（机械电子工程专业论文）电液伺服系统的智能故障检测与诊断的研究.pdf

南京理工大学硕士学位论文 电液伺服系统的智能故障检测与诊断研究 摘要 随着现代工业及科学技术的迅速发展，电液伺服系统的故障诊断己经越来 越受到重视。由于计算机技术、检测技术、信息技术和智能技术的进步，大大地 促进了电液系统故障检测与诊断技术的发展。诊断技术已开始进入一个新的阶 段，神经网络作为一种智能故障诊断方法得到了广泛的应用。本文正是以b p 神 经网络为基础，对智能故障诊断方法进行了深入研究 本文首先基于故障诊断方面的大量文献，比较了各种故障诊断方法，分析了 它们的优、缺点。根据电液伺服系统故障的复杂性，采用神经网络作为智能故障 诊断的主要方法。并提出了利用统计学相关分析的方法对故障征兆指标进行筛 选，在保证神经网络故障诊断效果的同时，减少了神经网络的输入节点，从而简 化了神经网络结构。另外，本文提出了一种用耦合度矩阵对神经网络的诊断结果 进行修正的方法，并在实验中取得了良好的诊断效果 然后根据电液伺服系统的特点和需求，建立了以b p 神经网络为基础的智能 故障诊断系统，并对电液伺服系统进行了故障诊断的仿真和实验，并将故障指标 的相关分析筛选法应用到仿真和实验中，结果比较令人满意，证明了其有效性 这些对于促进电液伺服系统故障诊断的智能化和快速化具有一定的实用意义 关键词：电液伺服系统人工神经网络主成分分析 典型相关分析故障诊断 南京理工大学硕士学位论文电液伺服系统的智能故障检测与诊断研究 a b s t r a c t w i t ht h er a p i dd e v e l o p m e n to fs c i e n c ea n dt e c h n o l o g yi nm o d e r n i n d u s t r y ，f a u l td i a g n o s i sh a sd r a w ni n c r e a s i n ga t t e n t i o nf r o mp e o p l eo f r e l a t e df i e l d t h ed e v e l o p m e n to ft h ec o m p u t e rt e c h n o l o g y ，t e s t i n g t e c h n o l o g y ，i n f o r m a t i o nt e c h n o l o g y a n d i n t e l l i g e n c et e c h n o l o g y s t i m u l a t et h e r a p i dd e v e l o p m e n to fh y d r a u l i c s e r v os y s t e mf a u l t d i a g n o s i s t h ed i a g n o s i st e c h n i q u e sh a sr e a c h e da n e wp h a s e w h i c hi s i n t e l l i g e n td i a g n o s i sp h a s e i nt h i sp a p e r ，f u r t h e rr e s e a r c hi st a k e no n t h eb a s i co fb pn e t w o r k sa n df a u l td i a g n o s i s t h i sp a p e rs u m m a r i z e st h ea m o u n t so fl i t e r a t u r e ，c o m p a r e st h e m e t h o d so ff a u l t d i a g n o s i s a n dp o i n t so u tt h ea d v a n t a g ea n d d i s a d v a n t a g e a c c o r d i n gt ot h ec o m p l e x i t yo fh y d r a u l i cs e r v os y s t e m ， t h i sp a p e rt a