《故障检测绪论.PPT课件》由会员分享，可在线阅读，更多相关《故障检测绪论.PPT课件（41页珍藏版）》请在金锄头文库上搜索。
1、故障诊断技术课程概况课程概况课程总学时：课程总学时：32其中课堂教学其中课堂教学30学时，考试学时，考试2学时学时课程内容简介：课程内容简介：故障诊断技术基于模型的故障诊断技术和基于人工智能的故障诊断技术。成绩评定方法：成绩评定方法：期末考试：70分，考勤：10分，作业：20分（含2次小作业和1次大作业）大作业：目的：介绍一种现代故障诊断技术内容：该技术的特点； 基本原理； 实现方法和实现步骤 举例（在故障诊断中的应用）提交形式：doc文档 & PPT参考教材：参考教材：现代故障诊断与容错控制现代故障诊断与容错控制 周东华周东华控制系统的故障检测与诊断技术控制系统的故障检测与诊断技术 周东华周
2、东华控制系统的故障诊断和容错控制控制系统的故障诊断和容错控制 闻新闻新智能故障诊断与专家系统智能故障诊断与专家系统 吴今培吴今培工业系统的故障检测与诊断工业系统的故障检测与诊断 蒋浩天蒋浩天第一章 绪论 故障诊断的发展历史 现代智能故障诊断技术 故障诊断技术的发展趋势一、故障诊断的发展历史故障诊断技术经过100多年的发展，在机械、电气设备、动态系统等领域得到了长足的发展，开发出了许多实用的故障诊断系统。故障检测与诊断技术发展至今，经历了三个阶段。第一阶段：19 世纪末至20 世纪初由于机器设备比较简单，故障诊断主要依靠专家或维修人员的感觉器官、个人经验及简单仪表就能胜任故障的诊断与排除工作，这
3、是故障诊断技术产生阶段产生阶段，主要采用事后维修方式事后维修方式。第二阶段：20 世纪初至60 年代由于可靠性理论的产生和应用，使得人们能够依靠事先对材料寿命的分析与估计以及对设备材料性能的部分检测完成诊断任务，采用定期预防维修方式定期预防维修方式。在20 世纪60 年代中期，特别是70 年代以来，以传感器技术、动态测试技术为手段，以信号分析和建模处理为基础的现代诊断技术，在工程中已得到了广泛的应用。第三阶段：20世纪80 年代至今由于机器设备日趋复杂、智能化及光机电一体化，传统的诊断技术已经很难适应，随着计算机技术人工智能、专家系统、神经网络等的发展，诊断技术进入了它的第三个发展阶段信号分析
4、建模与知识处理相融合的智智能诊断技术阶段能诊断技术阶段。二、现代智能故障诊断技术现代智能故障诊断技术主要分为四类： 基于数学模型及参数/状态估计的方法 基于数据分析与直接推理的方法 基于专家系统和机器学习的方法 基于融合诊断的方法1、基于数学模型及参数/状态估计的方法这类方法主要依赖于数学模型，由于建模的困难及模型本身的误差和各种不可预见的因素，大大地影响其诊断的准确率。1) 基于模型的故障诊断方法基于模型的诊断方法又称为基于深知识的诊断方法。该方法既可解决知识获取瓶颈问题和知识库维护困难问题，又能提高诊断精确性，正被逐步进行深入研究。可以分为参数估计法参数估计法、状态估计法状态估计法和等价空
5、间法等价空间法三种。l 参数估计诊断法当故障由参数的显著变化来描述时，可利用已有的参数估计方法来检测故障信息，根据参数的估计值与正常值之间的偏差情况偏差情况来判定系统的故障情况。其设计步骤如下：（1）建立被控过程的输入输出模型：（式中，为模型参数。）（2）建立模型参数和过程参数之间的联系：（式中， 为过程参数。）（3）根据系统的输入输出序列，估计出模型参数序列 。（4）由模型参数序列计算过程参数序列。（5）确定过程参数的变化量序列。（6）基于此变化序列的统计特性，检测故障是否发生。（7）当确定有故障发生时，进行故障分离、估计及决策。参数估计诊断法的基本思想是：把理论建模和参数辨识结合起来，其框
6、图如下图所示。基于参数估计的故障诊断参数估计诊断法需要下列前提条件：（1）建立精确的过程模型；（2）具有有效的参数估计方法，以得到参数的精确估计；（3）被控过程充分地激励；（4）选择适当的过程参数；（5）有必要的故障统计决策方法。l 状态估计诊断法状态估计方法的基本思想是：首先重构被控过程的状态，通过与可测变量比较构成残差序列，再构造适当的模型并用统计检验法，从残差序列中把故障检测出来。通常可用Luenberger观测器及卡尔曼滤波器进行状态估计。采用状态估计诊断方法的前提条件： 具备过程数学模型知识（结构和参数）； 已知噪声的统计特性； 系统可观测或部分可观测； 方程解析应有一定的精度； 在
