机械故障诊断中的误诊断与信息处理方法

机械故障诊断中的误诊断与信息处理方法摘要:对机械状态的误诊断是对机械状态的一种歪曲反映，误诊断原因是多方面的，包括诊断数据的不准确性、诊断依据的不可靠性、诊断推理的不合理性等。机械状态的信息特性对机械故障诊断起重要作用，研究信息特性对提高故障确诊率和故障诊断的可靠性具有实际意义针对获取的故障信息具有不确定性，文章提出用粗集理沦处理诊断中的不确性的数学方法理论。关键词:故障诊断;误诊断;信息不可靠;研究机械故障诊断的发展历程中，故障确诊率的提高一直是研究的热点，故障的误诊却没有引起人们足够的重视。为了系统地阐述机械故障诊断中的误诊问题，给出了误诊的含义及分类;按照机械故障诊断推理过程的环节，详细分析了误诊产生的机理和具体的原因，针对这些误诊的潜在原因，提出了减少误诊的方法和措施。提高机械故障诊断的可靠性，降低误诊率，在保证诊断数据准确无误的同时，必须使诊断系统合理，同时具有开放性和可扩充性，使诊断知识不断得到丰富和充实。1机械误诊断的原因从诊断的结果与诊断对象客观存在的差异来看，故障诊断的结论可分为确诊、误诊和漏诊，确诊即为对诊断对象的故障判断是准确无误的。漏诊则是对故障的遗漏。而误诊，顾名思义，就是错误的诊断，也可称之为误判。漏诊实质上也可归为对设备的误诊。1.1故障的复杂性在故障诊断过程中，诊断对象的故障过程是复杂多变的，在故障发展过程中，由于引起故障的因素在性质、特点及作用方式上是不同的，机械功能状况和所受损害的具体情况也不同，使得故障征兆和演变具有不同形式，诊断中往往难以迅速准确地认识故障的性质，导致误诊，具体表现在以下几方面:(1)故障的发展过程中，一种故障可能表现出多种不同故障征兆。如液压系统故障诊断中，电磁换向阀故障可能导致系统压力、流量不满足要求，脉动可能加剧，还可能导致系统工作温度升高等。而对不同诊断对象，即使是同一种机械，对同一种故障的反应也是有差异的。一个对象的反应可能快，另一个对象反应可能慢，一个对象的某征兆对某故障反应可能剧烈，而另一个对象反应可能较平稳等。(2)不同故障在发展过程中，可能出现相似的征兆，同种征兆可能对应多种故障形式。如回转机械中，各种故障的发生，往往都伴随着振动的加剧，而且在频域分析时，在相同倍频上，不同故障可能会有相似的表现形式。这种故障征兆的相似性，使我们在故障诊断中容易产生混淆。(3)在很多情况下，随着故障的发展，还可能引起继发性故障，这种继发性故障可能会掩盖原来的故障，或原来的故障掩盖继发性故障，这都将造成故障诊断的困难。如液压系统中，由于某种原因引起油液污染程度增加，这可能引起液压泵运动副的严重磨损，磨损的颗粒混人油液中，进一步加剧油液污染，液压泵磨损将引起液压系统失效，泵的失效是油液污染这种原发性故障所引起的，而原发性故障和泵磨损这种继发性故障混在一起，相互促进，造成恶性循环，这增加了查找原发性故障的难度。为克服故障征兆的复杂性给故障诊断带来的困难，必须开阔思路，不拘泥于典型故障一征兆的狭窄思路，从系统角度出发，进行由环境到机械，由局部到整体，由阶段到过程的具体分析，将征兆、原因、故障机理有机结合起来加以研究，减少误诊率。1.2诊断知识的不确定性各种机械设备，由于复杂程度不同，工作环境各异，使我们获得的有关故障的知识往往有不确定和不完善的一面。一般来说，我们不能等待某种故障完全发生后再得出结论，而必须实施早期诊断，及时采取措施避免故障的进一步发展，这样，我们必须依据故障的部分征兆或无任何征兆情况下作出诊断，这不可避免地带来误诊。由于故障诊断资料不足，对故障的认识受到较大限制，给明确诊断带来困难，有时不能将其有类似征兆的故障完全排除，有时所怀疑的故障的一般规律与故障征兆不完全相符，另外排除了一种故障的可能，又缺乏对某种故障作出识别的足够依据，因此故障诊断的推理过程往往也是模糊的，具有一定程度的不确定性。针对这种情况，充分研究故障诊断对象，建立合理的模糊知识体和模糊推理机，利用现代人工智能原理实施诊断更符合故障诊断的性质，将提高诊断的可靠性。