（控制理论与控制工程专业论文）多故障诊断及在抽油机中的应用.pdf

华中科技大学硕士学位论文 摘要 现代故障诊断的理论与技术的研究，特别是在单故障诊断方面，已经取得了较大 的发展。现代实际中的系统越来越复杂，并呈现出非线性和强关联等特点。本文基于 小波变换和人工神经网络，对多故障诊断的有关问题进行了探讨，并将研究结果应用 于抽油机的多故障诊断中，取得了较好的效果。 本文首先从故障诊断中的特征量提取入手，利用小波包算法不仅从低频上分解信 号，而且从高频上分解的特点，来有效地提取示功图的“大概”和“细节”特征。同 时，结合示功图几何特征和生产参数，最终组成诊断抽油机故障的本质特征依据。这 样对分离异类、聚合同类的特征值是有益的，从而提供了一种诊断多故障的方法。 接着，考虑到人工神经网络已经成功应用到实际的故障诊断系统中，但是主要用 于对单故障的诊断。而实际应用中，多故障同时出现的情况却普遍存在。于是构造了 一种既能用来诊断单故障，又能诊断多故障的诊断模型。通过对其结构的描述，并且 用个实例与传统的诊断模型对比，说明了这种诊断模型的可行性和有效性。 最后，以抽油机为研究对象，将多故障诊断的理论与方法应用于抽油机实际生产 中，并结合现今计算机技术，开发了相应的自动诊断软件。从试验结果来看，该诊断 软件有很好的自动识别能力，诊断率高。 关键词：抽，毒丽示功蕾7 多故障特征越敢人工神痉两络小波包 l 华中科技大学硕士学位论文 a b s t r a c t t h et h e o r ya n d t e c h n o l o g yr e s e a r c ho nm o d e m f a u l td i a g n o s i s , e s p e c i a l l yo ns i n g l e f a u l td i a g n o s i s ，h a s g a i n e dl a r g ed e v e l o p m e n t r e c e n t l y ，m o d e ms y s t e ma r er e v e a l i n g m o r ea n dm o r ec o m p l e xa n dc h a r a c t e f i g i r i z i n gw i t hn o n l i n e a ra n ds t r o n gc o e l a t i o n i n t h i sp a p e r , s o n l ep r o b l e m sa b o i t l tm u l t i p l ef a u l t sd i a g n o s i sh a v eb e e nd i s c u s s e db a s e do n w a v e l e tt r a n s f o r ma n da r t i f i c i a ln e u r a ln e t w o r k s y s t e m a t i c a l l y r e s e a r c hr e s u 【sh a v eb e e n a p p l i e dt od i a g n o s em u l t i p l ef a u l t so fs u c k e rp u m p i n gi no i lf i e l da n de x p e c t a n tr e s u l t s h a v eb e e na t t a i n e d i l 】t 1 1 i s p a p e r , f i r s t l y , c o m m e n c e dw i t hf e a t u r ev e c t o re x t r a c t i o n w a v e l e t i p a c k e t a l g o r i t h mi su s e dt oe f f e c t i v e l ye x l r a c t a p p r o x i m a t e ”a n d “d e t a i l s o fd y n a m o m e t e rc a r d u t i l i z i n gt h ef e a t u r en o to n l yt od e c o m p o s eh i g hf r e q u e n c ys i g n a l ，b u ta l s ot od e c o m p o s e l o w f r e q u e n c ys i g n a l a t 也es a m et i m e g e o m e t r i cf e a t u r e sa n dp r o d u c t i o np a r a m e t e r sa r e c o m b i n e dt oc o n s i s to fe s s e n t i a lf e a t u r er e f e r e n c eo f f a u l td i a g n o s i so fs u c k e rp u m p