（机械电子工程专业论文）基于internet的ccfw远程故障诊断系统.pdf

武汉理工大学硕士学位论文 摘要 i 、 i 基于i n t e r n e t 的c c f w 远程故障诊断系统将c c f w 故障诊断技术与新兴的因特网技 术相酪合起来，提出了一种新的c c f w 故障诊断技术思路，该技术利用新兴的网络远程 传输技术，提高了解决c c f w 故障诊断略效率。该系统可以实现c c f w 故障诊断资源的 共享，实现远程异地诊断c c f w 故障。l ， 本系统通过对基于i n t e r n e t 的c c f w 远程故障诊断系统研究分析，建立一个完整 的远程故障诊断系统的模型，分别讨论了远程故障诊断系统的各个部分。探讨了儿中 常见的故障诊断的基本原理，如小波变换、神经网络，故障树等等，并着重分析了的 故障树分析法，运用故障树法分析了如何从故障一步一步逆向推理确定故c c f w 故障原 因，建立了一个可以拓展的c c 州故障数据库：探讨了远程故障诊断技术在网络上的实 现，论述了远程故障诊断中网络的各个部分，并分别讨论了客户端和服务器端的c c f w 故障诊断结构组成；软件部分则实现了基本的c c f w 故障诊断功能，并可以修改c c f w 诊 断知识库，阐明了如何实现从本地c c f w 故障诊断系统连接i n t e r n e t 的技术。 u 、， 关键诃：c c w ( 吐篡扭控剑缉维缠绕) 远程故障诊断专家系统 i n t e r n e t故障树小波变换神经网络 武汉理 = 大学顶士学位论文 a b s t r a c t c c f wr e m o t ef a u l td i a g n o s i ss y s t e mb a s e do ni n t e r n e tc o m b i n e sc c f wf a u l t d i a g n o s el e c h n o l o g yw ；f hn e wi n t e r n e tt e c h n o o g y ，w h i c hs e l su p an e wm e l h o do fc c f w f a u i td i a g n o s i ss y s t e m t h et e c h n o i o g yp r o m o t e st h ee f n c i e n c yo f s o i v i n gt h ec c f wf a u l t d i a g n o s i sw - t ht h en e wi n t e r n e tt r a n s f o r m a t i o nt e c h n o l o g yt h es y s t e mi m p l e m e n t t h es h a r e o fc c f wf a u i td i a g n o s i sr e s o u r c ea n dr e m o t ed j a g n o s et h ec c f ws y s t e mi nd i 仃e r e n t p l a c e t h f o u g hf h ea n a l y s i so fc c f wr e m o l ef a u nd j a g n o s i ss ”把mb a s e do n i n t e i n e t t h e s y s t e ms e t su pac o m p i e t er e m o t ef a u i td i a g n o s i ss y s t e mm o d e i i ta n a i y s i sa i ip a r t si n t h em o d e l 1 td i s c u s s e st h et y p i c “f a u i td i a ”o s et h e o r i e s ，s u c ha sw a v e l e tt r a n s f o r m ， n e u r a ln e t w o r k sf a u l t1 y e e i tp l a c e se m p h a s i so nf a u l tt r e ea n da n a l y s j sh o wt od e c i d e r e