1.3理论的相对性任何理论与实际的故障过程相比，总有局限性，机械设备作为一个与环境和人共同组成的有机体，是有差异的，理论只能大体概括故障诊断实践中的具体情况，同时，理论又受到一定科学技术条件的限制，还存在尚待认知的领域。理论与具体故障相比，总是有一定距离的。以故障诊断的标准来说，它是以典型征兆为基础而总结制定的，不太典型的故障，就未必都与诊断标准相符合，若将诊断标准当作教条而一成不变，难免造成误诊。总之，我们所研制的诊断系统，应具有开放性和可扩充性，使系统具有不断完善的能力，这是降低误诊率的重要途径。1.4诊断实践的局限性故障诊断的实践是机械故障诊断学形成发展的基础，对故障现象进行试验研究，虽然也是获取相关知识的重要途径，但由于试验与机械系统实际运行情况、工作环境是有差异的，所得出的结论必然存在一定的局限性，作为实施故障诊断的主体—人，对机械系统的了解程度及故障诊断的实践经验不同，得出的结论也有差异，如观察1幅机械图象，1个经验丰富的人，头脑中积累了大量故障知识，往往能较准确地从中把握机械运行状况，作出合理诊断结论，尤其是对早期故障和不典型故障的诊断更是如此。因此，必须加强诊断的实践环节，从实践中抽取有用的知识去扩充和丰富我们的诊断系统。1.5获取数据的不准确性在实施故障诊断过程中，首先应获取机械系统运行的有关数据。机械运行过程中，往往受外界环境及各种随机因素影响，使获取的数据具有某种程度的不准确性，容易造成误诊。因此须采取必要数据预处理手段，减少随机因素的影响，剔除其中的趋势项、奇异项等，提高数据准确性，这也是降低误诊率的必要条件。1.6诊断人员不专业诊断人员的素质也决定了诊断结论的正确程度。诊断人员的理论知识、实践经验、方法知识以及执行故障诊断时的态度都可能导致误诊。同时，诊断人员在综合运用知识、理论联系实际、善于解决实际问题等方面的能力也会影响诊断结论。2机械故障诊断中信息提取2.1信息提取不可靠机械故障诊断分为直接诊断和间接诊断，但由于受到设备结构和工作条件的限制，直接诊断往往难以进行。因而，多采用间接诊断，即通过二次诊断信息来间接判断设备中关键零部件的状态变化。而诊断测试便是获取二次诊断信息必备的关键环节。最常见的是振动测试(位移、速度、加速度)和声音测试。然而，由于各种原因，获取的数据可能发生偏差。体现在3个方面:(1)数据没有正确反映客观存在;(2)数据的信噪比低;(3)数据的不完备性。如果把这些不准确的数据当成有效数据来分析，就很可能发生误诊。2.2信息处理不准确能够快速、有效地提取反映机器故障信息的特征是机械故障诊断的关键。诊断特征主要通过对设备采集来的信号进行分析和处理获取。这些特征可能是一些简单的时域特征，如峰峰值、均方根值、峭度等，或者工艺参数特征，如油温、油压等，还有一些复杂的频域特征及基于全息谱的特征，如转频椭圆及轴心轨迹等。目前，各种特征提取方法层出不穷，如统计模拟、小波分析、独立分量分析、频域分析、全息谱分析等，为诊断对象的特征提取提供了有效的解决方案。在应用中，许多方法都有其应用的前提条件。而且，在不同的应用场合，各种方法还可能存在其局限性以及数学上的精确性问题。在实际应用中，如果没有注意到这些，就可能引起误诊。2.3信息不完美对于一个诊断对象，如果其运行状态较复杂，由于客观条件和手段的限制等原因，可能使获得的信息难以确切地给出诊断结论，主要体现在以下3个方面:(1)信息不完备。在诊断实践中，故障与诊断信息之间并非一一对应的关系。1个信息对应多个不同的故障，而1个故障也表征为多个不同的信息。这就需要掌握充分的有用信息来区分不同的故障。否则，就可能出现误诊。(2)信息不一致。诊断信息不一致在诊断实践中也是较常见的现象。这些信息之间存在一定程度上的冲突。也就是说，某些信息很大程度上支持故障F1，否定故障F2;相反，另一些信息则支持故障F2，而否定故障F1。此时，误诊也容易发生。(3)信息不确定。