第2章 智能故障诊断的构成

1智能故障诊断技术2第二章智能故障诊断的构成1.智能故障诊断的基本结构2.智能故障诊断的构成原理3.智能故障诊断的构成方法4.智能故障诊断的评价指标*31.智能故障诊断的基本结构两大部分：故障检测与诊断、故障容错控制控制执行器监控对象故障检测与诊断故障容错控制知识库数据库知识获取输入输出智能故障诊断与容错控制的基本结构4故障检测与诊断模块的主要任务故障检测与诊断：就是从监控对象中适时准确地检测出故障信息，并对故障产生的原因、部位、类型、程度及其发展做出判断。其主要任务通常包含以下几个方面的内容：获取故障信息；寻找故障源，确定故障的位置、大小、类型及原因；评价故障的影响程度，预测故障的发展趋势；对检测诊断结果做出处理和决策。5故障检测与诊断模块的基本要求1）对故障具有强检测能力故障检测能力的强弱，一方面反映了检测诊断模块对故障的检测能力，另一方面也直接影响故障诊断的效果对弱故障信号和早期故障信号，故障检测能力尤为重要2）对故障具有强诊断能力能综合运用多种信息和多种诊断方法，以灵活的诊断策略来解决诊断问题；能通过使用专家的经验，而尽量避开信号处理方面复杂的实时计算；能处理带有错误的信息和不确定性信息，从而相对降低对测试仪器和工作环境的要求。6故障检测与诊断模块的基本要求3）尽量采用模块化结构结构应当模块化，使之可以方便地调用其他应用程序如维修咨询子模块、模拟故障诊断子模块等4）具有人机交互诊断功能现代设备的复杂性，要求综合运用多种知识源（浅、深知识）来求解复杂问题用户适当地实时参与，将使诊断速度更快、准确性更高用户参与有主动和被动两种方式：主动参与可干预和引导推理过程；被动参与只回答提问，而不干预推理过程7故障检测与诊断模块的基本要求5）具有多种诊断信息获取的途径获取的诊断信息越丰富，则诊断效果越好首先，应具有自动获取状态信息（当前、历史）的功能其次，应能通过人机交互获取状态信息6）对问题求解应当实时和准确实时：一旦发现故障迹象，应立即开始诊断工作准确：输出结果应当细致明了，对于并发故障允许输出多个诊断解，对于同一故障则只有一个诊断解，对于征兆不完备情况应输出按权值排序的多个候选故障解8故障检测与诊断模块的基本要求7）具有学习功能现代设备的复杂性以及新知识的不断涌现，导致专家现有知识的不足要求系统具有被动和主动（自学习）获取新知识的能力8）具有预测能力应能预测故障的发生和发展，以便在故障没有发生之前采取措施，将故障消灭在萌芽状态，使损失减为最小9）具有决策能力故障出现前，应能提前预测故障故障出现后，应能对故障做出决策并提供维护方案92.智能故障诊断的构成原理2.1故障检测与诊断方法2.2故障检测与诊断中的信息机制2.3故障检测与诊断中的机器学习技术102.1故障检测与诊断方法1）基于数学模型的故障检测与诊断方法特点是必须将故障数学模型化，有时建立模型很困难不依赖实例和经验，适用于新的没有成熟经验的诊断2）基于参数估计的故障检测与诊断方法特点是须先确定一个信任域，当参数超出域时认为故障适用于故障能由参数的显著变化来描述的诊断3）基于信号处理的故障检测与诊断方法通过对检测信号的分析处理，利用特征信号对故障进行识别和诊断。