v e l 叫t h ec a u s ef r o mt 1 1 e f a u l ts l e pb ys l e pw i t ht h eh e l po ft h ef a u l t1 e e j ls e i su pa c h a n g e a b j ec c f w f a u l td a t a b a s e nd i s c u s s e st h ei m p l e m e n t a t i o no fr e m o t ef a u l cd i a g n o s i s i ni n t e r n e ta n dd e s c r i b e sa np a n so ft h e n e t w o r ki nt h ef a u l t d i a g n o s i ss y s t e m a n d p r e s e n t st h ef o r mo f t h ec l l e n t ，t h es e r v e r t h es o r w a r ec o m p l e t et h eb a s i cf u n c t i o no f c c f wf a u l td i a g n o s i sa n dm a ym o d i f yt h ec c f wf a u l td i a g n o s j sd 雏l b a s ea n dp r e s e n t s h o wl oi m p j e m e n tl h ec o n n e c l j o no f l o c a lc c f wf a u l ld j a g n o s ；sa n dl b ei n t e j m e l k e y w o r d ：c c f w ( c o m p u t e r c o n l r o lf i i a m e n tw i n d i n 曲 r e m o t ef a u i td i a g n o s j s e x p e ns y s t e m f a u i tt r e e w a v e l e ft h n s f o r m a l i o nn e u r a ln e f w o f k s 武汉理工大学顶士学位论文 第一章序论 1 1 基于i n t e r n e t 的远程故障诊断系统 1 1 1 概述 现代c c f w 设备的结构日趋复杂，自动化的程度也越来越高。为了保证这些缠绕 设备正常高效地运行，必须对其进行有效地监测和诊断。随着计算机网络技术的发展， 监测与诊断系统由面向单台或单一类型的设备，发展到以计算机网络为基础，把分布 在各处的传感器与各种服务和管理站点联系起来的分布式监测和诊断系统。而i n t e m e t 在全球的迅速发展，又有利于我们实现c c f w 设备的远程监测和诊断。 基于i n t e m e t 的ccfw 远程故障诊断技术是通过将ccfw 设备故障诊断技术 与计算机网络相结合，在玻璃钢生产企业的重要设备上建立状态监测点，采集设备运 行状态数据信息：而在技术力量较强的科研院所建立诊断中心设立cc fw 故障信号 分析和诊断服务器，对cc f w 设备运行进行监测和诊断。当现场ccfw 设备运行 出现异常时，其状态监测服务器便会向通过i n t e r n e t 向远程故障诊断中心传送故障数据 信号，远程故障诊断中对数据进行分析，利用专家系统确定故障类型和解决方案并返 回诊断结果。对于系统不能确定的故障还可以进行网上专家会诊。这对实现ccf w 设备的早期诊断和及时维修，从而最大限度的减少玻璃钢生产企业损失有重大意义。 另外远程故障诊断技术对实现资源共享，避免重复开发，加强各地的玻璃钢生产企业 与科研机构之间的技术交流也有极大的促进作用。 1 1 2 国内外研究现状 1 9 9 7 年1 月，首届基于i n t e m e t 的工业远程故障诊断研讨会由斯坦福大学和麻省 理工大学联合主办。会议主要讨论了远程诊断系统设备连接开放式体系，诊断信息规 程、诊断传输协议以及对用户的一些合法限制，并对将来的技术发展作了展望。