i n g ， w h i c h b r i n g i n gb e n e f i to ns e p a r a t i n gf e a t u r ev a l u eo fd i f f e r e n tc l a s sa n dc o n v e r g i n gf e a t u r e v a l u eo f s a m ec l a s s a sa r e s t i l t , o n em e t h o d o f m u l t i p l ef a u l t sd i a g n o s i sc a l lb ep r o v i d e d c o n s e q u e n t l y , a r t i f i c i a ln e u r a ln e t w o r k ( a n n ) h a v eb e e na p p l i e ds u c c e s s f u l yf o rf a u l t d i a g n o s i ss y s t e mi nr e a l - w o r l da p p l i c a t i o n s w h e r e a s ，w h i c hi sm o s t l yu s e df o rd i a g n o s i n g s i n g l ef a u l t h o w e v e r , t h es i m u l t a n e o u se m e r g e n c e o f m u l t i p l ef a u l t si sc o m m o n i np m c t i , c e a p p l i c a t i o n s i nt h i sp a p e r , ad i a g n o s i sm o d e l p r o p o s e df o rd i a g n o s i n gn o to n l ys i n g l ef a u l t b u ta l s o m u l t i p l ef a u l t si sp r e s e n t e d i na d d i t i o a ，w ed e s c r i b et h es t r u c t u r ea n d 西v ea s a m p l et od e m o n s t r a t et h ef e a s i b i l i t ya n dv a l i d i t yo fm o d e lt h r o u g h c o m p a r i n gi tw i t ht h e t r a d i t i o n a ld i a g n o s i sm o d e l f i n a l l y , t a k i n gs u c k e rp u m p i n g a sa ne x a m p l e , t h et h e o r i e sa n dm e t h o d sf o r m u l t i p l , e f a u l t sd i a g n o s i sa r ea p p l i e dt ot h ep r a c t i c a ls u c k e rp u m p i n g a n dt h er e l a t e da u t o m a t i c s o f t w a r ei s d e c e l o p e d ，u s i n gm o d e mc o m p u t e rt e c h n o l o g i e s t h es o f t w a r eh a s g o o d a u t o m a t i cr e c o g n i z a t i o n a b i l j 晦w i t hh i 曲d i a g n o s t i cr a t ef r o m t h e e x p e r i m e n tr e s u l t s , k e yw o r d s ：s u c k e r p u m p i n gd y n a m o m e t e r c a r d m u l t i p l ef a u l t s f e a t u r ee x t r a c t i o n a r t i f i c i a ln e u r a ln e t w o r k w a v e l e t p a c k e t 一 华中科技大学硕士学位论文 1 1 问题的提出 1 绪论 现代故障诊断技术已经发展了三十年左右。诊断技术及其理论都得到了很大的发 展。尤其在单个故障的研究中，取得了可喜的成果。同时，对于诊断问题的求解已由 过去仅能对单故障作诊断，发展到今天有可能对多故障的同时存在作诊断。现代的系统 日益趋向大系统，且具有复杂、非线性等特点，多个故障同时出现在一个系统中的 现象越来越多。但是，对于多故障的诊断问题，目前还未能很好的解决。