2023年智能故障诊断报告.docx

《2023年智能故障诊断报告.docx》由会员分享，可在线阅读，更多相关《2023年智能故障诊断报告.docx（44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、2023年智能故障诊断报告 第一篇：智能故障诊断报告 智能：是指能随内、外部条件的转变，具有运用学问解决问题和确定正确行为的实力。表现形式：视察、记忆、想像、思索、推断 智能可分为低级智能和高级智能： 低级智能感知环境、做出决策和限制行为 高级智能不仅具有感知实力，更重要的是具有学习、分析、比较和推理实力，能根据困难环境转变做出正确决策和适应环境转变 智能的基本要素 三个基本要素：推理、学习、联想 推理从一个或几个已知的推断前提，规律地推断出一个新推断结论的思维形式 学习根据环境转变，动态地变更学问结构 联想通过与其它学问的联系，能正确地相识客观事物和解决实际问题 智能应具备的条件实力 三个基

2、本实力：感知、思维、行为 感知实力就是能感知外界转变和获得感性学问的实力 思维实力就是具有记忆、联想、推理、分析、比较、推断、决策、学习等实力 行为实力就是对外界刺激输入信号做出反应输出信息并实行相应动作的实力 故障：是指设备在规定条件下不能完成其规定功能的一种状态。可分为以下几种状况： 1设备在规定的条件下丢失功能； 2设备的某些性能参数达不到设计要求，超出允许范围； 3设备的某些零部件发生磨损、断裂、损坏等，致使设备不能正常工作； 4设备工作失灵，或发生结构性破坏，导致严峻事故甚至灾难性事故。 故障的性质 1层次性系统是有层次的，故障的产生对应于系统的不同层次表现出层次性。一般可分为系统级

3、、子系统级、部件级、元件级等多个层次；高层故障可由低层故障引起，而低层故障必定引起高层故障。诊断时可接受层次诊断模型和诊断策略。 2相关性故障一般不会孤立存在，它们之间通常互相依存和互相影响，如系统故障常常由相关联的子系统传播所致。表现为，一种故障可能对应多种征兆，而一种征兆可能对应多种故障。这种故障与征兆间的困难关系导致了故障诊断的困难。 3随机性故障的发生常常是一个与时间相关的随机过程，突发性故障的出现通常都没有规律性；再加上某些信息的模糊性和不确定性，就构成了故障的随机性。4可意料性设备大部分故障在出现之前通常有确定先兆，只要刚好捕获这些征兆信息，就可以对故障进行意料和防范。 故障诊断：

4、就是对设备运行状态和异样状况做出推断。具体说来，就是 在设备没有发生故障之前，要对设备的运行状态进行意料和预报； 在设备发生故障之后，要对故障的缘由、部位、类型、程度等做出推断； 并进行修理决策。故障诊断的基本思想： 设被检测对象全部可能状态正常和故障组成状态空间S，它的可观测量特征的取值范围全体构成特征空间Y 若系统处于某一状态s时具有确定的特征y，即存在映射 ；反之，确定的特征y也对应确定的状态s，即存在映射 。状态与特征空间这一关系可表述为： 因此，故障诊断的目的就是：根据可测量的特征向量来推断系统处于何种状态，也就是找出映射关系 f 故障诊断的实质 对于有限状态的系统，令正常状态为s0

5、，n种故障对应的系统状态为s1, s2, , sn；其中，处于状态si时，对应的可测量特征向量为yi =(yi1, yi2, , yim)；故障诊断就是由特征向量y =(y1, y2, , yk)，求出它所对应的状态s的过程 在这种状况下，故障诊断就成为：根据特征向量对被测系统的状态进行分类的问题，或者说对特征向量进行模式识别的问题 结论：故障诊断的实质模式识别分类问题 故障诊断的过程有三个主要步骤： 第一步是检测设备状态的特征信号，即信号测取； 其次步是从检测到的特征信号中提取征兆，即征兆提取； 第三步是根据征兆和其它诊断信息来识别设备的状态，从而完成故障诊断，即状态识别。 这是整个诊断过程