随后， 斯坦福大学和麻省理工大学合作开发了基于i n t e m e t 的下一代远程诊断系统 ( i n t e m e t - b a s e dn e x tg e n e r a t i o nr e m o t ed i a g n o s i s ) ，建立了一个限于合作者间的远程诊 断示范体系t e s i b e d 。它采用嵌入式w e b 组网，用实时j a 、，a 和b a y e s j a n n e t 工具实现 远程信息交换和诊断推理。从那时到现在远程故障诊断发展比较快，许多大公司意 识到远程故障诊断的重要性，纷纷投入大量人力物力财力从事这方面的研究和开发工 作，到目前为止，世界上一些前卫的系统及设备诊断公司如b r e t e c h 公司，c o p e r e n e n y 武汉理工大学硕：e 学位论文 公司、s v d 设备诊断公司都在利用i n t e m e t 远程故障诊断系统来拓展他们的业务范围 和开展跨地域诊断与维修服务。 国内的西安交通大学上海交通大学、哈尔滨工业大学、东南大学、清华大学、 浙江大学和华中科技大学都在向国外先进水平看齐，已成立或准备从事： ：业领域的远 程故障诊断研究工作。目前，华中科技大学已成立了设备远程故障诊断中心站点。武 汉理工大学于己于1 9 9 8 年建立了故障诊断研究所。 在我国基于i n t e r n e t 的跨地域远程诊断系统还处于起步阶段，其研究的内容是 从软件平台，硬件接口和开发工具几个方面提供具体的技术支持和保障。主要内容包 括：i n t e r n e t 模式的跨地域远程协作网的架构技术；服务器端和客户端软件开发平台 和工具选择、设计技术：基于地理信息的诊断资源描述链接，调度技术；网络环境 下的系统及设备故障软件设计技术和共享数据标准，共享软件标准的制定。 1 1 3 基于i n t e r n e t 的c c f w 远程故障诊断系统的构成 c c f w 远程故障诊断系统由诊断分析器，个人用户终端，监测服务器和信息采集 站四种类型的计算机设备组成。系统工作原理为监测服务器w i n s o c k 小客户月务器程 序控制企业局域网内部的信息采集站，采集系统状态信息，并对系统进行常规诊断， 当诊断能力不足时，则用h t t p 协议通过网络请求设立在研究机构的诊断分析服务器的 急速支持。诊断分析服务器接到请求后启动内部相应分析软件，读取企业监测服务器 上相关信息最后将诊断信息以h ”p 或f t p 方式从网络上返回请求者。个人用户则可 用w w 浏览器，f t p 客户程序和e l l l a i l 客户与服务器交换信息。 1 2 本课题来源及其意义 本课题来源于刘老师多年在该领域实际工作经验，结合目前国内外c c f w 发展的 新趋势并结合当今国际最新的远程故障诊断系统而提出的新课题，具有十分重要的理 论和实践意义，其突出重要性表现在以下几个方面： 1 c c f w 远程诊断可实现各地的c c f w 专家通过i n t e r n e t 实现异地会诊。 2 c c f w 远程诊断可实现全国范围内的c c f w 诊断知识库和数据库共享，建立 全国性的c c f w 诊断知识库和诊断数据库。 3 c c f w 远程诊断可实现c c f w 系统从生产、安装到运行的全寿命管理，为 c c f w 系统运行性能提高和改善提供可靠的保障。 4 c c f w 远程诊断采用w e b 开放式系统结构。新入网的c c f w 系统可以共享网 上的所有资源，便于技术的普及和推广。 5 c c f w 远程诊断能够加强科研院所和生产企业的技术合作，提高企业的生产 管理水平和科研院所的技术研究水平。 2 武汉理工大学硕士学位论文 1 3c c f w 故障诊断方法 为了有效地对c c f w 设备进行维护人们必须了解c c f w 设备的工作信息状态， 掌握设备运行状态。从而识别( 诊断) 系统发生的故障，这些正是c c f w 设备故障诊 断技术所关心的问题。c c f w 故障诊断中常见的诊断方法论述如下。 基于远程神经网络故障诊断方法 神经网络应用于故障诊断是其最成功的应用之一。由于神经网络具有原则上容错 、结构拓扑鲁棒、联想，推测，记忆、自适应性、自学习、并行和处理复杂模式的功 能，使其在工程实际中存在着大量的多故障、多过程、突发性故障，庞火复杂机器和 系统的监测及诊断中可发挥较大作用。 