7、许多场合下要将模型线性化，并假设干扰为白噪声。等价空间法基本思想是利用系统的输入输出的实际测量值检验系统数学模型的等价性，从而实现故障的检测和分离。常用的等价空间方法有：基于约束优化的等价方程法、广义残差产生器法、方向性残差序列产生法、近似扰动解耦的等价空间法等。l 等价空间诊断法2）基于神经网络的诊断方法从映射角度分析，诊断的实质是建立从征兆到故障部件的映射过程。由于系统结构的复杂性，这种映射往往是高度非线性的，而神经网络可以实现任意复杂的非线性映射。对于复杂的、不确定的、难以用模型进行表述的系统而言，神经网络方法是很好的一种故障诊断方法。优点：人工神经网络的优点是高度非线性、高度容错和联想
8、记忆等。不足：诊断方法属“黑箱”方法，不能揭示系统内部的一些潜在关系，无法对诊断过程给予明确解释；网络训练时间较长，并且对未在训练样本中出现的故障无能为力。2、基于数据分析与直接推理的方法这类方法主要包括基于信号处理的故障诊断技术；基于故障树的诊断技术；基于Petri网的故障诊断技术。1）基于信号处理的故障诊断技术这是诊断领域应用较早的一种方法，主要采用阈值诊断。信号分析对象主要有时域、频域、时频特性及峰值、均方根值、波峰系数等。此外，相关分析、包络分析、最大熵谱、小波分析、分形分析、自回归谱分析等也是信号分析中常用的分析方法。2）基于故障树的诊断方法故障树是一种体现故障传播关系的有向图，以诊
9、断对象最不希望发生的事件为顶事件，按照对象结构和功能关系逐层展开，直到不可分事件（底事件）为止。以电动机不转为顶事件的简单故障树示意图其优点是能够实现快速诊断；知识库容易动态修改，并保持一致；概率推理可在一定程度上被用于选择规则的搜寻通道，提高诊断效率；缺点是由于故障树是建立在部件联系和故障模式分析基础之上，因此不能诊断不可预知的故障；诊断结果严重依赖故障树信息的完全程度。如果给定的故障树不完全、不详细、不精确，那么对应的诊断也同样不完全、不详细和不精确。Narayanan 等人对基于故障树故障诊断方法进行了系统研究，提出基于故障树进行知识获取的方法和诊断推理方法，将父节点转化成规则的结论，将
10、子节点转化成规则的前提，使故障树上的每个父子关系形成一条规则。3）基于Petri 网的故障诊断方法Petri网是对离散并行系统的数学表示。 Petri 网能揭示系统结构和动态行为的重要信息，图形化地表达系统。基于Petri 网的故障诊断方法可将知识和推理融为一体，完成描述性知识和过程的诊断推理。Petri 网的优点是能够动态描述故障现象的产生和传播过程，便于通过对系统行为的分析进行诊断。缺点是诊断完全依赖于Petri 网的建立，当具有相同特征的故障产生时，问题求解过程中容易产生冲突现象。3、基于专家系统和机器学习方法这类方法的主要优点是不单纯依赖于数学模型，而且具有较为丰富与灵活的知识表达和问
11、题求解能力，它可充分发挥人类专家根据经验和知识所进行的推理和判断能力，并可用于各种场合的判断。1）基于规则的专家系统诊断方法基于规则的方法又称产生式方法，早期的故障诊断专家系统都是基于规则的，这些规则来源于人类专家经验，描述故障和征兆的关系。根据已知的事实，采用基于规则的推理机通过故障原因与征兆匹配，利用浅知识进行诊断。下图给出了故障检测诊断专家系统结构框图。人机接口人机接口把被控对象的有关数据送入动态数据库，推理机推理机根据知识库中的知识和动态数据库中的实时数据进行推理，得出系统中是否发生故障，发生什么故障，然后对诊断结果进行评价和决策，故障排除后，再重复上述过程。图 基于专家系统的故障诊断
12、在故障检测诊断专家系统的知识库知识库中，存储了某个对象的故障征兆、故障模式、故障成因、处理意见等内容，这是检测的基础。故障检测诊断专家系统的推理机构推理机构是一个特定的计算机程序，它在一定的推理机制指导下，根据用户的信息，运用知识进行推理判断。该方法的优点是使用直接的知识和相对简单的启发式知识表示，诊断推理速度快；要求数据的存储空间相对较小；易于编程和实现。缺点是依赖于历史的故障经验，知识库覆盖的故障模式有限，知识获取困难，对未出现过的和经验不足的故障诊断，易造成诊断失败；该方法缺乏系统结构知识，不能较好地根据系统变化进行规则修改，缺乏自主性和灵活性。2）基于范例的诊断范例推理（CBR, Ca