k e sn e u t r a ln e t w o r k sa sm a i nm e t h o do fi n t e l l i g e n tf a u l t d i a g n o s i s s t a t i s t i ct e c h n i q u ei su s e di ns e l e c t i o no ff a u l td i a g n o s i s s y m p t o m ，w h i c hr e d u c e st h ei n p u tn o d eo fn e u t r a ln e t w o r k ，a n dk e e p s t h ee f f e c ta tt h es a m et i m e t h i s s i m p l i f i e s t h en e u t r a ln e t w o r k c o n f i g u r e o t h e r w i s e ，t h i sp a p e rp r e s e n t sam e t h o dt oi m p r o v et h er e s u l t o fn e u t r a ln e t w o r k sb yc o u p l i n gd e g r e em a t r i x ，a n do b t a i n sg o o de f f e c t i ne m u l a t e sa n de x p e r i m e n t s a c c o r d i n gt ot h ec h a r a c t e r i s t i ca n dr e q u i r e m e n to fh y d r a u l i cs e r v o s y s t e m ，t h i sp a p e rc o n s t i t u t e st h ei n t e l l i g e n tf a u l td i a g n o s i ss y s t e m b a s e do nb pn e u t r a ln e t w o r k ，a n dp e r f o r mt h ee m u l a t ea n de x p e r i m e n t o nt h eh y d r a u l i cs e r v os y s t e m t h er e s u l ts h o w sg o o de f f e c ta n dp r o v e s t h ev a l i d i t yo ft h em e t h o d s a n dh a sac e r t a i ns i g n i f i c a n c ea i m i n ga t a c c e l e r a t i n gt h ei n t e l l i g e n ta n df a s tf a u l td i a g n o s i so fh y d r a u l i cs e r v o s y s t e m k e yw o r d ：h y d r a u l i cs e r v os y s t e m p r i n c i p a lc o m p o n e n t sa n a l y s i s c a n o n i c a lc o r r e l a t i o na n a l y s i s a r t i f i c i a ln e u r a ln e t w o r k f a u l td i a g n o s i s 声明 本学位论文是我在导师的指导下取得的研究成果，尽我所知，在 本学位论文中，除了加以标注和致谢的部分外，不包含其他人已经发 表或公布过的研究成果，也不包含我为获得任何教育机构的学位或学 历而使用过的材料。与我一同工作的同事对本学位论文做出的贡献均 已在论文中作了明确的说明。 研究生签名：童j 墨垫 。( 年6 月、日 学位论文使用授权声明 南京理工大学有权保存本学位论文的电子和纸质文档，可以借阅 或上网公布本学位论文的全部或部分内容，可以向有关部门或机构送 交并授权其保存、借阅或上网公布本学位论文的全部或部分内容。