6、的核心。 故障诊断的任务 故障检测：接受合适的观测方式、在合适部位测取特征信号，即信号测取；接受合适的方法，从特征信号中提取状态征兆，即征兆提取 故障识别：接受合适的状态识别方法与装置，根据征兆而推理识别出设备的有关状态，即状态识别 故障分别与估计意料：接受合适的状态趋势分析法，根据征兆与状态推理出状态的进展趋势，即状态意料 故障评价与决策：接受合适的决策形成方法，根据有关的状态和趋势作出调整、限制、修理等，即干预决策 什么是智能故障诊断？ 智能故障诊断：是人工智能和故障诊断相结合的产物，主要表达在诊断过程中领域专家学问和人工智能技术的运用。它是一个由人尤其是领域专家、能模拟脑功能的硬件及其必

7、要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。 从传统故障诊断到智能故障诊断 故障诊断技术阅历的三个阶段： 第一阶段对诊断信息只作简洁的数据处理 其次阶段将信号处理和建模处理应用于数据处理 以上两个阶段，完全基于检测数据处理，没有利用领域专家学问传统故障诊断阶段 第三阶段以学问处理为核心，信号处理、建模处理与学问处理相融合智能故障诊断阶段 传统故障诊断的局限性： 未引入人工智能技术前，干脆由领域专家完成状态识别任务，不能有效利用专家的学问和阅历； 缺乏推理实力，不具备学习机制； 对诊断结果缺乏说明，诊断程序的修改和维护性差。智能故障诊断的优越性： 引入人工智能技术后，能模拟领域专家

8、完成状态识别任务最大差异，人-机联合诊断，到达甚至超过专家； 进展出基于学问的诊断推理机制，能模拟人类的规律思维和形象思维的推理过程； 能说明自己的推理过程，并能说明结论是如何获得的。 智能故障诊断的探讨意义： 探讨如何刚好觉察故障和意料故障并保证设备在工作期间始终平安、高效、牢靠地运行 故障诊断技术为提高设备运行的平安性和牢靠性供应了一条有效途径 故障的随机性、模糊性和不确定性，导致一个故障的形成往往是众多因素造成的结果，且各因素之间的联系又特别困难 传统故障诊断方法已不能满意现代设备的要求，必需接受智能故障诊断方法 智能故障诊断的探讨目的 刚好觉察故障，给出故障信息，并确定故障的部位、类型

9、和严峻程度，同时自动地隔离故障； 意料设备运行状态、运用寿命、故障发生和进展； 针对故障的不同部位、类型和程度，给出相应的限制和处理方案，并进行技术实现； 自动对故障进行减弱、补偿、切换、消退和修复，以保证设备出现故障时的性能尽可能地接近原来正常工作时的性能，或以牺牲部分性能指标为代价来保证设备接着完成其规定功能； 进行修理决策，削减修理费用，提高设备利用率。 智能故障诊断的国内外探讨概况 20世纪60年头末起先，已历经三个阶段： 美国从1967年起先，NASA、ONR领先在故障机理探讨和故障检测、诊断和意料等方面取得好用性探讨成果；此后，在水泵、空压机、轴承、润滑油、内燃机、汽车发电机组、大

10、型客机等方面都取得了许多探讨成果 英国和日本相继在20世纪70年头初起先故障诊断的探讨，并在锅炉、压力容器、核发电站、核反应堆、铁路机车等方面取得了许多探讨成果 国外，设备修理费平均降低1520%，技术投入占生产本钱的比例，美国7.2%、日本5.6%、德国9.4% 我国从20世纪80年头初起先这方面探讨，在石化、冶金、电力等行业得到应用；90年头后在各行业快速进展 目前智能故障诊断的几个重要探讨方向 1集成化智能故障诊断探讨： 现代设备困难性和故障不确定性，单一方法不能满意要求；集成多种方法进行诊断，取长补短，提高诊断智能化水平。2网络化智能故障诊断探讨： 现有诊断大都面对单台或单类设备，可扩