典型方法：小波变换、模态分解等4）基于知识的故障检测与诊断方法不需精确的数学模型，能模拟人的思维过程，具有自学习、自组织、自推理能力115）基于实例的故障检测与诊断方法是一种使用过去的经验实例指导解决新问题的方法优点是不需从实例中提取规则，求解快；不足是能搜集的实例是有限的，求解时可能出现误诊或漏诊6）基于模糊理论的故障检测与诊断方法征兆的描述、故障与征兆的关系往往具有模糊特性，模糊语言变量能更准确地表示这种模糊性的征兆和故障问题在于知识获取困难：如何确定故障与征兆间的模糊规则；如何实现模糊语言变量与隶属度间的推理转换7）基于神经网络的故障检测与诊断方法利用神经网络的联想、推理和记忆能力进行知识处理适用于复杂多模式的诊断，有离线和在线诊断两种方式122.2故障检测与诊断中的信息机制在学习和训练中，故障识别信息来于两方面：一是由故障模式类别属性构成的信息源——故障模式信息源：由系统的可能故障及其类别的出现概率所构成；二是由故障样本特征属性构成的信息源——故障特征信息源：由故障特征和特征的概率分布函数所构成。故障诊断是一个完整的信息获取、处理、再生和利用的信息过程，其技术正是沿着如何有效挖掘、利用相关信息的方向发展的。13故障诊断技术中的信息发展过程直接信号检测方法：直接测量系统I/O信号或作简单处理，通过阈值比较或浅层特征量进行故障诊断信号分析方法：基于信号分析理论获取较深层特征量进行故障诊断，如相关分析、谱分析、小波分析建模估计方法：面向过程建模，利用检测信号估计出参数或状态进行诊断，如参数估计、状态估计法人工智能方法：20世纪80年代后期，以专家系统为代表，通过引入学习机制和人机协作，对专家知识所包含的信息间的因果关系进行推理，让信息获取、处理、再生和利用等环节成为一种智能活动142.3故障检测与诊断中的机器学习技术故障诊断的智能化水平与系统的机器学习能力密切相关，机器学习技术是提高智能故障诊断能力的主要途径：1）知识获取技术2）深浅知识集成表示方法3）规则更新方法4）机器学习策略151）知识获取技术知识获取是构造智能诊断系统的一个“瓶颈”问题传统的知识获取方法：通过知识工程师获取知识通过知识编辑器获取知识通过学习程序获取知识复杂设备的智能故障诊断系统，知识获取方法：从文本文献资料直接获取知识专家与诊断系统交互获取知识从经验或现有知识中学习获取知识162）深浅知识集成表示方法一般说来，浅知识（人类专家的经验知识）的知识表达直观、形式统一、模块性强、推理速度快，但对于复杂过程，很难完整地表示诊断对象的领域知识，此时只有使用深知识（诊断对象的模型、原理知识）进行诊断，因此必须将深浅知识结合起来。深浅知识的集成表示模型——树形知识结构从纵向看，每种设备、部件和零件都具有一定的继承性从横向看，体现了同层相关的属性易于用面向对象的方法实现，易于实现知识管理和维护173）规则更新方法系统运行过程中，规则集通常需要不断更新新模式或已有模式的新成员确定数据库中规则更新的评价函数和属性统计方法粗糙集理论是一种处理模糊和不精确信息的新方法——基于粗糙集理论的规则更新方法184）机器学习策略简单学习：文献、专家和资料所描述的关于诊断对象的结构、功能、运行约束条件等知识，机械学习机制为主；主要用于元知识学习阶段智能故障诊断中的机器学习策略结构图文献、专家简单学习知识工程师交互学习诊断对象独立学习知识检验与评价知识库交互学习：知识工程师或诊断对象处理过的知识，讲授学习机制为主；主要用于领域知识学习和知识库丰富阶段独立学习：推理策略面对的新知识，归纳学习机制为主；主要用于诊断能力改善阶段193.智能故障诊断的构成方法智能故障诊断的构成可通过以下三步实现：1）建立系统的设计目标；2）设计智能故障诊断处理机构；3）根据设计目标对所作的设计进行评价。