现场的设备发生故障时信号采集到计算机，经过本机或远程信号分析工具进行特 征提取，形成故障特征，把现场碰得到的所有故障的特征信号构成特征信号构成试验 样本，用神经网络加以学习，学习达到一定的精确度以后，把神经网络的结构和权值 作为一个文件保存起来，成为知识度以后，在故障诊断时就可以将这个文件读出来一 重构神经网络，根据现场设备的特征来判断发生了何种故障。 另外，在远程故障诊断服务器端本系统提供另一种功能，就是实现神经网络试 验样本库的扩充，神经网络通过i n t e m e t ，获得新的试验样本来学习，得到新的知识文 本，这样一来就可以保证诊断服务器可以通过i n l e m e t 得到更多故障样本和更多的学习 机会，使其拥有超出单机上的神经网络诊断程序的诊断能力。 神经网络的知识文件仅仅由神经网络的结构参数和系数权值组成，文件所占的容 积很小，十分便于在i n t e m e t 上传输，客户可以通过嵌入在浏览器中的j a 、，a 米访问它， 重构神经网络，使用远程神经网络诊断工具完成故障诊断。 远程小波分析算法 故障信号分析是远程故障诊断服务器上的一个重要组成部分，我们专门为远程故 障诊断系统开发了远程小波分析工具。 小波分析和小波变换是近年来迅速发展起来的新兴科学。同时具有理论和实践意 义。它的分析方法类似予傅立叶分析，但与正弦和余弦基不同，而是一种新的表示函 数的基。小波分析是一种新的时频分析法，具有时频分辨能力。它在时域和频域具有 良好的局部性，特别适合处理分平稳信号。目前已成功应用于信号处理雷达及机械 故障诊断与检测等许多领域。 小波分析在故障诊断中的应用是基于信号处理及特征提取的故障诊断方法。基于 信号处理及特征提取的故障诊断方法主要有：时域特征参数及波形特征诊断法时差 域特征法，幅值域特征法、信息特征法、频谱分析法及频谱特征再分析法、时间序列 特征提取法滤波及自适应除噪法等。现在也引入人工智能，井相互结合。如下小波 分析同神经网络的结合，小波分析提取信号特征，作为神经网络的样本，对神经网络 武汉理工人学硕士学位论义 进行学习训练。 远程小波分析工具是以离散小波变换为理论基础，为了达到更佳的分析效果，针 对远程信号数据的获取和问题，如信号的采集和传输是异步进行的信号长度有限，对 小波离散直接变换进行了研究。特别是对小波离散直接变换出现的边缘效应问题做了 专门的研究。达到能够消除或减轻边缘效应的影响的目的，信号分析的效果较好。 基于w e b 的远程小波分析工具的实现机理是：用户采集了的实时信号，可以通过 i n t e r n e t 使用浏览器访问远程信号处理服务器，在远程小波分析工具的帮助下完成对信 号的处理。作为客户端的计算机只要连接了i n t e m e t ，安装了浏览器，不需要任何客户 端软件，就能够完成全部的工作。他具有如下几个优点： 性价比高：不需要昂贵的硬件仪器。 无地域限制：只要联上i n t e m e t 的任何地方多可以方便使用。 操作简便：用户只需在浏览器中浏览操作。 维护方便：基本不需要用户维护。 升级简单：软件升级完全在服务器端。 扩展简捷；完全在服务器端，不需要用户参与。 故障树分析算法 故障树法( f t a ) 也是近年来应用在故障诊断中一种比较广泛的方法。故障树法 ( 兀a ) 采用逆向推理原理，通过一个给定事件分析可能导致此事件的各种事件序 列的原因，从而定性及定量的分析评系统特性，帮助客户做出正确的决策。 故障树法( 兀a ) 是目前国内外公认的对复杂系统安全性，可靠性分析比较实用的 一种方法。它是一种自上而下逐层展开的演绎分析方法，它以系统或设备最不希望发 生的事情为顶，向下逐层找出导致该事件发生的各种因素，然后以一种特殊逻辑因果 图( 即故障树) 来由整体到部分地按树状逐级细分地分析，其目的是判断基本故障 确定故障原因故障影响和发生概率。 在故障诊断过程种，客户端的计算机通过本地的传感器提取c c f w 设备的故障信号， 运用适当的分析工具进行分析，提取相关的故障特性，然后，进入本地的故障诊断专 家系统中心，通过逻辑推理机进行推理，结合故障诊断专家系统中心的数据库通过分 析提取故障特征。判断导致故障发生的原因，在本地故障诊断专家系统分析失败以后， 客户端的计算机会将该故障特征保存起来为一个故障文件，同时，客户端会通过 i n t e r n e t 实现远程登陆，登陆到服务器端的远程故障诊断专家系统中心，寻求帮助。 服务器端的远程故障诊断中心在接到由客户端传输过来的故障文件，由异地和本地专 家根据传输过来的故障文件，通过网络会诊。