11、充性、灵敏性、通用性差，信息不能有效交互和共享；分布式智能诊断能充分发挥各专家的特点，做到资源共享、协调诊断。3适应型智能故障诊断探讨： 利用智能结构、智能Agent的特性，构建满意现场需要，并对故障具有自修复、自补偿、自抑制、自消退等适应型智能故障诊断，也是一个很有前途的探讨方向。 其次篇：智能故障诊断技术浅析论文 引言 自进入21世纪以来，信息技术为宽阔居民的生产生活带来了很大的转变，机电设施也在整个生产过程发生着转变。在机械采矿中，添加了多种智能、自动化设施。由于是机械设施，在生产与运行中很简洁出现各种问题，从而影响矿业进展。因此，在现实工作中，必需将诊断与修理技术作为探讨重点，在将要发

12、生或者发生故障时，对其进行预警，限制故障延长，确保工作人员平安。 1故障诊断技术的总体概括 1.1设备诊断技术概念 从整体来看：故障诊断技术属于防护方式，它是在确保生产过程的条件下，让各个设备的参数满意最正确状态，然后再通过精密的仪表、仪器检测设备是否满意运行要求，是否有数值转变和破损现象。假如有异样，明确出现异样的缘由，破坏程度，能否持续利用，能够持续利用的时间，然后再结合设备的受损度，看能否利用代替性的设备延长时间，减小本钱消耗。当然，这一切工作都是在正常的运行状态中才有效。 1.2故障诊断的技术原理 目前，应用在矿山机电设备智能故障诊断的技术主要包含：数字建模、数据采集、识别分析、状态意

13、料和信息处理。数字建模是诊断智能故障的总规划和原则，它要求呈现智能分析优势。例如：在数学模糊诊断中，A是可能发生的事实案例，B是数据库事例，通过对比A与B，在分析权值与特征的条件下得到精确的结果。数据采集，是矿山机电设备事先制定好参数值，然后再诊断设备，进行数值采集，用建模的方式对两份数值进行比对。一旦数值参数大于预设范畴、曲线转变，那么说明机电设备还存在问题。识别分析，是在驾驭机电设备测试参数与原始参数的状况下，结合参数转变，从故障库中找到类似样本，再确认产生故障的缘由。也只有智能分析与识别，机电设备诊断与检测才能到达智能要求。状态意料，是在意料、识别现有参数后，结合相关资料，验证机电设备运

14、行状态，同时这种结果具有很好的可信性与真实性，该意料结果同时也是深化机电设备运行的有效条件。信息处理，则是一份有效的测试参数，它要求将数据模型变成参数模型，再通过分析等形式进行处理。它能精确区分无用与有用信息，通过综合处理信息，找准诊断结果和过程分析后，最终得出一份志向的分析报告。 2矿山机电设备出现故障的缘由 2.1协作关系 从检查已有设备故障反馈的信息来看，大多数故障都是零件原配转变或者损伤造成的。在这期间，零件损伤是零件原设计与形态出现偏离，这种偏离多数是机械运用或者内部因素所致。常见的零件损伤表达为：意外和老化损伤所致。 2.2超出设备负荷 在相关设备设计之前，工作人员都会对参数极限进

15、行限制，一旦其输出参数超过设计极限时，它的运行状态就会遭到破坏，甚至出现不同程度的故障。假如是超负荷造成的故障，就必需对技术参数和相关设备进行调整，并且接受适当的方式，以关心其改善承受力。 2.3设备损耗 设备损耗是在内外因素的共同作用下，随空间与时间的变更，其综合实力不断降低。造成这种状况的主要缘由是：机件刚性不够、间隙过大、部件磨损与老化、相关设施磨损、系数过大、负荷增加、关键负荷的联接发生磨损与变形等。 3故障诊断在矿山机电修理中的运用 3.1诊断类别 从故障诊断的目的来看：它是对机电设施的支配与检修，以此保障各种生产设施运行的连续性。大致分成：事后检修、根据周期检修和状态检修。事后修理

