2023年第六机械故障诊断新技术（教学课件）.ppt

1 第六章 机械故障诊断新技术 第一节 故障诊断的模糊数学方法 一、模糊教学的根本概念 1模糊关系方程 2隶属函数的定义 3隶属度函数确实定 4模糊逻辑运算 5模糊关系矩阵确实定 2 二、模糊模式识别 1直接识别方法 按最大隶属原那么进行判别。2间接识别方法 按择近原那么进行模式识别。3 三、模糊聚类分析 1数据的标准化 2标定 3聚类 四、模糊综合诊断 1模糊综合评判数学模型 2模糊运算模型 4 第二节 故障诊断的人工神经网络方法 一、神经网络模型 1.人工神经元模型 njijijixws1iiissgu)(iuiieufy11)(5 2神经网络模型 1模型 6 2算法 B-P网络的输入值是一些特征参数，输出值是识别结果，学习算法属于有教师学习，通过不断修改权系数和阈值，使系统的输出误差y与给定的教师样本t的误差为最小。7 Hopfield网络 反响网络 自组织 解决了著名 的TSP问题。实时处理 8 第三节 故障诊断的专家系统简介 专家系统是应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。它是由一组计算机软件组成的系统，具有相当数量的权威性知识，具备学习功能，并且能够采取一定的策略，运用专家知识进行推理，解决人们在通常条件下难以解决的问题。一般的计算机软件是由数据和程序两级组成，而专家系统那么有数据、知识和推理机三级组成。9 被誉为“专家系统和知识工程之父的费根鲍姆(Feigenbaum)所领导的研究小组于1968年研究成功第一个专家系统DENDRAL，用于质谱仪分析有机化合物的分子结构。19721976年，费根鲍姆小组又开发成功MYCIN医疗专家系统，用于抗生素药物治疗。此后，许多著名专家系统，如PROSPECTOR地质勘探专家系统，CASNET青光眼诊断治疗专家系统、RI计算机结构设计专家系统、MACSYMA符号积分现定理证明专家系统、ELAS钻井数据分析专家系统和ACE 电缆维护专家系统等被相继开发，为工矿数据分析处理、医疗诊断、计算机设计、符号运算和定理证明等提供强在力的工具。10 1977年，费根鲍姆进一步提出了知识工程(knowledge engineering)的概念,整个80年代，专家系统和知识工程在全世界得到迅速的开展。在开发专家系统过程中，许多研究者获得共识，即人工智能系统是一个知识处理系统，而知识表示、知识利用和知识获取那么成为人工智能系统的三个根本问题。11 一、专出系统的人工智能特点 专家系统所能解决的主要问题有：(1)解决那些只有专家才能解决的实际复杂问题。(2)用模仿人类专家推理过程的计算机模型来解决这些问题，并能到达人类专家解决问题的水平。比较成功的专家系统一般具有以下几个特点：1启发性即能使用判别性知识进行推理；2透明性能解释自己的推理过程；3灵活性能不断修改和扩充知识。12 二、专家系统的结构 1知识库Knowledge Base 2推理机Inference Engine 3数据库Data Base 4解释器程序 ExplicationProgram 5知识获取程序 Knowledge Acquisition Program 13 14 机械故障诊断方法 信号测试采集 振动、油样、声发射、参数、信号分析处理 频谱、小波、故障信号识别 模式识别，系统分析 模糊理论 人工智能方法 故障处理决策 15 信号分析 经典谱分析法以FFT为代表，广泛用于信号分析，故障诊断，图像处理等许多方面。国内外都有大量的FFT软、硬件产品问世，并且在不断开展。现代谱分析法采用建模的方法来估计信号的谱参数，因而速度快运算量小，精度高。受到越来越多的重视。目前应用的有自回归法(AR)、滑动平均法(MA)和自回归滑动平均法(ARMA)。