原因是多方面 的，第，系统复杂，对于多故障的研究还不够深i n ；第二，在工程实际中，多机组同时运行， 互相影响，多故障发生的机会增多，诊断分析更加困难；第三，诊断方法不够成熟。由于规 则和知识库的限制，专家系统等人工智能方法对多故障的处理也显得力不从心，在神经 网络诊断技术中，如果将各种多故障的组合作为训练样本，将使得网络规模非常庞大网 络的归纳、联想能力将大幅度下降，甚至完全失败【2 8 1 。同时，关于多故障诊断的研究 也不多见。如何研究多故障诊断的理论，提出诊断多故障的方法，显得尤为重要。 1 2 研究意义及背景 现代化的工程技术的进步和发展，推动着机械设备和生产系统日益向大型化、连 续化、高速化、高效化、精密化和自动化的方向发展。这些发展主要有四个基本特点， 其一是设备与系统的功能增多，各工作单元间的关系日趋复杂，导致影响设备安全和 工作性能的因素越来越多；其二是设备与系统的结构越来越复杂，规模越来越大，设 备的造价越来越高；其三是现代身背日益向系统极限效率与速度方向发展，安全隐患 增多，机械故障，连锁影响造成的损失十分的惊人；其四是现代设备与生产系统在国 民经济的发展和社会物质财富的生产中，扮演着越来越重要的角色，其影响面越来越 大。 这些进展方面满足了提高生产效率、降低生产成本、节约能源等现代大工业发 展的客观要求，取得了巨大的社会效益和经济效益；但在另一方面，对机械的设计、 制造、安装、使用、维修和安全可靠运行提出了更高的要求。设备和系统一旦发生故 一- _ _ - 一 l 华中科技大学硕士学位论文 障，就会影响到整个生产安全稳定的运行，轻则降低系统的生产效率，重则系统停机、 生产停顿，造成重大的经济损失，甚至出现设备毁坏、危及生命财产安全的恶性事故， 造成灾难性后果。 据国内石化行业统计，1 9 7 6 至1 9 8 5 的十年间，化肥五大机组由于事故停车造成 的直接经济损失达四亿五千多万元。1 9 8 5 年大同电厂、1 9 8 8 年秦岭电厂、1 9 9 9 年阜 新电厂各有一台2 0 0 m w 机组发生毁机事故，损失均在亿元以上，严重影响地区电网 的供电；1 9 9 8 年铁道部隧道局的一台t m b 掘进机仅齿轮箱故障造成的直接损失达2 千万元，还延误了工期。 在国外，这种事故也屡见不鲜。象1 9 7 1 年美国的三里岛3 0 0 m w 机组损毁，1 9 7 2 年日本关西电力公司海南电站3 号机断损，1 9 7 3 年西德6 0 0 m w 机组联轴器变形等造 成事故，都造成了巨大的经济损失。 针对这种情况，世界各国都十分重视，普遍对重要设备开展了状态监测和故障诊 断工作，并积极开展了故障诊断技术的研究和开发工作m2 1 。进入7 0 年到以来，国外 机械状态监测与故障诊断技术已经实用化的阶段。获得了显著的经济效率。据报道英 国c e g b 公司下属的5 5 0 m w 和6 0 0 m w 发电厂因机组故障每年损失7 5 0 英镑，采用 诊断技术后，对机组振动故障原因的五次正确分析，就取得直接经济效益2 9 3 英镑。 我国诊断技术的发展开始于7 0 年代末，虽然起步较晚，但是经过追赶，特别是近 几年的努力，已经基本上跟上了国外在此方面的步伐，在某些理论研究方面已经和国 外不相上下。目前，我国在一些特定设备的诊断研究方面很有特色，形成了一批自己 的监测诊断产品。如西安交通大学的“大型旋转机械计算状态监测与故障诊断系统“， 啥尔滨工业大学的“机组振动微机监测和故障诊断系统”。东北大学设备诊断中心的 “轧刚机状态监测诊断系统”等。我国的故障诊断科学不论在理论上和方法上，还是 在工程实践及监测诊断产品的研发中，都已经有了较为深厚的基础。 尽管如此，随着我国国民经济的迅速发展，如何确保设备的安全可靠运行，迅速 地诊断不断出现的新故障，仍然是故障诊断学科必须研究和解决的问题。 抽油机井作为目前油田一种应用最为广泛的采油方式，在油田生产中起着极其重 要的作用。抽油井的诊断技术是有杆泵采油井稳产长寿和科学管理的重要手段 ”。有 杆泵抽油是国内外最常用的人工举升方法。在委内瑞拉有7 0 以上的井采用有杆泵抽 2 华中科技大学硕士学位论文 油：在美国有8 5 以上的井采用有杆泵抽油：即使在大量采用电潜泵抽油的苏联，有 杆泵抽油井的比例也超过5 5 。而在我国采用有杆泵抽油的比例更高，如中原油田的 抽油机井占总生产并数的8 0 以上，可见维持有杆泵抽油井的长期正常生产对于最大 限度地提高原油产量和降低生产成本具有十分重要的意义。 1 3 抽油机井诊断技术的发展状况 经过几十年的研究、实践，抽油井故障的分析与诊断技术有了相当大的发展。就其 发展周期而言，大致经历了地面示功图分析法、井下泵功图诊断法，计算机诊断法、人 工智能法等4 个阶段【2 、3 1 。从诊断的方法来讲，主要应用的技术有模式匹配法、几何 特征法、矢量序列法、神经网络法。在6 0 年代以前，有杆泵的故障诊断基本上依靠 入的现场经验来判断。1 9 6 6 年美国人s g 吉布斯和a b 内利第一次提出利用波动方 程以光杆示功图为边界值求解并下示功图的方法，为有杆泵抽油系统的计算机诊断技 术提供了理论基础，一些学者就此对有杆泵抽油系统的计算机诊断技术作了大量的研 究，并取得了相应的成果。