16、是机电设施发生故障的治理方案，不属于主动对策的范畴，而是大多数机电设施在没有准备的状态下接受的方法。因此，将事后诊断应用在矿山机电设施中的效果并不太志向，其检修质量也有待提高。周期检修相对固定，并且带着强制的特征，同时也是负责的呈现。该方式便利易操作，大多数状况下是结合修理或者运用周期操作，从外看这种似乎会增加工人本钱，事实上它是不行缺少的打基础部分，从某种角度来看它也是节省本钱的表达，通过主动防护设施，延长相关设备的运用年限和周期，并且刚好觉察和修复问题，最大程度的避开问题带来的停产损失。因此，固定修理对矿山机电设备具有很好的作用，它能最大程度的做到防患于未然，从而降低经济损失。状态检修，是

17、在数据分析的条件上，让每个工作人员负起对应的责任，然后再结合各种部件出现问题的时间推断故障时间。虽然这种意料不能精确捕获时间，甚至还存在误差，但是能给企业警告的作用，避开措手不及的状况发生。在争取将设备限制在萌芽阶段的过程中，关心其延长运用周期，减小平安隐患，以确保生产正常进行。 3.2诊断方法 首先是参考历史进行诊断记录，通过对局部系统和元器件进行排查，找出问题症结，这也是矿山机电设施诊断与维护的主要方法之一。一旦出现故障，对相关结论进行精细归纳，最终生成诊断集。其次次出现类似故障时，就能借用诊断路径与阅历对其进行处理与诊断。它的优点是相同故障发生时，定位快速。其次是智能诊断，在限制系统、模

18、拟人脑的基础上，获得、再生、传递、利用相关信息，最终利用已经准备好的阅历策略。其具体包含灰色系统、模糊诊断、专家诊断、神经网络等方法。当前，应用最广的是神经网和专家体系，让诊断更加智能化。矿山机电设备故障诊断具有隐藏性与困难性，通过传统的方法进行精确、快速的诊断。同时，专家系统能精确的应用专业学问与阅历，通过模拟思维，对故障进行求解，最终得到结论。在人工智能诊断的基础上，借助计算机系统与已有阅历解决故障。 4矿山机电设备故障监测的步骤 从整体来看：矿山机电设施故障诊断主要包含以下步骤：信息采集、处理、识别、建模和意料。在信息采集中，对机电设施运行参数、状况与数据信号进行有效监测，利用传感器传输

19、的信息数据进行整理，最终放进网络进行存储，以备后续利用。信息处理，是对设备运行状态进行数据整理和识别。当然，在这期间，存在有用与无用信息之分，因此必需对相关信息进行区分与整理，剔除无用信息，并且转换数据，对具体信息进行有效分析，最终将数据变成设备能接受的信息与数据。信息处理与识别是在信息采集后，对相关信息进行识别与分析，包含数据分类、识别与分析，然后再将信息与之前得到的数据进行比对，最终得出设备运行中可能存在故障的区域、故障缘由与类型。在矿山机电生产中，机电设施由多种信息数据和参数，并且和设施状态、是否存在隐患有着干脆的关系。对此，必需建立起良好的模型，以确定和反映设备状态与故障之间的数学关系

20、。意料技术是对机电设施的故障状况以及剩余运用时间进行意料，它能作为机电设施故障修理与保养的条件，从而避开机电设施出现不必要的故障。 5.结语 为了推动矿业进展，提高开采平安性，在矿山开采中必需留意相关设备的故障诊断与修理技术。在开采中，做好故障记录与整理归档工作，经常对压力、温度进行检查，一旦觉察问题马上解决，这样才能改善故障诊断技术，进一步完善与优化诊断系统。 第三篇：智能故障诊断技术学问总结最终版 智能故障诊断技术学问总结 一、绪论 智能： 智能的概念 智能是指能随内、外部条件的转变，具有运用学问解决问题和确定正确行为的实力。 低级智能和高级智能的概念 低级智能感知环境、做出决策和限制行为

21、 高级智能不仅具有感知实力，更重要的是具有学习、分析、比较和推理实力，能根据困难环境转变做出正确决策和适应环境转变 智能的三要素及其含义 三个基本要素：推理、学习、联想 推理从一个或几个已知的推断前提，规律地推断出一个新推断结论的思维形式 学习根据环境转变，动态地变更学问结构 联想通过与其它学问的联系，能正确地相识客观事物和解决实际问题 故障： 故障的概念 故障是指设备在规定条件下不能完成其规定功能的一种状态。可分为以下几种状况： 1.设备在规定的条件下丢失功能； 2.设备的某些性能参数达不到设计要求，超出允许范围； 3.设备的某些零部件发生磨损、断裂、损坏等，致使设备不能正常工作； 4.设备

