xiàn)信息共享。系統(tǒng)具有良好的人機(jī)交互診斷的功能。系統(tǒng)具有多種診斷信息獲取的途徑。系統(tǒng)的問(wèn)題求解應(yīng)當(dāng)實(shí)時(shí)和準(zhǔn)確。系統(tǒng)應(yīng)該可以使用豐富的故障診斷算法和故障預(yù)測(cè)模型。系統(tǒng)具有學(xué)習(xí)的功能概述智能故障診斷與預(yù)測(cè)系統(tǒng)未來(lái)發(fā)展趨勢(shì)多種故障診斷與預(yù)測(cè)方法的結(jié)合專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合模糊方法與神經(jīng)網(wǎng)絡(luò)相結(jié)合新的數(shù)學(xué)工具和智能算法針對(duì)高維數(shù)據(jù)會(huì)給神經(jīng)網(wǎng)絡(luò)帶來(lái)結(jié)構(gòu)復(fù)雜、訓(xùn)練速度和收斂過(guò)慢等問(wèn)題，將粗糙集引入神經(jīng)網(wǎng)絡(luò)方法中為了克服專家系統(tǒng)存在的知識(shí)獲取、自學(xué)習(xí)等問(wèn)題，將具有并行計(jì)算，自學(xué)習(xí)能力的遺傳算法等進(jìn)化計(jì)算引入專家系統(tǒng)灰色理論、經(jīng)驗(yàn)?zāi)Ｊ椒纸?、混沌與分形、支持向量機(jī)、蟻群、粒子群等新的數(shù)學(xué)工具在故障診斷與預(yù)測(cè)中的應(yīng)用嶄露頭角混合式智能診斷與預(yù)測(cè)系統(tǒng)智能故障診斷智能故障診斷基本框架智能故障診斷基于歷史數(shù)據(jù)的診斷方法統(tǒng)計(jì)性的歷史累計(jì)故障數(shù)據(jù)樣本統(tǒng)計(jì)相關(guān)性和回歸方法模糊—邏輯分類神經(jīng)網(wǎng)絡(luò)分類和聚類智能故障診斷基于數(shù)據(jù)驅(qū)動(dòng)的故障分類與決策

數(shù)據(jù)驅(qū)動(dòng)的故障診斷技術(shù)主要依賴于過(guò)程和測(cè)量到的設(shè)備健康數(shù)據(jù)來(lái)建立一個(gè)故障特征或故障特性指示和故障類別之間相互關(guān)系的模型。這種模型可以是專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)或者這些計(jì)算智能工具的聯(lián)合運(yùn)用。最終在線實(shí)現(xiàn)時(shí)，該方法需要一個(gè)完備的數(shù)據(jù)庫(kù)(在基準(zhǔn)線和故障狀態(tài)方面)來(lái)訓(xùn)練和驗(yàn)證該診斷算法。智能故障診斷基于模型推理

基于模型的診斷方法是利用從實(shí)際設(shè)備系統(tǒng)或器件中得到的觀察結(jié)果和信息，建立相應(yīng)的系統(tǒng)結(jié)構(gòu)和功能的數(shù)學(xué)模型，然后通過(guò)模型，對(duì)設(shè)備的故障進(jìn)行診斷，基于模型的診斷方法一般采用多級(jí)診斷方式。智能故障診斷基于案例推理

基于案例的推理通過(guò)使用或采用舊問(wèn)題的處理方法，可以解決新的問(wèn)題。和人們?nèi)粘Ｌ幚韱?wèn)題的流程很類似。智能故障預(yù)測(cè)圖中給出了故障可能的傳播方法。如果在故障是4%的嚴(yán)重度時(shí)被發(fā)現(xiàn)，只需要更換組件；如果故障直到10%的嚴(yán)重度時(shí)才被發(fā)現(xiàn)，必須更換子系統(tǒng)；如果直到失效才發(fā)現(xiàn)故障的存在，整個(gè)系統(tǒng)都需要更換。很明顯，對(duì)于故障嚴(yán)重度和即將發(fā)生的失效的估計(jì)是非常重要的。智能故障診斷基于模型預(yù)測(cè)技術(shù)