前苏联人第一次提出差分曲线法来识别泵功圈，并得到了 广泛的应用。差分曲线法在我国也得到了广泛的应用【4 l 。基于模型的诊断方法也应运 而生p 。文献【5 1 叙述了一种利用a r 模型来进行故障分类的实例。s c h i n n e r p ：等人首 次运用模式识别技术分析了示功图的形状，建立了可以诊断7 种故障的系统【_ ”。，j a m e s a b e i l o 等利用层次的模式识别算法进一步提高了诊断精度 8 1 。近年来，随着人工智能 的发展，诊断自动化、智能化的要求逐渐变为现实。其中基于知识的专家系统的研究 起步最早，目前在诊断中已有成功的应用。8 0 年代后期，美国c h e v r o n 公司和a r c o 油气公司分别开发出一种用于有杆泵抽油井故障诊断的专家咨询程序及专家系统。与 此同时，我国石油大学也独立开发出套具有智能性的有杆泵抽油井综合故障诊断技 术，即有杆泵抽油井故障诊断专家系统。1 9 9 3 年天津大学与大港油田合作开发出抽油 机井集成化智能诊断系统。模糊理论由于具有处理不确定信息的能力，因此通常于专 家系统联合，作为前处理和后处理，如文献f 9 】。神经网络技术的诊断中应用较晚，但 是它强大的并行计算能力和自学习功能及联想能力，很适合作故障分类和模式识别， 因此在诊断中很受欢迎。大量的文献对神经网络应用到故障诊断中作了研究，如文献 1 0 、n 1 。文献 t 2 i 同样利用神经网络与专家系统的结合来诊断故障。 3 华中科技大学硕士学位论文 1 4 论文安排 第一章首先简述课题的背景、意义，介绍了机械故障诊断的研究现状；第二节从 本课题的研究对象抽油机入手，指出了研究抽油机故障诊断的意义，从而指出论文研 究的本质问题：第三节为全文体系安排。 第二章概述了故障诊断技术理论与方法。第一节介绍了故障特征向量的提取方 法：第二节分析分类和单故障诊断方法；第三节对诊断过程中经常出现的多故障诊断 方法进行了研究，同时指出了多故障诊断的研究难点和要点。 第三章是基于小波变换的特征提取的故障诊断研究。第一节给出了抽油机工作中 的各种故障及其特征：第二节介绍了信号分析的方法；第三节小波变换原理及信号分 析方法：第四节给出了神经网络应用于故障诊断中具体实施方法。第五节应用上述介 绍的方法，给出了一个抽油机故障诊断实例，从几个角度考虑，对比了其结果，并进 行了相应的分析。 第四章是神经网络的多故障诊断层次模型研究。第一节为引言；第二节介绍了多 故障诊断的网络模型，并给出相应的构造原理；第三节也用实例仿真说明了网络的可 行性和所得结果的有效性。 第五章是具体软件的设计及实现。第一节是软件功能概述；第二节是软件的实现； 第三节介绍了软件的界面；第四节软件数据的前处理功能介绍；第五节是软件中网络 模型建立过程介绍；第六节是故障诊断过程使用方法介绍；第七节是软件数据库建立 过程介绍；第八节为本章小结。 第六章是全文总结及展望。第一节是全文总结；第二节是研究展望。 一_ _ _ _ - - _ - _ _ _ _ _ - - _ _ _ _ - - _ _ _ - _ _ - h - - _ _ 一 4 华中科技大学硕士学位论文 2 故障诊断技术理论与方法概述 设备诊断技术有着很强的技术背景，具有很重要的实用价值。它是一门快速发展 的交叉学科，它集力学、结构强度、摩擦学、测试技术、计算机技术、信号处理、模 式识别、人工智能、决策科学、信息科学等众多现代科学技术于一体，成为及注重理 论研究，又重视实际应用的现代工程科学，并逐步形成一个体系完整、理论严谨且具 有重大工程意义的新学科。从开展设备诊断的流程来看，设备诊断技术分为信号采集 及预处理、特征量提取、分类即故障诊断3 个阶段。 2 1故障特征向量的提取方法 特征提取在故障诊断的过程中占有很重要的地位。特征向量提取的好坏或优劣直 接影响到最终分类的结果。一般情况下，一个好的特征量应该满足如下两个要求：首 先，来自于相同类的样本的特征向量相差应该相差很小( 如果是数字特征量则它们应 该在数字上接近) ：其次，来自于不同类的样本的特征向量应该相差很大( 尤其向量 之间在区域上不能重叠) 。这样便保证了同类之间的样本受外界干扰小，而不同类的 样本之间有着本质上的区别，这对于样本的分类无疑是有益的。 2 1 1 基于时域内的特征量提取方法 采集到的信号，一般是原始信号，一部分可以直接利用，但是这些信号般是可 以从时域上来反映故障特征的脉冲信号【1 孔，这些信号由于不具有周期性，只能从时域 上来得到该信号的瞬时量。时域特征量一般包括：中值、均方根、峰值因子、方差、 变化量、不对称度、峰峭度等。它们的表达式如下： 函数x ( t ) 在一个周期t 上的中值表示为： 峰值因子是峰值级别与均方根的比率 ( 2 1 ) - _ 一_ - _ - 。- _ _ _ - - _ _ _ _ _ h - _ - ，_ _ _ ，_ _ _ _ 一 5 学 | | 华中科技大学硕士学位论文 cf=型一(2-2) x 一 方差是均方根的中值： 盯2 = f b o ) 一习o ( 2 圆 峰峭度是一个分布的四次统计量： 肛去f 妇 叫) 这些时域上的特征量通常适用于瞬时信号的特征描述。