通过分析故障特性。寻找出引起故障发 生的原因。通过i n t e r n e t 传回到本地客户端的故障诊断专家系统中心。此外由于 本故障诊断系统具有很强的自学习能力，客户端在接受到由服务器端的故障诊断中心 传输过来的故障诊断结果以后，会扩充本地的故障诊断专家系统中心知识库，这样一 来，随着时间的推移，本地故障诊断系统专家系统的故障诊断能力将不断地提高。 故障树法( f t a ) 诊断的一个重要有点就是它具有其他故障诊断方法所没有的全 4 武汉理工大学硕士学位论文 面性，我们知道很多时候，导致故障发生的原因是复杂的、多方面的。因此，我们希 望能够找出引起故障的各种原因，此时，故障树( f 1 _ a ) 应该是最有效的方法之一。 它可以根据故障现象，由故障诊断专家系统根据推理机推理山引起故障各种可能原因。 从而较为全面准确地分析引起故障发生的原因。 本章小节 本章主要分析了该课题的研究提出及其现实意义，展望了近几年国内远程故障诊 断系统的发展状况，并简单地分析了故障诊断系统中几种常见的故障诊断方法。 武汉理工大学硕士学位论文 第二章故障诊断系统方法原理 设备故障诊断经过几十年的发展，现已经形成了多种故障诊断方法模型。其中人 工智能故障诊断方法模型是现代故障模型中应用最为广泛，常见的人工智能故障诊断 方法包括：模糊神经网络故障诊断方法：专家系统故障诊断方法；故障树故障诊断方 法；小波变换故障诊断方法等等。在本节中，我们将对一些常见的故障诊断模型进行 一些讨论。 2 1 小波变换故障诊断 我们知道许多的系统故障都是通过信号表现出来，从传感器检测的信号中包含有 大量的故障信息( 主要是设备的各种振动信号) ，这些信息是我们进行系统故障判断的 依据。可以这样说，现代的绝大部分的故障判断都是通过对从设备中提取的信号进行 分析以后到达的，但是传统的傅立叶信号处理方法由于种种局限，并不能用于非稳态 信号的处理，而在现在设备中非稳态信号是广泛存在的，特别是一些机械设备中则更 为广泛，因此，对于我们利用信号特征向量进行故障诊断十分不利，使我们的故障诊 断并不十分准确。小波变换就是通过对低频信号采用宽时窗和对高频信号采用窄时窗 分析，提高谱线的分辨率，可以十分精确地将设备信号的中的小波谱和小波分量进行 放大，分离出高频特征信号和低频特征信号，表征故障信号的不同来源和不同特征， 使我们可以利用这些特征向量进行故障诊断。 2 1 1 小波变换的数学模型 小波函数 小波函数的定义是小波函数y ( ，) 必须满足方程 或者f = y ( ，) 出= o c ，：r 掣2 虮佃 ( 2 1 ) ( 2 2 ) 小波函数y ( ，) 的平移和伸缩 2 一“2 ) ( 2 一f 一女) i _ ，t z ) 构成r ( r ) 的一组正 交小波基。因此选择了小波函数就等于选择了一组小波基。一般而言，人们常将函数 6 武汉理工大学硕士学位论文 ( ，) 称为母小波( 或母函数) ，而将y ， ( ，) = 2 1 “妒( 2 1 ，一女) 称为真正的小波( 或 子波) 。母小波伸缩是指：母小波经过拉伸和压缩尺度因子调节信号分析的目的，大尺 度小波反应信号总体框架变化趋势，小尺度小波反应信号的细节信息。 当前，研究各类小波如正交小波，双正交小波，向量小波连续小波、二进小波 、离散小波以及非交换域上正交小波的构造和基本性质研究选取最优小波的方法等 等，是小波分析研究的重要内容。 在用小波分析处理信号时，总希望非零小波系数尽可能少，导致这种结果有三点 需要把握：小波本身的正则性( 或均匀性) ；小波支集的长度：小波消失矩的阶 数。函数的k 阶矩是指积分： 女= d ( x ) x 出 ( 2 3 ) k 阶消失矩是指式( 2 3 ) 的积分t = 0 ，消失矩的实际影响是将信号能量相对集中在 少数几个小波系数里，小波消失矩与其支集长度有十分密切的关系，d a u b e c h i e s 证明， 若小波有k 阶消失矩则其支集长度至少为2 k - 1 ，并且增加支集长度导致计算量上升， 究竟多少阶消失矩最适合要看具体的应用。在实际应用中。小波矩不一定非要完全消 失( 即= 0 ) ，只要其相对而言非常小( 肼t “o ) 即可。 由于正交小波基构造比较困难，于是a l b e n 等人提出了近似正交小波一双正交 小波。 