《第四章智能诊断课件.ppt》由会员分享，可在线阅读，更多相关《第四章智能诊断课件.ppt（21页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、第四章 智能诊断第一节 概述第二节 故障诊断专家系统第三节 故障诊断神经网络第一节第一节 概述概述一 智能诊断系统的发展现状 电路和数字电子设备方面，电路和数字电子设备方面，MITMIT的的ELEL系统；波音航系统；波音航空公司的空公司的IMAIMA系统；意大利米兰工业大学研制用于汽车系统；意大利米兰工业大学研制用于汽车启动器电路故障诊断系统等。启动器电路故障诊断系统等。机电设备方面，日本日立公司用于核反应堆的故障机电设备方面，日本日立公司用于核反应堆的故障诊断系统；法国诊断系统；法国CGECGE的的DIVADIVA；哈工大和上海发电设备的哈工大和上海发电设备的MMMD-2MMMD-2；清华大
2、学研制的用于锅炉设备故障诊断的清华大学研制的用于锅炉设备故障诊断的系统等。系统等。军事设备方面美国佛罗里达空军基地的军事设备方面美国佛罗里达空军基地的EMMAEMMA和马和马里兰大学的里兰大学的AMMAMM。二二 现有故障诊断系统存在的问题现有故障诊断系统存在的问题（一）故障智能诊断的优点（一）故障智能诊断的优点1.能够模拟热脑的逻辑思维过程，解决需要进行复杂推能够模拟热脑的逻辑思维过程，解决需要进行复杂推理的问题理的问题2.可以储存和推广领域专家的经验和知识，更有效地发可以储存和推广领域专家的经验和知识，更有效地发挥各种专门人才的作用。挥各种专门人才的作用。3.故障智能诊断系统在某些发面比人
3、类专家更可靠灵活故障智能诊断系统在某些发面比人类专家更可靠灵活4.故障只能诊断系统具有人机结合作完成诊断任务的功故障只能诊断系统具有人机结合作完成诊断任务的功能。能。5.故障只能诊断系统便于用户对知识库的修改和完善。故障只能诊断系统便于用户对知识库的修改和完善。（二）存在的问题（二）存在的问题1 知识库庞大知识库庞大2解决问题能力的局限性解决问题能力的局限性3深、浅知识结合能力差深、浅知识结合能力差4自动获取知识能力差自动获取知识能力差5容错能力差容错能力差6对不确定性知识的处理能力差对不确定性知识的处理能力差第二节第二节 故障诊断专家系统故障诊断专家系统专家系统包括如下一些类型：解释型，用于
4、解释型，用于 解释分析各种实验或勘测的结解释分析各种实验或勘测的结 果；果；诊断型，用于诊断疾病或故障；诊断型，用于诊断疾病或故障；设计型，用于进行某些设计与规则；设计型，用于进行某些设计与规则；教学型，用于计算机辅助教学教学型，用于计算机辅助教学 咨询型，用于某些领域的咨询或顾问；咨询型，用于某些领域的咨询或顾问；工具型，用于开发专家系统；工具型，用于开发专家系统；一一 专家系统的构成及功能专家系统的构成及功能（一）知识源（一）知识源 （二）推理机（二）推理机 （三）解释系统（三）解释系统 (四）专家系统的管理系统四）专家系统的管理系统 （五）外部接口（五）外部接口用用户户外部外部接口接口管
5、管理理系系统统专专家家系系统统的的推理机推理机 解释系统解释系统缓冲缓冲存储器存储器知知识识源源知识库知识库模型库模型库数据库数据库知识管理系统知识管理系统知识获取系统知识获取系统专专家家工工程程师师知知识识二、专家系统在故障诊断中的应用二、专家系统在故障诊断中的应用 例例4.1 在汽车中，发动机的电子控制越来越多如图在汽车中，发动机的电子控制越来越多如图4-2所示，是发动机控制系统的框图，其关键部件借助于车所示，是发动机控制系统的框图，其关键部件借助于车内的计算机或电控模块内的计算机或电控模块(ECM)的电子控制组件来实施控的电子控制组件来实施控制。制。废气废气发动机发动机化油器化油器电控模