統(tǒng)計(jì)模型預(yù)測(cè)法首先對(duì)觀測(cè)的歷史數(shù)據(jù)模型做一定的假設(shè)，然后經(jīng)過(guò)模型參數(shù)的估計(jì)得到相應(yīng)的預(yù)測(cè)值。常用的參數(shù)模型入下：時(shí)間序列所測(cè)法回歸分析測(cè)方法濾波器預(yù)測(cè)法智能故障診斷基于概率預(yù)測(cè)技術(shù)

這種方法比基于模型的技術(shù)需要較少的信息，因?yàn)檫@種方法所需的預(yù)測(cè)信息主要是不同的概率密度函數(shù)，而不是動(dòng)態(tài)差分方程。它的優(yōu)勢(shì)在于它所需的概率密度函數(shù)，可以通過(guò)可觀測(cè)的統(tǒng)計(jì)數(shù)據(jù)得到，并且這些概率密度函數(shù)只要是預(yù)測(cè)所感興趣的量就足夠了。這些方法通常會(huì)給出結(jié)果的置信界限。智能故障診斷基于數(shù)據(jù)驅(qū)動(dòng)預(yù)測(cè)技術(shù)神經(jīng)網(wǎng)絡(luò)作函數(shù)逼近器，對(duì)系統(tǒng)各工況下的某些參數(shù)進(jìn)行擬合預(yù)測(cè)；用動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)對(duì)過(guò)程或工況參數(shù)建立動(dòng)態(tài)模型，進(jìn)而進(jìn)行故障預(yù)測(cè)。神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)支持向量機(jī)在解決小樣本，非線性及高維模式識(shí)別問(wèn)題中表現(xiàn)出許多特有的優(yōu)勢(shì)，它既能夠由有限的訓(xùn)樣本得到小的誤差，克服了神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)收斂速度慢和局部極小點(diǎn)等缺陷支持向量機(jī)方法專家系統(tǒng)預(yù)測(cè)技術(shù)由于采用了專家知識(shí)，從而具有了專家的豐富經(jīng)驗(yàn)與判斷能力，并能對(duì)用戶的提問(wèn)和答案的推理過(guò)程做出解釋。在中長(zhǎng)期測(cè)試中，能夠?qū)ξ磥?lái)的不確定性因素、各對(duì)象自身發(fā)展的特殊性以及各種可能引起預(yù)測(cè)對(duì)象變化的情況加以綜合考慮，從而得到較好的預(yù)測(cè)結(jié)果?；趯＜蚁到y(tǒng)的預(yù)測(cè)智能診斷與預(yù)測(cè)系統(tǒng)智能診斷與預(yù)測(cè)系統(tǒng)結(jié)構(gòu)智能診斷與預(yù)測(cè)系統(tǒng)智能診斷與預(yù)測(cè)支持系統(tǒng)

智能診斷與預(yù)測(cè)支持系統(tǒng)是在診斷與預(yù)測(cè)支持系統(tǒng)的基礎(chǔ)上集成人工智能方法而形成的。智能診斷與預(yù)測(cè)支持系統(tǒng)是智能診斷與預(yù)測(cè)系統(tǒng)與知識(shí)管理機(jī)制的有機(jī)集成智能診斷與預(yù)測(cè)系統(tǒng)基于智能故障診斷與預(yù)測(cè)的生產(chǎn)過(guò)程安全管理系統(tǒng)

系統(tǒng)體系結(jié)構(gòu)智能診斷與預(yù)測(cè)系統(tǒng)基于智能故障診斷與預(yù)測(cè)的生產(chǎn)過(guò)程安全管理系統(tǒng)

系統(tǒng)功能結(jié)構(gòu)思考題

什么是故障診斷？什么是故障預(yù)測(cè)？智能故障診斷與預(yù)測(cè)的特點(diǎn)是什么？試?yán)L制智能故障診斷的基本框架。常用的智能故障診斷方法有哪些，簡(jiǎn)述各自的原理?；跉v史數(shù)據(jù)的智能故障診斷常用的處理數(shù)據(jù)方