定义函数| l f ，( f ) 是双正交小波，它满足： i妒( ，) 加= o ( 2 4 ) y j i ( r ) = 2 一7 2 妒( 2 一f 一七) ( 2 5 ) = 0 ，七，肌z ( 2 6 ) 双正交小波用两类小波集合实施运算，一类用于信号分解，另一类用于信号重构， 并具有极好的信号重构效果，且没有冗余信息。一般情况下，设计双正交小波有更多 的自由度，尤其对于高维小波，比如，我们仅用平移技术就能构造新的双正交小波， 但是，平移不能产生新的正交小波。 尺度函数 定义函数( ，) 是尺度函数，它满足条件 7 武汉理工大学硕士学位论文 ( i ) o 的权值 w ( 6 ，口) = 1 一， 即一条有向边的权值为其起点的逆事件的关键重要度。 图2 2 各有向边的权值： w ( 6 ，日) = l 一蓐 w ( f ，口) = 1 一誓 w ( d ，6 ) = l 一哆 7 ( 2 2 7 ) ( 2 2 8 ) ( 2 2 9 ) ( 2 3 0 ) 武汉理t 人学坝l 学位论史 w ( p ，6 ) = 1 一，； w ( 厂，d ) = 1 一 w ( g ，d ) = l 一，：， w ( d ，d ) = w ( d ，6 ) + w ( 6 ，日) = 2 一巧，一，； w ( p ，口) = w ( p ，6 ) = w ( 6 ，口) = 2 一，；一 w ( 厂，玎) = w ( 厂，d ) + w ( d ，6 ) + w ( 6 ，玎) = 3 一，j ，一，：，一，； w ( g ，口) = w ( g ，d ) + w ( d ，6 ) + w ( 6 ，口) = 3 一，；，一，：，一，； w ( ，c ) = w ( f ，c ) w ( | b & f ，c ) = 卜0 2 3 4 故障树模型的知识表示 故障树模型是一个反映诊断对象结构、功能和行为的定性因果关系模型，它体现 故障转播的层次和子，父节点间关系的因果性，故障树上某一子点和其父节点间构成 一个正向因果链，就故障诊断而言子节点是父节点的故障源。故障树上某一子节点 与其父节点之间存在着确定性的因果关系，即如果子事件发生，那么父事件一定发生 表示为：i f 子事件n e n 父事件，因此可借用经验规则的i f t h e n 表示形式来表示 故障树的正向因果关系但尽管表示形式相同，实质上两者是有差别的经验知识中的 i 卜_ t h e n 表示的是浅知识，而故障树模型中的i f t h e n 表示的是深知识。因此我 们把故障树模型中的i 卜t h e n 表示为广义规则。 考虑到面向对象的思想与故障树的结合，我们提供如下的知识表示形式：面向故 障树的基于框架和广义规则的混合知识表示。 所谓面向故障树，就是把每个故障树作为个对象，有关该树的信息装在一个独 立的框架中，而框架的每个槽对应一条广义规则。 故障树是一个有向树( 如图2 所示) ，每条有向边( 或门) 或多条有向边( 与门) 对应一条广义规则规则的前提即为有向边的起点规则的结论即为有向边的终点。 因此一条广义规则表示如下； ( r u l e i 。，i f ( ( a n d ，o r ) h ( i ) ) t h e n ( c ) 】 1 8 武汉理工人学倾，l 学位论文 其中i 表示规则号； 表示规则权值 ( a n d ，o r ) ( h ) ( j ) 表示规则的前提，a n d ，o r 分别表示与门和或门： c 表示规则结论； 如果( a n d ，o r ) 等于a n d ，则表明节点h ，i 是逻辑与门：如果( a n d ，o r ) 等于o r ，则表明节点h ，j 是逻辑或门。因此面向故障树的基于框架和j 一义规则的混 合知识表示为： 定义广义规则的权值即为其前提所对应的故障事件的权值，如贡献因子、事件重 要度、时间间隔，关键重要度等。 事件重要度：该事件的发生是故障树的顶事件发生的关键性的一个度量。 贡献因子：某事件的发生是由该事件引起而不是其兄弟事件引起的可能性的一种 启发式度量。 时间间隔：在或门条件下，一个事件的时间间隔是从该事件发生的时刻到其父事 件发生的时刻所经历时间的一个估计。在与门条件下，则是所有子事件发生到父事件 发生的时刻延迟的度量。 关键重要度：某事件概率的变化率所引起的顶事件的故障概率的变换率。 2 3 5 故障树模型的推理 基于故障树模型的诊断就是利用现有的测点信息和故障树节点间的逻辑关系进行 反向推理。利用异常节点作为推理的起始点利用正常节点