22、工作失灵，或发生结构性破坏，导致严峻事故甚至灾难性事故。 故障的性质及其理解 1层次性系统是有层次的，故障的产生对应于系统的不同层次表现出层次性。一般可分为系统级、子系统级、部件级、元件级等多个层次；高层故障可由低层故障引起，而低层故障必定引起高层故障。诊断时可接受层次诊断模型和诊断策略。 2相关性故障一般不会孤立存在，它们之间通常互相依存和互相影响，如系统故障常常由相关联的子系统传播所致。表现为，一种故障可能对应多种征兆，而一种征兆可能对应多种故障。这种故障与征兆间的困难关系导致了故障诊断的困难。 3随机性故障的发生常常是一个与时间相关的随机过程，突发性故障的出现通常都没有规律性，再加上某些

23、信息的模糊性和不确定性，就构成了故障的随机性。 4可意料性设备大部分故障在出现之前通常有确定先兆，只要刚好捕获这些征 兆信息，就可以对故障进行意料和防范。 故障诊断： 故障诊断的概念 故障诊断就是对设备运行状态和异样状况做出推断。具体说来，就是在设备没有发生故障之前，要对设备的运行状态进行意料和预报；在设备发生故障之后，要对故障的缘由、部位、类型、程度等做出推断；并进行修理决策。 故障诊断的实质及其理解 故障诊断的实质模式识别分类问题 故障诊断的任务及其含义 故障检测：接受合适的观测方式、在合适部位测取特征信号，即信号测取；接受合适的方法，从特征信号中提取状态征兆，即征兆提取 故障识别：接受合

24、适的状态识别方法与装置，根据征兆而推理识别出设备的有关状态，即状态识别 故障分别与估计：接受合适的状态趋势分析法，根据征兆与状态推理出状态的进展 趋势，即状态意料 故障评价与决策：接受合适的决策形成方法，根据有关的状态和趋势作出调整、控 制、修理等，即干预决策 智能故障诊断： 智能故障诊断的概念 智能故障诊断是人工智能和故障诊断相结合的产物，主要表达在诊断过程中领域专家学问和人工智能技术的运用。它是一个由人尤其是领域专家、能模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。 智能故障诊断的探讨方法： 基于学问的探讨方法 基于学问的探讨方法：不需要对象的精确数学模型

25、，而是根据人们长期的实践阅历和大量的故障信息设计出一套智能计算机程序，以此来解决困难故障诊断问题。模糊故障诊断 专家系统故障诊断 神经网络故障诊断 信息融合故障诊断 智能体故障诊断 集成化故障诊断 网络化故障诊断 二、智能故障诊断的构成 基本结构： 智能故障诊断系统的基本结构 两大部分：故障检测与诊断、故障容错限制 输入限制执行器监控对象输出数据库故障检测与诊断学问库故障容错限制智能故障诊断与容错限制的基本结构 智能故障检测与诊断模块的主要任务和基本要求 学问获得 故障检测与诊断：就是从监控对象中适时精确地检测出故障信息，并对故障产生的缘由、部位、类型、程度及其进展做出推断。 其主要任务通常包

26、含以下几个方面的内容： 1.获得故障信息； 2.找寻故障源，确定故障的位置、大小、类型及缘由； 3.评价故障的影响程度，意料故障的进展趋势； 4.对检测诊断结果做出处理和决策。基本要求包括以下几方面： 1对故障具有强检测实力 故障检测实力的强弱，一方面反映了检测诊断模块对故障的检测实力，另一方面也干脆影响故障诊断的效果 对弱故障信号和早期故障信号，故障检测实力尤为重要 2对故障具有强诊断实力 能综合运用多种信息和多种诊断方法，以灵敏的诊断策略来解决诊断问题； 能通过运用专家的阅历，而尽量避开信号处理方面困难的实时计算； 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