对 于保密论文，按保密的有关规定和程序处理。 研究生签名：王：) 丝壑。6 年肛7 日 南京理丁大学硕士学位论文电液伺服系统的智能故障检测与诊断研究 1 绪论 1 i 研究的背景和意义n 】2 1 啪 随着现代科学技术的迅速发展，尤其是计算机科学和控制科学的飞速发展，一 方面使得系统的规模和复杂程度增加，另一方面系统出现的某些微小故障若不能及时 检测并排除，就有可能造成整个系统的失效、瘫痪，甚至导致灾难性后果，如美国挑 战者号航天飞机的失事，原苏联切尔诺贝利核电站的泄漏事故等，这与系统庞大的规 模和高度的复杂性形成了尖锐的矛盾因此，如何提高系统的安全性、可靠性，防止 和杜绝影响系统正常运行的故障发生和发展就成为了一个有待解决的闯题。提高系统 安全性、可靠性的方法有多种，故障检测和分离技术( f d i ，f a u l td e t e c t i o na n d i s o l a t i o n ) 就是其中一个重要方法然而，随着现代工业及科学技术的迅速发展，生 产设备日趋大型化、高速化、集成化、复杂化、自动化和智能化，传统的诊断技术已 不能适应目前的需求了。 液压系统由于具有体积小、质量轻、功率大、工作平稳且可实现大范围的无级 调速等优点，其应用日趋广泛。由于液压系统工作元件及工作介质的封闭特性，给系 统的状态检测和在线故障诊断带来了困难而且液压系统结构与工作原理都比较复 杂，其故障的发生往往牵涉到机械、电子、自动控制等环节，所以液压系统故障检测 和诊断都很困难。液压系统作为一个整体，其中任一元件的故障均会影响到系统的运 行，而一旦出现故障，很难准确地判断故障发生的具体部位。实际中往往用拆卸的检 查方法，不可避免地扩大了拆修范围，装配过程中又容易出错，易引起新的故障，因 而迫切需要发展先进的故障检测与诊断方法进行液压系统的状态监测和故障的识别 与诊断 近年来，由于计算机技术、检铡技术、信息技术和智能技术的发展，大大地促 进了液压系统故障检测与诊断技术的发展。液压系统装置的故障检测与诊断技术主要 是以工况监视为主，对设备特征信号进行检测和分析处理，利用特征信号进行故障分 析诊断 i 2 故障诊断技术的研究发展m 嘞嘲 故障检测与诊断技术( f a u l td e t e c t i o na n dd i a g n o s i st e c h n o l o g y ) 是指对运行中 的机械或设备的异常状态的检测、异常状态原因的识别以及包括异常状态预测在内的 各种技术的总称故障检测就是判断系统是否发生了故障以及识别出故障发生的时 刻：而故障诊断涉及故障分离、故障辨识等内容，包括分离出故障发生的部位( 传感 器、执行器或元部件) 、判别故障的种类( 缓变型或突变型) 、估计故障的严重程度和 时变特性，并进行评价与决策等内容 自从故障诊断技术诞生以来，便逐渐引起了学术界的关注各国都展开了这方 第1 页 南京理工大学硕士学位论文 电液伺服系统的智能故障检测与诊断研究 面的研究，并取得了许多成果，故障诊断技术的内涵也从初始的某一台机械或设备的 故障诊断发展为工业过程动态系统的故障诊断 美国是最早开展故障诊断技术研究的国家目前，美国已有多家公司从事故障 诊断系统的工作，其中最知名的有：西屋公司( w h e c ) ，b e n t l y 公司和i r d 公司 西屋公司从1 9 7 6 年开始电站在线计算机诊断工作。1 9 8 1 年进行电站人工智能专家故 障诊断系统的研究，1 9 8 4 年应用于现场，后来发展成网络化的汽轮发电机组诊断专 家系统( a i d ) ，并建立了沃伦多故障运行中心( d o c ) 在欧洲也有不少公司从事故 障诊断技术的研究、产品的开发及应用。如瑞士a b b 公司目前正在大力发展振动观 察系统( v i b r o - l q e w ) ，并由诊断软件精确诊断机器故障法国电气研究与发展部近 年来发展了以监测与诊断辅助站的p s a d 系统，用于大型电站机组监测与诊断英国 在6 0 年代末，由c o l l a c o t t 的机械状态监测中心首先开始诊断技术的研究，目前已有 多家机构从事此项研究 我国对故障诊断技术的研究也十分重视，国内的故障诊断技术从8 0 年代中期开 始进人了迅速发展的时期。