6、块电控模块 ECM发动机发动机温度温度节气门节气门位置位置混合比混合比控制信号控制信号点火点火时间时间发动机发动机转速转速排气中排气中氧气量氧气量冷却液温冷却液温传感器传感器混合气混合气控制执控制执行元件行元件节气门节气门位置位置传感器传感器分分电电器器氧传氧传感器感器催化催化转换器转换器为了诊断发动机控制系统的故障，某些公司研究了诊为了诊断发动机控制系统的故障，某些公司研究了诊断专家系统，图断专家系统，图4-3就是其中的一个框图。就是其中的一个框图。不正常不正常硬码硬码诊断码检查诊断码检查基本系统检查基本系统检查码码12 码码13码码14码码15码码21码码23根据经验分析故障起因根据经验分
7、析故障起因诊断模块诊断模块诊断码检查诊断码检查系统性系统性能检查能检查路试路试使用性能检查使用性能检查路试路试出厂出厂无码或仅有软码无码或仅有软码正正常常不不正正常常硬码硬码正常正常无码无码码码12无分电器参考无分电器参考脉冲脉冲 码码13氧氧传感器电路码传感器电路码21节气节气门位置传感器电路门位置传感器电路 码码14冷却液温度传冷却液温度传感器短路码感器短路码15冷却液冷却液温度传感器断路温度传感器断路 码码23混合比控制电混合比控制电路图路图4-3 汽车发动机汽车发动机故障诊断的专家系统故障诊断的专家系统例例4.2 液压传动系统故障诊断专家系统的设计液压传动系统故障诊断专家系统的设计为了
8、便于加深对专家系统的了解，引用了某液压传为了便于加深对专家系统的了解，引用了某液压传动系统故障诊断专家系统的设计，为了简化和缩小动系统故障诊断专家系统的设计，为了简化和缩小建造知识库和专家系统的编程目标，达到说明故障建造知识库和专家系统的编程目标，达到说明故障诊断专家系统的设计过程和内函，将设计和描述范诊断专家系统的设计过程和内函，将设计和描述范围作了如下的限定：围作了如下的限定：(1)机械产品中某台设备液压传动系统出现故障；机械产品中某台设备液压传动系统出现故障；(2）液压传动系统的故障是由于液压缸不能实现正）液压传动系统的故障是由于液压缸不能实现正常运行而造成；常运行而造成；(3)液压缸不
9、动作造成运动失效，问题出在换向阀元液压缸不动作造成运动失效，问题出在换向阀元件上；件上；(4)换向阀出问题仅考虑阀芯、弹簧和电磁铁等出现换向阀出问题仅考虑阀芯、弹簧和电磁铁等出现故障。故障。1知识库知识库 通过总结分析和向领域专家学习后，提取出有关换向通过总结分析和向领域专家学习后，提取出有关换向阀出现问题的判定和处理知识，并进行形式化，以组建阀出现问题的判定和处理知识，并进行形式化，以组建知识库。知识库。油缸不移动油缸不移动阀芯不动阀芯不动阀芯不能返回中心位置阀芯不能返回中心位置旧换向阀旧换向阀新换向阀新换向阀弹簧弹簧磨损磨损 油源污染油源污染电磁铁电磁铁液压卡紧力液压卡紧力 间隙小间隙小新
10、换向阀新换向阀旧换向阀旧换向阀行程开关失灵行程开关失灵 短路短路线圈损坏线圈损坏推力不够推力不够 漏装弹簧漏装弹簧弹簧折断弹簧折断刚度不够刚度不够图图4-4 换向阀故障诊断推理网络换向阀故障诊断推理网络2数据库数据库数据库是存放专家系统当前情况的，即存放用户告知数据库是存放专家系统当前情况的，即存放用户告知的一些事实及由此推得的一些事实，它也是以表的形的一些事实及由此推得的一些事实，它也是以表的形式存放的。例如，若已知以下事实：液压缸式存放的。例如，若已知以下事实：液压缸完全完全不移动；换向阀不移动；换向阀第一次使用；阀芯第一次使用；阀芯不能被卡不能被卡住；该阀住；该阀是电磁换向阀；弹簧是电磁
11、换向阀；弹簧处于正常工作处于正常工作位置；电磁铁位置；电磁铁线圈有电。要将这些事实用计算机线圈有电。要将这些事实用计算机语言编码形成一个表存入计算机当前的数据库中，实语言编码形成一个表存入计算机当前的数据库中，实际上对一般专家系统而言，就是在计算机中划分出一际上对一般专家系统而言，就是在计算机中划分出一部分存贮单元，存放以一定形式组织的该专家系统的部分存贮单元，存放以一定形式组织的该专家系统的当前数据，这就构成了数据库。数据库可以有多个表当前数据，这就构成了数据库。数据库可以有多个表或用其他形式构造。或用其他形式构造。3推理机推理机 本例中就换向阀故障诊断问题进行正向推理机的设计。本例中就换向