27、。 3尽量接受模块化结构 结构应当模块化，使之可以便利地调用其他应用程序 如修理询问子模块、模拟故障诊断子模块等 4具有人机交互诊断功能 现代设备的困难性，要求综合运用多种学问源浅、深学问来求解困难问题 用户适当地实时参与，将使诊断速度更快、精确性更高 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 5具有多种诊断信息获得的途径 获得的诊断信息越丰富，则诊断效果越好 首先，应具有自动获得状态信息当前、历史的功能 其次，应能通过人机交互获得状态信息 6对问题求解应当实时和精确 实时：一旦觉察故障迹象，应马上起先诊断工作 精确：输出结果应当细致明白

28、，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，对于征兆不完备状况应输出按权值排序的多个候选故障解 7具有学习功能 现代设备的困难性以及新学问的不断涌现，导致专家现有学问的缺乏 要求系统具有被动和主动自学习获得新学问的实力 8具有意料实力 应能意料故障的发生和进展，以便在故障没有发生之前实行措施，将故障歼灭在萌芽状态，使损失减为最小 9具有决策实力 故障出现前，应能提前意料故障 故障出现后，应能对故障做出决策并供应维护方案 构成原理： 故障检测与诊断的常用方法 1基于数学模型的故障检测与诊断方法 特点是必需将故障数学模型化，有时建立模型很困难 不依靠实例和阅历，适用于新的没有成

29、熟阅历的诊断 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转变来描述的诊断 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基于学问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、自推理实力 5基于实例的故障检测与诊断方法 是一种运用过去的阅历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；缺乏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

30、的关系往往具有模糊特性，模糊语言变量能更精确地表示这种模糊性的征兆和故障 问题在于学问获得困难：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、推理和记忆实力进行学问处理 适用于困难多模式的诊断，有离线和在线诊断两种方式 智能故障诊断中的机器学习策略及其理解 简洁学习： 文献、专家和资料所描述的关于诊断对象的结构、功能、运行约束条件等学问，机械学习机制为主； 主要用于元学问学习阶段 交互学习： 学问工程师或诊断对象处理过的学问，讲授学习机制为主； 主要用于领域学问学习和学问库丰富阶段 独立学习： 推理策略面对的新

31、学问，归纳学习机制为主； 主要用于诊断实力改善阶段 文献、专家学问工程师诊断对象简洁学习交互学习学问检验与评价学问库独立学习 构成方法： 智能故障诊断系统的设计要求 智能故障诊断系统的设计，一般应满意以下要求： 1满意故障诊断的实际需要； 主要指标有故障诊断率、诊断结果精确率、系统牢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学问库； 智能故障诊断系统是基于学问的，以学问处理为探讨内容，学问库的建立是保证诊断结果正确性的前提。 3能自动获得征兆； 征兆的自动获得是实现故障诊断智能化的重要环节。将征兆获得从用户交给计算机，既可削减人为过失、提高诊断精确率，又可减轻操作

32、要求、提高系统可接受性。4诊断和推理方法应符合故障诊断要求； 应从征兆动身去诊断故障，征兆对故障确实定和否认程度，是故障诊断的根本根据。因此，学问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，并获得最正确效果。 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削减；另一方面，系统一般是由缺少现场阅历的人员研制的。 经试验室模拟测试、现场测试后，才能投入实际应用。 三、智能故障诊断的限制方案 几种限制方案的基本原理 基于状态反馈、基于多模冗余、基于功能模块、基于神经网络、基于专家

33、系统的限制方案 基于专家系统的限制方案 结构、原理 限制方案：学问库存放领域专家学问；数据库存放监控对象原始数据、故障特征数据等；推理机按确定的推理规则，对监控对象进行故障识别、估计和决策，根据故障性质实行相应策略进行容错限制。X执行机构监控对象故障检测与分别推理机学问库Y数据库学问获得 推理过程和推理机的概念，推理策略及其理解 推理：就是对故障进行识别和容错限制 推理过程：就是将数据库中的事实与学问库中的规则进行匹配的过程 推理机：事实上就是实现推理过程的一种智能程序 推理方法：正向推理、反向推理、正反向混合推理 基于数据驱动的正向推理策略：推理过程较慢，适用于搜寻空间较小的学问库； 基于目