如果满足目标则设计成功，否则返回第二步重新进行设计，直到满足设计目标要求。203.1确立系统的设计目标一个系统一般具有多个设计目标，其中最重要的三个目标是：性能、成本和可靠性建立设计目标的首要任务：是确定所要设计的系统（称为目标系统），在这个三维参数空间中应处的位置其中，各目标通常相互矛盾，应分阶段、折衷考虑21智能故障诊断系统的设计要求智能故障诊断系统的设计，一般应满足以下要求：1）满足故障诊断的实际需要；主要指标有故障诊断率、诊断结果准确率、系统可靠性和投资效益比等，一般需分阶段实现系统目标。2）建立适应不同诊断对象的知识库；智能故障诊断系统是基于知识的，以知识处理为研究内容，知识库的建立是保证诊断结果正确性的前提。3）能自动获取征兆；征兆的自动获取是实现故障诊断智能化的重要环节。将征兆获取从用户交给计算机，既可减少人为差错、提高诊断准确率，又可减轻操作要求、提高系统可接受性。22智能故障诊断系统的设计要求4）诊断和推理方法应符合故障诊断要求；应从征兆出发去诊断故障，征兆对故障的肯定和否定程度，是故障诊断的根本依据。因此，知识表示和不精确推理应当充分反映故障诊断的特点。5）能实现计算机自动诊断；完成系统的方案设计后，用计算机进行系统的实际开发，可以使故障诊断易于实现，并获得最佳效果。6）系统要经过严格的测试和考核。一方面，开发进度的加快导致测试时间减少；另一方面，系统一般是由缺少现场经验的人员研制的。经实验室模拟测试、现场测试后，才能投入实际应用。233.2设计智能故障诊断处理机构智能故障诊断处理机构的设计通常包括内容：1）分析环境因素；即弄清使用环境对设备可靠性的影响和约束，可以帮助减少设计的选择范围。2）确定故障处理层次；设备及其故障处理通常可以按某种层次结构来组织，某层上的故障诊断一般可覆盖该层及下层故障，为防止故障影响扩大，应尽可能在最近的层次上将故障覆盖。3）确定故障限制区。必须充分考虑故障的传染问题，把任意故障的影响限制在预定区域内（限制区）。故障限制区的大小通常依据可重组或可修复（替换）的部件来确定。243.3确定智能故障诊断的评价内容*智能故障诊断系统可从以下两方面进行评价：1）可靠性评价：可靠性评价包括智能故障诊断的可靠度、失效率等。2）综合性能评价：综合性能评价主要是智能故障诊断对故障的识别能力，即设备发生或即将发生故障时，系统是否能准确地对故障进行定位和定性。254.智能故障诊断的评价指标*检测性能指标：1）故障检测率Dr：检测出的故障占实际出现故障总数的比率。Dr大好。2）故障检测灵敏度Ds：故障检测系统对早期或轻微故障检测的敏感程度。Ds大好。3）故障检测及时性Dt：发生故障后，系统在尽可能短的时间内检测到故障的能力。Dt大好。4）故障误检率Wr、错检率Zr和漏检率Lr：误检指没有故障而误判为故障；错检指实际故障A错判为故障B；漏检指出现故障而没有检测出来。Wr、Zr、Lr小好。26诊断性能指标：1）故障分离能力Zl：诊断系统对不同故障的区分能力。Zl大好。2）故障分辨能力Zf：对特征相似但起因不同故障区分开来的能力。Zf大好。3）故障识别能力Zs：诊断系统对故障大小及其时变特性的定位能力。Zs大好。4）故障诊断时间Zt：完成一项诊断工作所需的时间，包括检测、分析和识别等。Zt小好。27本章重点基本结构：智能故障诊断的基本结构，故障检测与诊断模块的主要任务和基本要求构成原理：故障检测与诊断的方法，故障诊断中的机器学习机制构成方法：智能故障诊断系统的设计要求28智能故障诊断技术第二章结束