13、se-based Reasoning）作为人工智能中新兴的一种推理技术，适用于理论模型和领域知识不完整而经验丰富的决策问题。基于范例诊断的诊断推理主要通过对诊断范例的检索和匹配，获得对故障的诊断结果，即使在故障与范例之间不完全匹配的情况下，也能通过相似性度量，得出相似的解。优点：诊断推理运用的知识是现场的具体故障范例，含义丰富，容易理解，大大降低了获取领域专家知识的难度，为快速诊断故障提供了一个途径。缺点：由于范例组织结构的复杂性，基于范例的诊断模型存在着范例维护困难、新范例生成需要额外知识等不足之处。3）基于模糊逻辑的诊断模型模糊诊断方法是利用集合论中的隶属度函数和模糊关系矩阵的概念来解决故
14、障与征兆之间的不确定关系。故障诊断是通过研究故障与征兆之间的关系来判断系统状态，由于语言表达、信息不完全等带来的模糊属性常常出现在对故障的征兆描述中，故障与征兆之间的关系很难用精确的数学模型来表示，导致某些故障状态也是模糊的。模糊逻辑提供了表达和处理模糊逻辑概念的机制，能够处理故障诊断中的不确定信息和不完整信息。在模糊故障诊断中，构造隶属函数是实现模糊故障诊断的前提。目前，模糊故障诊断有两种基本方法，一种是先建立故障现象与故障征兆之间的模糊关系矩阵，再通过模糊关系方程进行故障诊断；另一种方法是先建立故障与征兆之间的模糊知识库，再进行模糊逻辑推理。4、融合诊断方法1）多传感器信息融合的故障诊断方
15、法信息融合又称数据融合，是一种多层次、多方面处理过程，该过程对多源数据进行监测、结合、相关、估计和组合以达到精确的状态估计和及时完整的态势估计。信息的融合包括数据融合、知识融合以及由数据到知识的融合（数据挖掘）。多传感器信息融合技术避免了单个传感器出现故障而产生的对系统的误判，通过融合给出了单一传感器监测不到的系统状态，有利于全面认识系统，提高了诊断可靠性，防止漏诊。2）分布式理论在故障诊断中的应用分布式状态监测与故障诊断技术是面向设备群的跨学科综合应用技术。自20 世纪90 年代以来，由于设备在线状态检测与故障诊断系统被赋予网络化的特点，诊断进入分布式时代，通过网络以分散监测和集中操作并诊断
16、的优良特性成功解决了测点数量多、分布广及监测、诊断困难的问题。3）多Agent 智能故障诊断Agent 是人工智能、面向对象技术、计算机科学及人工生命相融合的产物，其思想是麻省理工学院的McCarthy 于20 世纪50 年代提出的，随后由Selfridg 将该思想与单词Agent 结合，现在发展成为一种新兴的工程方法论。随着各类系统功能需求增加，导致部件数量增加，相应的故障诊断复杂程度也以指数增加，基于多Agent（MAS） 进行诊断任务进而求解开展故障诊断的思想应运而生。三、故障诊断技术的发展趋势复杂系统和过程故障诊断问题是一个广泛的研究课题，面对存在的不足和不断变化的诊断要求，结合目前人
17、工智能、信息处理、计算机等相关技术领域的发展，智能故障诊断技术的发展需要着重解决以下方面的内容：1、分布式人工智能分布式人工智能技术的发展为大规模诊断系统设计和实现提供了一条极具潜力的途径，该技术是为解决大规模问题的智能求解而发展起来的，通过对问题域的描述、分解和分配，构成分散的面向特定问题相对简单的子系统，并协调各子系统并行地、相互协作地进行问题求解，其思想十分适合大规模诊断问题的智能求解。随着工业生产的连续化、高速化、系统化、自动化和企业管理的网络化，工业大型成套关键设备已呈现为分布式开放的规模系统，它对诊断系统的实时性、自动性、开放性和网络化提出了越来越高的要求。2、自适应诊断模型专家自
18、身诊断能力提高需要通过不断的学习、经验积累，智能诊断模型诊断能力的提高依赖于诊断新知识的获取。实际诊断系统中，由于知识获取的“瓶颈”问题，诊断知识库是不完备的，复杂系统自身特性又容易受到影响（如环境变化、部件调整等）而发生改变，当新故障征兆出现时，在知识库中找不到最佳匹配，就容易发生漏诊或误诊，严重影响诊断结果的可靠性。从智能系统的发展观来看，诊断模型如果具有一定的自适应能力，自身能够不断“学习”和“进化”，就能有效地适应求解环境和问题特征的动态变化。3、混合式智能诊断系统纵观现有的混合诊断模型远没有达到专家思维“互相融合”的程度。而且现有的绝大多数混合模型只能在某些事先设计好、不可改变的组合关系下进行多领域知识模型的静态“集成”，没有体现出“动态融合”优势，也不能适应求解环境和问题特征的动态变化。如何针对不同诊断模型的特点，基于不同表示形式的诊断知识，研究能够更好模拟专家诊断思维的混合诊断策略，研究混合诊断系统的进化，对混合式智能诊断系统的深入发展是非常关键的。