16 AR MA 建模参数功率谱模型 k=0()()()xnhkun k10()()()pqkkkkxna xnkb u nk 17 为了对各种谱估计的方法有一个根本的了解，下面用一信号对各种方法进行检验(N=32)。所给出的信号为：(3-13)式中：f1=0.05，f2=0.40，f3=0.42；zn为噪声的一阶自回归过程：(3-14)x nf nf nf nz nnN2222220 1 23 13 2123c o sc o sc o s,.,z n a z n u 118 其中a为回归系数，u为方差为2的高斯白噪声。这样可以使噪声的功率谱为变化的。选择适宜的a(-0.8508)和2(1.010)值可以使f1附近的信噪比为15dB，f2、f3附近的信噪比为30dB，此信号作为比较的基准。也可以直接使用高斯白噪声信号令a0即可，这时其功率谱为一条水平线。图中给出了各信号的理论功率谱。图中横轴为归一化的频率(-0.50.5)，纵轴为功率谱值(-3050dB)。19 20 21 22 小波分析理论 采用小波族进行变换 具有多分辨率的特点：在低频局部具有较高的频率分辨率和较低的时间分辨率；在高频局部具有较低的频率分辨率和较高的时间分辨率；适合探测信号中的瞬态异常并展示其成分 称为信号分析的显微镜 23 正常泵阀 故障泵阀 24 正常活塞 故障活塞 25 机械设备故障诊断的开展 机械设备故障诊断技术是建立在多种根本技术的根底之上，并融合多种学科理论的新兴综合性学科。因此，该学科具有根底理论较新、体系边界模糊、实施技术繁多、工程应用广泛、开展日趋迅速以及与高技术开展密切相关等特点。26 1存在的问题 尽管机械故障诊断已取得了长足的开展，但它是一门正在开展的新型学科，还远没有到达完善的水平，主要表现在：开展不平衡，旋转机械的故障诊断理论和实践都取得了较成熟的效果，而往复式机械的诊断理论和实践都有待于提高。测量分析仪器和诊断仪器相脱离。便携式的多为分析系统，一般为传感器、放大仪、数据采集系统频谱仪。无具体设备的特征数据并缺乏诊断型系统。而较好的多为专用的、固定式的系统。一般固定在厂里或设备上，并专为该设备效劳。27 油田机械设备的诊断专用系统还比较落后。除高校研制刚刚开始使用的诊断系统外，油田生产部门对大型柴油机现有的诊断手段主要有测功台、简易柴油机诊断仪表、精密信号分析仪等几种。这几种诊断方式，都满足不了油田对柴油机进行故障诊断的实际需要，表现为：测功台只能在柴油机解体的情况下对其进行诊断，且只能在大修厂的台架上进行，满足不了现场诊断的需要；28 简易诊断仪表的检测多数比较单一，且精度较低，精密信号分析仪价格贵，一般只对振动信号进行分析，由于其专业程度较高，现场的使用人员很难正确使用。因此，随着对柴油机可靠性要求的日益提高，油田迫切需要一种集成多种参数的、精密实用的、能进行智能不解体诊断的系统。29 2国内外柴油机故障诊断的开展趋势 众多的文献说明，柴油机故障诊断的趋势是不解体化、高精度化及智能化。不解体检测的研究，其方向是开发可预埋在发动机内的传感器。美国、日本等国家已成功的将超薄型传感器安置在发动机内，对发动机的温度及主要部件的配合间隙进行诊断，并利用光纤传感器监测发动机的转速波动。高精度化，是指提高信号分析的信噪比。如利用相干函数对测点进行选择，利用多段时域平均法提高当前缸信号强度，利用倒频谱重新编辑法消除其它缸的影响，利用小波变换消除噪声等等，其目的都在于去除诊断参数中的干扰，以提高诊断精度。30 智能化，是指开发诊断型专家系统，使数据处理、分析、故障识别自动完成，能减轻诊断的工作量，并提高诊断速度及正确性。标准化，建立检测标准，建立检测机制，设计制造时考虑到设备的检测问题，传感器安排台，测压孔等等，方便对设备实施检测。网络化，网络传输数据，集中专业人员检测，机器医院。