12、阀故障诊断问题进行正向推理机的设计。图图4-5所示为正向推理机工作示意图。当知识库和数据所示为正向推理机工作示意图。当知识库和数据库构造完成以后，正向推理机的工作步骤应是：库构造完成以后，正向推理机的工作步骤应是：NNNYYY开始开始取出规则取出规则I的结论的结论部分的事实部分的事实将新事实加入数据将新事实加入数据库，记下规则库，记下规则I结束结束取出规则取出规则I的前提的前提部分的事实部分的事实令令I=1令令I=I+1新的事实吗？新的事实吗？在数据库吗？在数据库吗？I=K？第三节第三节 故障诊断神经网络故障诊断神经网络 一、神经网络的基本组成一、神经网络的基本组成 神经网络是从生物学的角度来
13、模拟人类的神经网络是从生物学的角度来模拟人类的思维过程。由于人们对大脑的思维机制还思维过程。由于人们对大脑的思维机制还很不了解，因此当前的人工神经网络还只很不了解，因此当前的人工神经网络还只能是大脑的低层次模拟。能是大脑的低层次模拟。（一）神经元（一）神经元 （二）神经元间的连接（二）神经元间的连接 。（三）神经网络三）神经网络 二、人工神经网络的典型模型二、人工神经网络的典型模型神经元是神经网络的基本处理单元，它一般视为多输入神经元是神经网络的基本处理单元，它一般视为多输入单输出的非线性器件，其模型如图单输出的非线性器件，其模型如图4-6所示。所示。-1j1jnjSiyjXnX1ij图4-6
14、 神经元模型其中其中xi为输入信号，为输入信号，i示从输入信号与与第示从输入信号与与第j个处理单元的连接权值个处理单元的连接权值，j为该处理单元的阈值，为该处理单元的阈值，Si表示外部输入信号表示外部输入信号(在某些情况下，它在某些情况下，它可以控制神经元，使之保持在某一状态可以控制神经元，使之保持在某一状态)，yj为输出。为输出。常用的神经元非线性特性常用的神经元非线性特性(函数函数)f()可有如下三种类型，可有如下三种类型，1阈值型：函数阈值型：函数f为一阶跃函数，即当输入信号大于阈为一阶跃函数，即当输入信号大于阈值时，神经元输出为值时，神经元输出为1，否则，输出为，否则，输出为0。2分段
15、线性型：输出与输入的关系呈分段折线形。分段线性型：输出与输入的关系呈分段折线形。3S型：其输出与输入的关系特性常取对数或正切等型：其输出与输入的关系特性常取对数或正切等S状函数曲线饱和特性。状函数曲线饱和特性。三、三、BP模型模型 BP模型也叫反向传播模型，它是一种多层前向网络，如模型也叫反向传播模型，它是一种多层前向网络，如图图4-7（a）所示，网络除输入输出层外，还有隐层所示，网络除输入输出层外，还有隐层(可可以是多层以是多层)。通常激发函数。通常激发函数yj=f(j)选选S型，常用的型，常用的Sigmoid函数，即函数，即 该算法的学习过程由正向传播和反向传播组成。在正向传该算法的学习过
16、程由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐层处理，并传向输出播过程中，输入信息从输入层经隐层处理，并传向输出层，每一层神经元的状态只影响下二层神经元的状态。层，每一层神经元的状态只影响下二层神经元的状态。如果在输出层不能得到期望的输出，则转入反向传播，如果在输出层不能得到期望的输出，则转入反向传播，将误差信号沿相反的路线从输出层经隐层逐层传至输入将误差信号沿相反的路线从输出层经隐层逐层传至输入层，在此过程中，修改各层的权值，以使误差信号最小。层，在此过程中，修改各层的权值，以使误差信号最小。该模型采用梯度最速下降法，最后的目标是使误差平方该模型采用梯度最速下降法，最后的