34、标驱动的反向推理策略、正反向混合的双向推理策略：推理效率较高，适用于搜寻空间较大的学问库或在线故障诊断。 学问的分类及其理解 1原型学问： 原型学问是领域专家指出的故障集和征兆集这两个集合之间存在确实定的映射关系“征兆族故障 生成的诊断学问可由规则或框架表示 它是故障诊断必备的学问，也是推理机工作的基础 2关联学问： 关联学问是描述故障传播特性的学问 生成的诊断学问一般由规则来表示 它表征了诊断系统内部的状态联系，构成了诊断问题的求解路径，引导诊断向纵深推动直到故障的位置和缘由 3权重学问： 权重学问是领域专家对故障间关系及证据牢靠度的相识 它可以有目的地引导诊断过程的进行，提高诊断效率 对象

35、的分解及其理解 1结构分解：从结构上对系统进行分解，把系统的总体结构分解为下一层的子结构，直到最低层次的零部件 最终可确定系统故障的物理位置，但难以表达子系统间的互相关系，难以反映由联系劣化所引起的故障 2功能分解：从功能上对监控对象进行分解，把系统的总体功能分解为下一层次的子功能，直到最低层次的基本功能 无论子系统或与其相联系的故障都能在功能层次中反映出来，但最终确定的诊断结果是系统劣化的功能模块 3故障分解：从故障类型上对监控对象进行分解，下层总是上层的特例、而上层则是下层的概括，直到最具体的故障 可反映出全部类型的故障，但难以确定故障的物理位置 综合分解原则：在高层接受结构和功能分解，削

36、减分类过程的搜寻量；在中间和低 层接受故障分解，与诊断目的一样 四、智能故障诊断的限制策略 瞬时故障的消退： 几种常见的瞬时故障消退策略 1循环采样技术：将信号的一次采样改为循环采样，通过对采集数据的类比分析，消退瞬时故障 2自动补偿技术：接受特殊结构和特殊装置组成补偿器，抵消瞬时故障影响，如温度补偿器 3自动切换技术：设备运行中出现瞬时过载等担忧全状况时，使设备有关部分或全部停止运行，消退瞬时故障影响和爱惜设备，如切换开关、熔断器 4阻尼技术：设备运行中出现过载物理量时，对其加以限制或衰减，消退瞬时故障影响，如电感器抑制过电压、减震器汲取振动冲击等 5旁路技术：把瞬时过载能量或不需要的物理量

37、从旁路泄走，如低阻通路将瞬时过载电能旁路到大地、过流阀旁路掉液压或气动系统能量等 6屏蔽技术：把瞬时故障的效应屏蔽起来，以消退瞬时故障的影响，如碳纤维或形态记忆合金等 7隔离技术：通过设计瞬时故障隔离器来消退瞬时故障的影响，如电磁隔离等 多模块并行诊断策略： 概念或原理 即对同一种故障信息，用不同的诊断模块进行识别，若结果相同或基本相同，则认为诊断胜利，并根据故障性质和故障特征，调用相应的容错模块对故障进行容错限制；若诊断结果差异较大，则可接受表决方法对结果做出推断。 单输出对象：模型区域划分、模型切换、避开切换震荡 模型区域划分： 仅根据限制器输出所在的一维区域，划分为有代表性的不同工作区段

38、。 模型切换： 根据期望限制器输出推断下一时刻系统处在哪个子模型限制器的限制域内，以此切换模型。 避开切换振荡： 扩大训练域冗余，使相邻训练域互相重叠； 在总的工作范围内离线训练一个网络模型，作为过渡过程运用。 多输出对象：模型区域划分、模型切换 模型区域划分： 不能仅根据限制器输出所在的一维区域进行划分，可以通过聚类方法划分样本空间进行子模型训练。 模型切换： 选择包括当前系统状态的子模型作为限制器； 将当前输入与各子模型工作空间的隶属度作为权值，各子模型都对输出进行加权奉献。 五、智能故障诊断的实现方法 故障信号检测： 可意料故障和不行意料故障的概念 1可意料故障：是指那些可预先知道的故障