目前，在理论研究方面，形成了具有我国特点的故障诊断 理论，出版了一系列相关的论著，研制出了可与国际接轨的大型设备状态监测与故障 诊断系统。上海发电设备成套设计研究所、哈尔滨工业大学等单位都开发出了多种类 型的故障诊断装置；山东电力科学研究院和清华大学等单位在1 9 9 7 年共同开发了类 似于美国西屋公司的a i d 系统的“大型汽轮发电机组远程在线振动监测分析与诊断 网络系统”。 1 3 故障诊断的主要方法| 7 1 1 8 1i g l 1 0 11 1 1 1 故障诊断就是对被诊断的对象( 机器或系统) 当前状态的识别和未来状态的估 计( 趋势分析) ，识别它是正常还是异常? 若是正常，能正常多久? 若是异常，则异 常到何程度；是轻微故障还是完全失效? 还可以运行多久? 系统状态的变化必然会由 其自身的状态特性的变化来反映，实质上故障诊断是在时域内识别被诊断对象的实时 状态抽象到理论上来看，故障诊断就是系统识别，而系统识别的理论也就是故障诊 断的机理。 故障检测诊断系统白出现以来，得到了迅速的发展。人们已提出了各种故障检 测和诊断方法。常见的故障检测和诊断方法有：1 ) 基于数学模型的方法；2 ) 统计方 法；3 ) 故障树技术；4 ) 模式识别方法；5 ) 基于模糊数学的方法；6 ) 专家系统；7 ) 人工神经元网络等等。这些不同的故障检测和诊断方法实质上利用了系统不同方面的 知识 第2 页 南京理工大学硕士学位论文电液伺服系统的智能故障检溯与诊断研究 1 - 3 1 基于数学模型方法n 2 基于数学模型的方法是一种典型的利用系统定量模型知识的方法这类方法于 七十年代初，首先从美国发展起来的。1 9 7 1 年麻省理工学院的b e a r d 博士提出了分 析冗余代替硬件冗余，同时通过系统的自组织使系统闭环稳定，并通过比较观测器的 输出得到系统故障信息的新思想，标志着这门技术的开端 当系统中存在故障时，系统的输入输出关系就会改变，这些变化就会反映在数 学模型中，因而通过观测系统数学模型的参数变化，便能判定系统是否存在故障基 于解析模型的故障诊断方法能够深入研究系统本质的动态性质并进行实时诊断，该方 法可以分为状态估计方法、等价空间方法和参数估计方法 基于数学模型的故障检测与诊断方法的主要思想是通过建立系统的动态和静态 模型，用龙伯格观测器或卡尔曼滤波器等对模型参数或状态进行估计、辨识，产生残 差，对残差进行分析、统计检验，提取故障特征而实现故障诊断和分离整个诊断过 程可分为两个步骤：1 ) 产生残差；2 ) 从残差中提取故障特征进而实行故障检测和分 离。 根据不同的残差产生方式可将其分成下述四种基本方法： ( 1 ) 线性空间法； ( 2 ) 用观测器及基于滤波理论的方法： ( 3 ) 故障检测滤波器法； ( 4 ) 参数辨识法； 1 3 2 基于多元统计的方法 主元分析方法( p c a , p r i n c i p a lc o m p o n e n ：【sa n a l y s i s ) 是典型的利用过程统计知 识的方法。该方法利用过程的正常工作区间内产生的数据建立统计模型。如果有故障 发生，那么所检测的过程数据往往会与正常工作区间的统计模型发生矛盾，因此可用 参数估计、区间估计、假设检验的方法来判断工况是否异常常用的方法是主元分析 法( p c a ) 和部分最小二乘法( p l s ) 由于该类方法不依赖于系统的定量模型，因此，比较适用于历史数据丰富的化 工过程。此外主元分析法的部分最d 、_ - - 乘法，有一个很好的性能，就是它们能对关联 性较大的尾数较高的数据矩阵进行分析，揭示出数据矩阵的主要结构，保留原始数据 中的特征信息而忽略冗余信息从而对数据矩阵进行简化和降维。化工厂的许多过程 中，过程内部变量之问存在较强的相关性，因此有大量数据是冗余的。主元分析和部 分最小二乘法就能从这些相关变量间抽取少量的、必要的不相关向量，而这些不相关 向量往往捕获了过程的主要信息。从而利用这些不相关向量就可以反映整个过程运行 状况，所以可以通过对这些不相关向量的分析和检测以达到对整个过程的异常情况的 第3 页 南京理工大学硕士学位论文 电液伺服系统的智能故障检测与诊断研究 监测。 