来自于诊断对象的诊断信息经历了许多传输途径，其不确定性可能较小，也可能很大，如传感器、传输线等均影响其确定性。此外，还有定性与定量信息之间转换导致的不确定性。3提高信息可靠度、减少误诊断的措施3.1提高诊断测试的准确性提高诊断测试的准确性是保证诊断数据可靠性的重要前提。可以从以下4方面着手:(1)对传感器进行定期检验;(2)可考虑用多个传感器测量;(3)采用可靠的传输线;(4)正确设置采样参数。3.2提高诊断系统的可靠性随着设备运行与维护的需要，各种在线、离线、远程等诊断分析系统以及人工神经网络、贝叶斯网络、专家系统等智能诊断系统逐渐用于机械故障诊断，为确诊故障带来了许多便利之余，也增加了机械故障误诊的可能性。开发合理完善有效的诊断系统，提高它们在特征提取或诊断推理方面的可靠性，有利于减小误诊率。3.3加强诊断信息描述的客观性诊断信息在机械故障诊断中的重要性是不言而喻的，其表达与描述是否合理、准确关系到诊断推理结果的正确与否。然而，在诊断实践中，诊断信息既有定性信息，也有定量信息;既包含简单信息，又包含复杂信息;既存在确定信息，又存在不确定信息。在诊断推理过程中，定量信息经常会转换为定性信息，例如，70},m的振动”描述成“振动大”等。概率论和模糊数学是描述这种信息的强有力的工具。因而，可以考虑用适当的方式把概率论和模糊数学理论融人到故障诊断的信息表达和描述中来，加强其描述的客观性。4粗集理论对信息不确定性的处理具有随机信息、未确定信息、模糊信息、灰信息中的一种的信息为单式信息;至少存在2种以上的信息为盲信息，而将概率论、模糊理论、灰色数学、未确知数学的理论与方法有机结合起来，即不确定性数学的理论与方法，提出或运用某种理论和方法，对具有相似或不同特征模式的信息进行处理，以获得融合信息，从而改善信息的不确定性、模糊性、矛盾性。粗集理论是一种处理模糊和不确定知识的有效数学工具，其在知识分类和知识获取中已得到成功应用。粗集理论方法与神经网络方法、遗传算法、模糊集理论方法、混沌理论等“软科学”方法的不同在于它仅利用数据本身所提供的信息，不需要任何附加信息或先验知识，如证据理论中的基本概率赋值、模糊集理论中的隶属度函数、统计学中的概率分布等，粗集方法以观察和测量数据进行分类为基础，直接处理对象的可测输出，剔除冗余信息和矛盾信息，从而找到问题的内在规律，因此粗集理论比其他“软计算”方法更具实用性。粗集理论进行诊断的一般步骤:(1)知识库建立利用搜集到的历史或仿真数据生成联合诊断系统故障信息表，进而表示为知识库的形式S=(U,A,D,V,f)知识库可分为非空的对象空间U=3xxz,…，xm(，属性集合空间R=AVD，子集A=}dl}a2}…，do}和子集D=}df分别称为条件属性和结果属性，并且在对象空间与后两者之间存在对象属性关系f8和九，即对于。eA,f8:‘升砚称为信息函数，儿:U}Vd称为决策函数，Va和yd分别是A和D的有限值域。(2)数据离散化数据离散化方法包括等距离划分算法、等频率划分算法、NaiveScaler算法、基于属性重要性算法和基于断点重要性算法，以及布尔逻辑和粗集理论相结合的算法等，使条件属性和决策属性的取值为连续的不确定性空间，数据离散化是运用粗集理论的数据预处理。(3)特征提取从原N个数据特征中找到M个数据特征，简化后M个数据特征对对象空间U的分类能力和原N个数据特征的分类能力相同(N,M)，此过程称为特征提取。常用的特征提取方法有基于属性重要性的最小约简、基于差别矩阵和差别函数的逻辑化简、基于包含度理论方法的最大分布约简、基于下近似质量不变进行属性约简和对存在噪声污染时用基于上近似质量的任一约简。特征提取使条件属性得到约简，进而剔除冗余的条件属性。(4)规则应用提取的规则集可用来对新对象进行分类，该规则集称为“分类器”，用RUL来表示。当分类器遇到一个新对象x时，则在规则集RUL中寻找与x的条件属性相匹配的规则，应用规则集可判断新对象x决策属性。参考文献1屈梁生，何正嘉.机械故障诊