同样对于那些具有图形的 特征的信号来说，则可以从图形来提取相应的图形特征 ，作者利用二维图像的重心 到边缘的矢量距离来描述_ q - - 维图像的几何特征。在文献【1 5 】中，作者用8 个点、2 个 线、三个面积来描述泵功图的几何特征。这些方法虽然不能从整体来表征故障信号， 但对二f ：后期的故障分类起到了一定的性能提高作用。 2 1 2 基于频域内的特征量提取方法 对于一些振动的非平稳的周期信号而言，分析信号的频谱特征最能反映信号的本 质特征。信号从信号处理的角度来分析，提取特征向量的方法很多，在经典的信号分 析处理中有数字滤波技术、细化谱分析、主分量技术、数字滤波技术、自适应滤波技 术、双谱分析、全息谱分析等基于平稳信号的傅立叶技术和方法。在非平稳时变信号 分析处理中有短时傅立叶分析、w m g n e r - v i l l e 分析和参数模型技术、小波分析、小波 包分析、改进的时频分析、高阶谱、移动窗、现代谱等信号处理技术。小波及小波包 分析理论与技术作为当代调和分析及傅立叶分析划时代的、里程碑式的进展，在信号 的时间频率和时间尺度的表示方面显示出了特殊的优势；经过国内外学者们的共同努 力，目前基于小波的诊断理论与方法已经在二维图像识别、机械振动故障等的实践中 取得了可喜的进展。小波变换同其它方法相比，具有两个重要的特点：多分辨率的时 频局部化分析、快速线性多通道带通滤波。其信号处理的应用可以从这两点来入手， 下面就几个典型方面的应用作简要描述。 1 ) 滤波。根据小波变换的滤波特性，对于尺度s 可的小波变换，它将原信号分解 6 华中科技大学硕士学位论文 1 3 2 j + 1 个子空间，在进行滤波处理时将那些希望剔除的频率范围对应子空间序列置 零，然后进行重构运算，就得到了一个同时具有高通、低通、多个带通和多个带阻的 多通道滤波器。 2 ) 信号降噪。信号中的噪声可以分成两种情况来处理，其一是确定性噪声的处理， 噪声的频率或频率范围可以预先确定，这时利用小波变换的滤波特性即可；其二是不 确定性噪声的处理，噪声的频率或频率范围不可预知，例如自噪声的频率就几乎覆盖 整个频率轴，此时就需要利用小波变换的模极大特性，模极大代表了重要信号的特征。 在实际应用中可以对细节信号设立一个门限值，保留大于门限值的极值( 模极大) ， 而将小于门限值的毛刺置零，然后进行重构运算，就可以获得近似较好的除去噪声的 原信号。 3 ) 信号非平稳特性分析。 ( 1 ) 在各种振动信号中常常存在有些突变信号，它们在多数情况下都对应于设 备的故障等因素，突变信号通常分为边缘跳变和峰值跳变两类，可以将它们等效地认 为在信号上叠加一个阶跃信号和脉冲信号。这种突变信号的小波变换结果通常反映为 过零点和极值点，例如使用二次样条函数作为小波函数，则阶跃信号将反映为极值点， 脉冲信号将反映为过零点。 ( 2 ) 对于一个包含一般形式瞬态过程的平稳性信号，通常可以如下描述： f o ) = n o ) + s o ) = a s i n f w i t o p + b e k ( t - t 1 ) s i n 似2 和t 1 ) 呵矽“一- 彬( 2 5 ) 其中n 为平稳性成分，n ( o 为瞬态过程，a ，w l , j l 为平稳性成分的幅值、频率和相位， b , k , t l ，w z j 2 分别为瞬态过程的信号幅度、衰减系数、时间位置、频率和初相位。2 矧；f c t ) 进行小波分解，脾缈和s o ) 将被分解到不同的予空间，对包含瞬态过程的子空间进行重 构，将得到从原信号提取出来的主要包含s o ) 的瞬态信号，对它进行进步的时域和 频域分析，便可以分析出s m 的各特征参数。如图2 1 为一个含有异样频率成分的正弦 信号，在第三层分解的结果中，其逼近信号包含了该正弦信号的成分，而细节信号中 则包含了异样频率成分，从而有效地将该异样频率提取出来。 7 华中科技大学硕士学位论文 a | f na f 66 j naf 1 f m f f i l v vuvvv 叫vvuv v ? v v ( a ) 含有频率调制的正弦信号 ( b ) 第三层小波分解的逼近信号 l 。一， 6 l 、。， r7 一。】| f l f 。 ( c ) 第三层小波分解的细节信号 图2 - 1正弦信号小波包分解 利用小波对信号作局部频率分析，取各个频带的小波分解系数或者各个频带上的 能量和或小波包能量分布作为特征因子，作为分类或者诊断的依据【1 6 1 7 1 9 1 。文献 f 1 6 。2 0 利用小波分析的滤波特点，对原始信号进行小波变换，滤掉了噪声，取得了很 好的信噪比，从而有效提取了原始信号的特征。文献【2 1 】利用了小波变换在时频域上 的局部分析能力，提取了某一周期上机械振动的奇异信号的特征向量，并有效地压缩 了特征向量的维数。文献 2 2 1 ，用小波包变换来提取时频振动信号的特征，并取小波 包分解后的各个尺度上得小波系数作为特征向量。文献 2 3 1 提出了一种利用小波包分 解的精确细分的特点，分别对正常系统和故障系统的采样信号进行精确特征提取，并构 造一系列基于信号能量且具有表征系统状态能力的特征向量。