39、。故障发生前通常都有确定征兆，只要刚好捕获这些征兆信息并实行相应措施，就可预防故障。渐发性故障是一种最常见的可意料故障。 2不行意料故障：是指那些不行预先知道，但会影响设备正常工作的故障。突发性故障是其中最典型的一种。 可意料故障通常有确定规律性，易于检测和防范；不行意料故障具有随机性，且常对设备造成严峻危害，是故障诊断探讨的主要对象。 故障的推断标准 1确定标准：在设备的同一部位、按确定要求测得的表现设备状态的值，与某种相应推断标准相比较，以评定设备的状态。 2相对标准：对设备的同一部位、同一工况、同一测量值，用相同方法进行定期测取，按时间先后将实测值与正常状态下的初始值进行比较来推断。 3

40、类比标准：若有多台机型相同、规格相同的设备，在相同条件下用相同方法进行测定，通过互相比较来评定设备的状态。 微弱信号检测的概念 微弱信号检测：分析噪声产生的缘由和规律，探讨被测信号的特点和相关性，检测被噪声漂浮的微弱有用信号、或从强噪声中提取有用信号、或接受其他新技术和新方法来提高检测系统输出信号的信噪比。 早期故障的主要特点及其理解 1早期故障信号很微弱：早期故障属于略微故障，其故障信号重量通常很小，不易发觉； 2早期故障信号表征不明显：早期故障信号的幅值、相位、时频特性等转变很小，表征很不明显； 3早期故障信号简洁被噪声信号漂浮：由于噪声信号通常会夹杂在故障信号中，当故障信号很弱时噪声信号

41、就相对较强，早期故障信号常被噪声信号所漂浮，具有很大的隐藏性。 故障特征识别： 故障识别的内容 1正确选择与设备状态有关的特征信号 特征信号是指与设备功能紧密相关的、最有用的、能代表设备运行状态的信号 应根据不同监控对象，选取最能反映其运行状态的那部分信息作为特征信号 选择特征信号根据：经济性好、信息量大、敏感度高 2正确地从特征信号中提取征兆 对特征信号进行处理，提取出与设备状态相关的、能干脆用于诊断的征兆信息 3正确地根据征兆对设备进行状态识别 征兆是故障诊断的基本信息 接受合适的故障诊断理论与方法对征兆加以处理，对不同的设备状态进行模式识别 4正确地根据识别结果对设备进行状态诊断 有故障

42、时，分析故障的位置、类型、性质、缘由与趋势故障定位 无故障时，分析状态趋势，意料将来状况故障意料 5正确地根据状态诊断对设备进行干预决策 干预设备及其工作进程，保证设备平安牢靠高效运行 故障识别的内容 故障识别过程可分为以下四步进行： 1特征信号检测 2征兆信息提取 3设备状态识别 4故障修理决策 原始信号特征信号征兆信号设备修理决策信号检测特征提取状态意料状态诊断状态识别 组合思维的概念、基于组合思维的识别方法 专家系统学问处理模拟的是人的规律思维，神经网络学问处理模拟的是人的阅历思维，将规律思维、阅历思维和创建性思维集成在一起，就形成组合思维 首先用阅历思维进行识别；当阅历思维无法解决问题

43、时，转向高一层的规律思维；当规律思维也无法解决困难问题时，转向更高一层的创建性思维，即通过提出新的假设，经过检验后再觉察新理论和解决问题的新方法 冲突新假设检验新学问创建性思维学问库x故障特征提取规律思维规则匹配模式匹配规律推理阅历思维报警y 考试说明 考试方式： 闭卷，试卷成果60%，平常成果40% 考试题型： 一、名次说明：6题，5分/题，共30分 二、简答：8题，3题10分、5题8分，共70分 考试时间： 第10周周四5月2日下午14:30-16:30 考试要求： 严禁一切作弊行为 第四篇：故障诊断读书报告 机械故障诊断技术读书报告 碰摩诊断案例分析综述 Diagnosis of Rubbing Fault Case Analysis were Review 学 院： 专 业： 班 级：