17、目标是使误差平方和最小。和最小。四 BP算法的改进BP算法的一种综合修正：算法的一种综合修正：1对样本进行分批分期学习，首先学习标准样本，为网络提供对样本进行分批分期学习，首先学习标准样本，为网络提供智能化初始值，再对全体样本学习，智能化初始值，再对全体样本学习，2用用“渐进式渐进式”方式学习，方式学习，BP网络对最近一次学习的样本特征网络对最近一次学习的样本特征起增强作用，而削弱其它样本的特征，导致网络对样本的重复学起增强作用，而削弱其它样本的特征，导致网络对样本的重复学习。习。3初始权重应赋予随机数，不能将同一层各权重赋以相同的值，初始权重应赋予随机数，不能将同一层各权重赋以相同的值，否则
18、将导致算法的失败。用较小的随机值否则将导致算法的失败。用较小的随机值-0.5，+0.5)初始化权初始化权值，以免网络过早进入假饱和状态；值，以免网络过早进入假饱和状态；4阈值作为网络的一个附加节点一起训练，阈值作为网络的一个附加节点一起训练，5在在“梯度型梯度型”算法中存在如下问题：算法中存在如下问题：若若过大导致算法在最优点附近振荡，若过大导致算法在最优点附近振荡，若过小，则算法过小，则算法在开始时收敛速度极慢。在进程中进行调整，使学习可以较在开始时收敛速度极慢。在进程中进行调整，使学习可以较快的速度进行，提高了学习效率。算法为：快的速度进行，提高了学习效率。算法为：其中其中为一小正数，一般
19、为为一小正数，一般为0.01，0.03 五、五、BP算法在大型旋转机械故障诊断中的应用算法在大型旋转机械故障诊断中的应用 例例4.3 表表4-1是一组旋转机械故障的训练示例。表内的是一组旋转机械故障的训练示例。表内的值表示各训练示例的特征值大小，其取值区间为值表示各训练示例的特征值大小，其取值区间为0，1，如在不平衡训练示例中，其，如在不平衡训练示例中，其01/4倍频振动幅值的当倍频振动幅值的当量值为量值为0，13/4倍频的振动幅值的当量值为倍频的振动幅值的当量值为0，3/41倍频的振动幅值的当量值为倍频的振动幅值的当量值为0，1倍频的振动幅值的当量倍频的振动幅值的当量值为值为0.9，2倍频的
20、振动幅值的当量值为倍频的振动幅值的当量值为0.1，等等，其，等等，其余类推。余类推。将这些故障示例输入到一个具有将这些故障示例输入到一个具有8个输入层节点，个输入层节点，8个中间个中间层节点，层节点，3个输出层节点的网络中，经过个输出层节点的网络中，经过1200次迭代，形次迭代，形成了一个网络，该网络的记忆效果如表成了一个网络，该网络的记忆效果如表4-2所示，经过所示，经过12000次迭代所形成的网络的记忆效果如表次迭代所形成的网络的记忆效果如表4-3所示。所示。表表4-2中第一行表示，当输入一组不平衡故障后，得出该中第一行表示，当输入一组不平衡故障后，得出该故障的置信度为故障的置信度为0.9
21、4，而其它故障几乎为，而其它故障几乎为0。第二行表示，。第二行表示，当输入一组油膜涡动故障后，得出该故障的置信度为当输入一组油膜涡动故障后，得出该故障的置信度为0.96，而其它故障几乎为，而其它故障几乎为0。第三行表示，当输入一组不对中。第三行表示，当输入一组不对中故障后，得出该故障的置信度为故障后，得出该故障的置信度为0.90，而其它故障几乎为，而其它故障几乎为0。表。表4-3的结果有所改进，其值已趋于稳定。通过比较表的结果有所改进，其值已趋于稳定。通过比较表4-2和表和表4-3可看出训练中迭代次数越多，所得的网络越能可看出训练中迭代次数越多，所得的网络越能更好地联想出训练示例。但训练次数也不宜过长，只要满更好地联想出训练示例。但训练次数也不宜过长，只要满足精度要求，训练次数应尽可能少，以减少训练时间。足精度要求，训练次数应尽可能少，以减少训练时间。