文献【2 4 】中输入向量即 特征向量，其特征参数是经小波变换后得到的模极大值和位置信息。同时采用小波变化 的重构算法，除去干扰后的信息还原成比较真实的波形特征作为最终的特征参数。文献 口5 j 在深入分析离散小波包变换快速算法的基础上，给出了离散小波包变换快速算法中 产生频率混淆的原因，即由正交镜像滤波器的非理想截止特性、隔点采样和隔点插零 一 - - - 一 8 华中科技大学硕士学位论文 的特性共同作用产生的，提出了一种消除频率混淆的算法。利用该算法和原算法，分 别对某墅滚动轴承内环剥落故障的振动信号进行处理，提取其故障特征。文献 1 7 1 利用 小波包分解机械故障信号，对分解后的不同频带内的分解系数进行时域重构，分别对重 构时间序列用时域分析的方法提取对故障敏感的特征参数。以上文献采用的方法均是 对信号的时域或频域内的信号特征进行提取，并取得了很好的结果。 2 2 分类和单故障诊断方法 从本质上讲，设备故障诊断就是个模式识别分类问题，即把机器的运行状态分为 正常和异常两类。进一步讲，异常的信号样本究竟属于那种故障，这又属于一个模式 识别的问题。按照通行的分类方法可以分为基于模型的方法、基于信号处理的方法和 基于知识的方法三大类【2 6 1 。 2 2 1 基于解析模型的诊断方法 基于解析模型的诊断方法已取得了相当丰富的理论研究成果，特别对于l t i 系统 的故障诊断问题研究尤为完善。以“辨识及参数估计”、“线性状态观测器”和“等价 空间”方法为基本框架的l t i 系统故障诊断方法，目前理论研究己相对透彻和完善。 对未知输入解耦的诊断方法、鲁棒诊断方法的研究也有较为全面的进展。目前，将多 种残差发生器设计方法相互集成以综合考虑残差发生器的参数设计、评价函数的选择 和闽值的确定，从而提高故障诊断系统的性能，是基于解析模型的故障诊断研究的热 点之一。然而，基于解析模型的诊断方法面临的问题是相对于流派纷层、多样的技 术和： 富的理论，其成功应用的范例明显偏少。但是也有一些文献介绍了利用模型来 诊断故障，并取得了一定的成功。文献【6 1 叙述了一种利用a r 模型来进行故障分类的 实例：艾献 2 7 1 ，给出了考虑杆柱、液柱、管柱组成的有杆泵系统的泵况诊断数学模型， 并有f 地应用到水平井有杆泵诊断中，取得了很好的效果。文献 2 8 1 中介绍了一种在 节约覆盖集理论框架上集成概率推理的诊断模型，并在此基础上建立了汽轮发电机组 振动多故障诊断的实用模型。该模型能有效地识别出汽轮发电机组的故障，具有较高 的诊断可靠性和实用性。文献 2 9 1 介绍了一种将概率因果模型和遗传算法相结合的汽 轮发电机组振动故障诊断方法，它将概率因果模型的似然函数作为遗传算法的适值函 数，从而将故障诊断转化为最优化问题。 对于l t i 系统诊断方法，许多实际的复杂问题与其模型相距甚远；非线性系统的 q 华中科技大学硕士学位论文 诊断理论研究成果也只针对一些特殊的非线性系统，如双线性系统。尚难以解决实际 中广泛存在的复杂非线性问题。尽管理论方法方面的研究通常先行于实际应用，但这 一现象应引起充分重视。 2 2 2 基于信号处理的诊断方法 基于信号处理的诊断方法可以部分地回避建立诊断对象数学模型的困难点，它直 接利用各类信号处理方法，如相关函数、高阶统计量、频谱的分析和自回归滑动平均 过程、小波变换技术等，因此适应性较强。原理上它既适用于线性系统，也适用于非 线性系统，因此是一条很有应用前景的故障诊断技术路线。近年来，国内许多学者在 这方面作了深入研究，如h m m ( h i d d e n m a r k o v m o d e l ) 用于旋转机械升降速全过程 的故障诊断研究，基于可变多元统计模型的故障诊断研究，采样时间序列的故障数据 检测，传感器误差故障检测方法等，在一定程度上己取得了有实用价值的成果。基 于信弓处理的故障诊断方法虽然不直接涉及被诊断对象的动态模型，但它仍然建立在 对故障机理的透彻分析和研究基础上。测量信号的哪些特征性状能够最显著地反映出 待诊断的故障，是必须酋先研究的问题，某种意义上这也是能成功实现故障诊断的一 个关键技术问题。小波变换技术是目前研究的一个热点。由于它同时具有时域和频域 分析的特点，因此对于准确分析系统传感器的故障十分有利。分析时间信号的奇异性、 信号频率结构的变化或同时进行时间和频率特性分析，是利用小波变换进行故障诊断 的主要出发点。文献 3 0 1 利用小波网络来辨识非线性对象，然后，利甩信号在小波变 换得多尺度刻画下表现行为不同的特点来检测出突变的故障信号。文献【3 l 】利用连续 小波变换的极值的模的最大值来进行故障诊断。文献 3 2 1 应用样条小波变换对故障信 号进行多尺度分解，分别计算出表征故障严重程度的奇异性指数，即l 岫指数，用来 判断故障的严重程度。 小波变换与神经网络的结合也是目前研究的一个热点。此外，利用小波变换的滤 波性能对测量信号进行降噪处理，可以有效地作为故障诊断前信号的预处理方法，同 时也为从噪声特性分析出发诊断特定类型的故障提供了一条有效的技术路线。 