31 开发功能强、但操作简单的系统，以适合于现场人员的使用，是智能型故障诊断系统的研究方向，也是智能型故障诊断系统的得以开展的必要条件。故障诊断技术这一新兴学科的日臻完善，还远远不是其开展进程的终结，随着计算机技术、测试技术、信号处理技术、信息论、控制论、可靠性理论以及系统工程等现代科学技术的开展，还将大大丰富故障诊断技术学科的根底理论与实施技术，促进该学科继续向更高的水平、更深的内涵和更广阔的应用前景开展。32 3.故障诊断与认识过程 故障诊断这一新兴的学科，近年来获得了非常快的开展，但也面临着人工智能领域所面临的共同问题。即知识描述与知识输入的“瓶颈问题。模糊数学的创始人Zadeh曾提出模式识别可以被看作是一种不透明的映射。新的情况或新的模式可由一个观察者正确地识别和分类。然而，这一把模式映射为正确类别隶属的过程是不透明的，不仅其详细的过程旁观者是捉摸不透，而且甚至对识别者本人而言也很难理解。计算机模式识别的任务是用透明映射方式来代替这种不透明映射，从而能用计算机语言对其精确地加以描述。33 例如，被识别目标事件，它可以有很多具体的样本，这就是说目标事件会有很多不透明的映射，它将所有这些模式映射到所设定的类别中。这样，任一或所有这些模式均被识别并被分类到目标事件的类别中。人类是用他们的感知和认知器官来处理并实现这一不透明映射的。但是，在另一方面，在计算机模式识别中，必须用清晰的描述方式透明映射方式来替代自然界中不透明映射。34 整个过程包括两个不同的步骤。第一步是建立起按照适当特征来描述被识目标事件的特殊表现形式。第二部是计算机进行一种显示处理，以得到透明的映射，实现了分类。在两种操作中，最难的是第一步的设计。一旦特征，就可以对综合数学变换过程起理论指导作用，从而获得所需的结果，在不同程度上满足我们的需要。然而，一般而言我们并无先验的根底。此外，也并不清楚什么样的表达方式更适合模式识别过程。35 把人们认知苹果这一目标事件为例。人们通过看、嗅、触摸、削皮、吃、拿、分选及买苹果等一系列长期的生活实践学到了认知苹果地能力。但人们并不能充分又简捷地描述苹果。这一映射过程根本上是不透明的。与此不同，对于计算机模式识别，需要涉及到的不仅仅是透明映射，而且还有选择特征函数的问题。尽管我们已有极精密的仪器来度量色彩、气味、纹理等等特性，但是还很难断定哪些特征是最根本的、有用的，而哪些特征又是多余的、无关紧要的。对于目标事件描述的特征选择是比较困难的，但又是计算机模式识别实现过程中最根本的预处理任务。这里，目标事件可以是概念性的，也可以是物理实体、或者是局势、情况等。36 就上面的讨论，我们可以得到以下的结论：世界事物是非常复杂的，其特征信息是多种多样的，人们也有能力识别每一个信息，但各信息之间的关系却是不透明的，人们还很难找到这些联系。人们虽有能力识别这些信息，但对这些信息特征的描述是不透明的，即没有一个标准去统一这些描述。因而就很难进行交流，也更难让计算机去“懂得。人们根据信息得到结论的推理过程是不透明的，即人们不知道自己的推理过程是如何进行的，当然也就无法让计算机去有效的模拟。37 一方面，是世界万物有大量的特征可供描述，另一方面，计算机既有高的运算速度，也有大的存储空间。但两者之间相互联系的通路却很窄，限制了计算机的使用。这也就是所谓的“瓶颈问题。38 4.开发智能型故障诊断系统的探讨 开发功能强、但操作简单的系统，以适合于现场人员的使用，是智能型故障诊断系统的研究方向，也是智能型故障诊断系统的得以开展的必要条件。为要得到正确结论，首先要做的就是准确地得到事物的全部信息，并对这些信息进行适当地分类、加工。就某种程度而言，只要特征值集合中含有足够的信息，就不存在正确选择或错误选择的问题。但是不适当的选择会导致需要复杂的判决准那么或映射，反之，适当的选择可使准那么变得简单而又便于理解。当然适当的选择本身就是一个值得研究的课题。