2 2 3 基于知识的诊断方法 基于知识的故障诊断方法引入了诊断对象多方面的信息，特别是可以充分利用领 域专家的诊断知识，避免了对精确数学模型的过分依赖，特别在非线性系统领域被认 1 0 华中科技大学硕士学位论文 为是一种很有前景的方法。 专家系统、模糊推理和模式识别等在故障诊断领域中的应用由来已久。七十年代， 专家系统技术取得了很大的发展。1 9 7 5 年s h o r t i f f e 和b u c h a n a n 在m y c i n 系统中提 出了基于不确定性概率因子的推理方法，1 9 7 6 年b u d a 等将主观b a y e s 理论应用到 探矿专家系统p r o s p e c t o r 中；z a d e h l 9 6 5 年提出了模糊集理论，这些理论为诊断 技术的：殳展提供了理论依据，同时在实际的应用中也取得了一定的成功。故障诊断专 家系统研究的时问最长，从应用方法上讲，主要有两种： 1 ) 基于规则的诊断专家系统 早朗的故障诊断专家系统都是基于规则的系统，它是通过专家诊断经验的积累而 建立的。这些经验大多数由产生式的规则进行描述，将征兆与潜在的故障联系起来。通 过这些规则来模仿专家在故障诊断过程中的关联推理过程。这是一种基于经验知识而 不是基于系统结构或行为过程知识的诊断方法，因而也被称为基于浅知识的方法。故障 诊断领域中，对征兆的描述、故障与征兆的关系等往往具有模糊属性，如：温度“偏高”、 振动“厉害”等。因此，以模糊集表示的模糊语言变量能更准确地表示具有模糊特性的 征兆和故障，符合事物的客观本质，而且能处理诊断中的不确定信息和不完整信息。所 以，建立故障与征兆的模糊规则，即模糊产生式规则，再进行模糊逻辑推理的诊断方法， 也成为基于诊断系统的研究热点之一。随着诊断对象复杂程度的增加，基于规则的诊断 系统的缺陷暴露，如知识集不完备，对诊断对象的依赖性强，对没有考虑到的情况或新的 诊断对象，系统容易陷入困境。因此。人们开始研究基于模型知识的诊断系统。 2 ) 基于模型知识的诊断专家系统 基于模型的故障诊断系统要求诊断对象的每一个环节具有明确的输入输出表达 关系，诊断时首先通过诊断对象的实际输出与期望输出之间的不致，生成引起这种不 一致的原因集合，然后根据诊断对象领域中的第一定律知识( 具有明确科学依据知识) 及其内部特定的约束关系，采用一定的算法，找出可能的故障源。相对于基于经验知识 ( 规则) 而苦，这种模型知识常被称为深知识。模型知识处理不同于传统的数据建模处理， 建模处理主要用于那些没能够完全用数学精确描述的系统，而知识处理主要用于那些 没有精确数学模型或很难建立数学模型的复杂系统。近2 0 年里，基于模型知识的方法 同益引起重视，已经取得了重要进展，如r e g g i a 的节约覆盖集方法，y a g e r 的模糊解释模 l l 华中科技大学硕士学位论文 型以及d a v i s 的基于结构与功能的诊断推理模型等。 与：基于经验知识相比，基于模型知识的方法知识获取方便，维护简单，易于保证知识 库的一致性和完备性。但是搜索空间大，推理速度慢。所以，近年来也发展了一些基于 经验知识和模型知识相结合的诊断推理方法。如d a v i d z a i 在浅知识的基础上引入因果 “剧本”的方法。 总的来说，故障诊断专家系统的优点主要表现在：适于人的思维，容易理解；知识可 用基本规则表示，无需输入大量的细节知识；个别事实发生变化时易于修改；能解释自 己的推理过程。但同时由于目前知识处理技术局限性，也存在如下缺点： ( 1 ) 知识获取的瓶颈问题。知识的获取多是将领域专家的知识总结为规则加入知识 库中，知识获取效率低。另外，领域专家的某些经验知识往往只能意会，不能言传，很难用 一定的规则来描述。 ( 2 ) 推理机制的局限性。很多问题难以形式化，知识库管理困难；推理过程中，因搜索 空问大，易产生“匹配冲突”进而带来“组合爆炸”、“无穷递归”等问题；没有联想、 记忆、类比等形象思维能力。 ( 3 ) 自学习、自适应能力差。现行的故障诊断系统通常是以专业领域的经验知识为 基础进行问题求解，不能在实践中总结经验( 成功或失败) 或从专业领域本身的发展中 学习新的知识。 ( 4 ) 不能确定性知识的处理困难。在模糊规则诊断中，一些简单的模糊逻辑算子往 往难以满足推理的要求，模糊隶属度函数的获得也比较困难。 由于某些系统状态的不确定性，或者获取的信息不完整，因此出现了基于模糊理 论的诊断方法。其中，一种是基于模糊理论的诊断方法，将模糊集划分成不同水平的子 集，以此来判断故障可能属于哪个子集。另一种是基于模糊关系及合成算法的诊断方 法，先建立征兆与故障类型之间的因果关系矩阵r ，再建立故障与征兆的模糊关系方程， 即f = s 。r ，这里f 为模糊故障矢量；s 为模糊征兆矢量；”为模糊合成算子。这种 方法可解决诊断中的不确定性的问题，但是，模糊诊断知识获取困难，尤其是故障与征 兆的模糊关系较难确定，学习能力差，容易发生漏诊或误诊。另外，由于模糊语言变量 是用模糊数( 即隶属度) 表示的，如何实现语言变量与模糊数之间的转换，是实现上的 1 个难点。 一一1 2 华中科技大学硕士学位论文 由于人工神经网络具有记忆、自学习和能拟合任意连续非线性函数的能力，以及 它的并行处理、全局作用的能力，使它在处理非线性问题和在线估计等方面具有很强 的优势，在复杂系统的故障诊断中被寄予厚望，得到了广泛的重视。神经网络在故障 诊断中的应用是多方面的。作为一个智能信息处理系统，它可以直接用于实现故障诊 断：作为非线性函数的拟合器，它可以代替实现基于模型的诊断方法中所需要执行的 状态观测、参数估计、残差发生以及残差评价等功能：作为一种知识学习系统，它可 以从一定的故障实例中发现新的故障诊断知识，从而为解决“知识挖掘”问题提供一 条途径。与专家系统、模糊逻辑系统等具有良好的并存和协同性。定性观测器、定性 仿真和知识观测器等在故障诊断中的应用也已弓l 起较大的关注。模糊推理、知识观 测器和定性观测器等长于处理不确定、模糊化的知识，符合人的自然推理过程。目前 国内已有许多学者开展了基于知识的故障诊断方法的研究，而且已把神经网络、模糊 推理等技术与其它技术有机集成，在提高故障诊断的可靠性和实用性方面做了大量的 工作。由神经网络、模糊推理技术与传统的专家系统相结合而构成的智能型专家系统， 为解决传统专家系统在知识获取和知识表达方面的“瓶颈”问题提供了新的途径。利 用神经网络拟合非线性系统的正常特性，然后根据系统的输入信号重构某些特定的变 量，并与系统的实际值比较得到残差，最终实现系统故障的诊断，是种较为普遍的 方案。这种方案利用神经网络作为残差发生器，可望达到优良的性能。利用神经网络 对残差进行聚类分析，直接得出系统的故障信息，对某些非线性系统也是实际可行的。 神经网络在故障诊断领域中的应用显示了明显的优越性，但也存在以下一些困难，主要 是： 1 ) 训练样本获取的困难性，神经网络故障诊断是建立在大量的故障样本训练基础 之上，系统性能受到所选训练样本的数量及其分布情况的限制； 2 ) 忽视了领域专家的诊断经验知识； ：；) 权重形式的知识表达方式难以理解，对诊断结果缺乏解释能力。 为了综合各种诊断方式的优点，将神经网络与专家系统结合成为智能诊断的一个 热点：专家系统与神经网络的结合策略有层式和混合式2 大类。在层式结合中。专家系 统与神经网络组成串联式结构，分别完成所擅长的启发式逻辑推理或数据模式判别功 能。在混合式结合系统中，将专家系统构成神经网络，把传统专家系统的基于符号的推 理变成基于数值运算的推理，以提高专家系统的执行效率并利用其学习能力解决专家 一 _ - _ _ _ _ _ _ h _ _ - _ - _ _ - _ - - _ _ _ _ _ _ - _ - _ 一 1 3 华中科技大学硕士学位论文 系统的学习问题。考虑到模糊语言变量在表达具有模糊特性的征兆和故障方面的优势， 近年来，将模糊逻辑、神经网络和专家系统结合在一起的智能诊断系统也成为研究的热 点之一。神经网络故障诊断专家系统是一类新的知识表达体系，与传统的专家系统的高 层逻辑模型不同，它是一种低层数值模型，信息处理是通过大量称之为节点的简单处理 单元之自j 的相互作用而进行的。它采用分布式信息保持方式，为专家知识的获取和表 达以及推理提供了全新的方式。 同样，模糊控制易于获得由语言表达的专家知识，能有效地控制难以建立精确模型 而凭经验可控制的系统，而神经网络则由于其仿生特性更能有效利用系统本身的信息， 并能映射任意函数关系，具有并行处理和自学习能力，容错能力也很强。因此，有必要将 模糊逻辑与神经网络融合起来构成模糊神经网络，使之能同时具有模糊逻辑和神经网 络的优点，成为故障诊断的一个更加有效的方法，它们结合主要表现在既能表示定性知 识又能具有强大的自学习能力和数据处理能力。模糊神经网络是在传统的前向人工神 经网络中加入模糊层，模糊层将每个输入量转化为模糊集：qf = 负大，负中，负小，零，正 小，正中，正大l ，作为7 种类型的神经元。通过适当选择模糊神经网络的模糊层权值调整 所需成员函数。模糊层与模糊设置负大和正大有关的神经元采用补偿s i gm oid 函数和sig i no i d 函数作为激发函数，其他神经元采用gaus s ian 函数作 为激发函数。隐含和输出层的神经元采用sigm oid 函数。模糊神经网络的每个 输出量代表一种特定故障，其输出量在0 到l 范围内取值。当与故障对应的网络输出量 为l 时，该故障一定存在。若对于特定的输入模式，没有神经网络输出值为l ，则该输入 模式不表示故障情况。 基于知识的故障诊断方法对于复杂过程的诊断问题具有特别明显的作用。随着人 工智能的不断发展，这方面的研究将会越来越广泛深入。目前主要的问题是算法的通 用性和诊断系统结构的适应性还有待于进一步完善。 2 3 多故障诊断方法研究 现代故障诊断技术已经发展了三十年左右。诊断技术及其理论都得到了很大的发 展。允其在单个故障的研究中，取得了可喜的成果。同时，对于诊断问题的求解已由 过去仅能对单故障作诊断，发展到今天有可能对多故障的同时存在作诊断。现代的系统 同益趋向大系统，且具有复杂、非线性等特点，多个故障同时出现在一个系统中的 1 4 华中科技大学硕士学位论文 现象越来越多。但是，对于多故障的诊断问题，目前