无论是主元分析法还是部分最小二乘法都是建立在线性相关分析的基础上的， p c a 方法实质是一种线性方法，对于复杂非线性系统，常规p e a 方法在提取系统统 计特征时将存在两个问题：( 1 ) 数据压缩可能不充分，引起主元个数增多；( 2 ) 主 元个数的取舍可能导致监视结果不准确。若较小的主元中包含重要的非线性信息，合 弃较小主元，将导致重要的信息丢失；否则，主元个数增多导致系统监视复杂如果 过程的变量间虽存在着相关性，但非线性程度较大，简单的套用这类方法，难以寻找 出变量间的真正内在的关系，从而使得检测效果不佳 1 3 3 故障树分析法1 川1 们 故障树分析法( f 1 a ) 主要利用过程的定性因果模型知识该方法是6 0 年代由 b e l l 实验室的h a w a s t o n 首先提出的。这种方法的前提条件是：具备有关故障症状 与原因间的先验知识和故障概率知识。它将系统的故障症状作为上端事件，用逻辑符 号( o r , a n d , n o t ) 将上端事件和所有可能产生该事件相关联的各个事件( 中间事 件) ，连接起来，直至最基本的事件( 也就是最终故障) ，形成一棵倒立的故障树，然 后对故障树进行综合，求出上端事件发生的基本原因集合。一旦系统中出现故障症状 时就可以从系统的最终故障现象也就是上端事件开始，通过不断的提问“为什么会出 现这种现象”而对故障树进行启发式搜索，直至查到该症状的最终原因。 故障树分析法实质就是在系统设计过程中，通过对可能造成系统故障的各种因 素( 包括硬件、软件、环境、人为因素等) 进行分析，画出逻辑框图( 即故障树) ， 从而确定系统故障原因的各种可能组合方式及其发生率，以计算系统故障率，采取相 应的纠正措施，以提高系统可靠性的一种设计分析方法。故障树分析法具有以下特点： ( 1 ) 它具有很大的灵活性，即不是局限于对系统可靠性作一般的分析，而是可 以分析系统的各种故障状态不仅可以分析某些元件故障对系统的影响，还可以对导 致这些元件故障的特殊原因进行分析，予以统一考虑 ( 2 ) f t a 法是一种图形演绎方式，是故障事件在一定条件下的逻辑推理方法 它可以围绕某些特定的故障状态作深入的分析，因而在清晰的故障树图形下，表达了 系统内在联系，并指出元件故障与系统故障之间的逻辑关系，找出系统的薄弱环节 ( 3 ) 进行f t a 的过程，也是一个对系统更深入认识的过程。它要求分析人员把 握系统的内在联系，弄清各种潜在因素对故障发生影响的途径和程度，因而许多问题 在分析的过程中就被发现和解决了，从而提高了系统可靠性。 ( 4 ) 通过故障树可以定量地计算复杂系统的故障率及其他可靠性参数，为改善 和评估系统可靠性提供定量数据 ( 5 ) 故障树建成后，对不曾参与系统设计的管理和维修人员来说，相当于一个 第4 页 南京理工大学硕士学位论文电液伺服系统的智能故障检浏与诊断研究 形象的管理、维修指南，因此对培训使用系统的人员更有意义 故障树分析法虽然具有自己的优点，但也存在着其缺点故障树分析法的缺点 主要是复杂系统的建树工作量大，数据收集困难，并且要求分析人员对所研究的对象 必须有透彻的了解，具有比较丰富的设计和运行经验以及较高的知识水平和严密清晰 的逻辑思维能力。否则，在建树过程中易导致错漏和脱节；大型复杂系统的故障树分 析占用计算机的内存和机时很多，对于时变系统及非稳态过程需与其它方法密切配合 使用；而且当遇到新问题、新情况时不能很好地进行诊断；最重要的是故障树分析法 诊断系统的软故障需编制复杂的软件程序，工作量较大 由于建立故障树的过程复杂，工作量大，时间长，收集建树所需的数据比较困 难，同时随着故障树的增大，故障树分析算法的复杂性也大大的增加所以通过利用 计算机自动或辅助生成故障树，并自动生成故障树的搜索策略将是该方法发展的一个 方向。 1 3 4 模式识别方法7 1 模式识别方法也是一种利用过程统计知识的方法故障诊断实质上就是根据从 系统运行过程中采集来的数据，进行分析判断，确定系统中是否存在故障以及存在何 种故障过程该过程完全可以认为是对系统的模式进行分类的过程，因此故障诊断问 题就可以转化成模式识别的问题。 该方法主要可分为两步：( 1 ) 故障特征选择和提取：( 2 ) 故障模式分类。其主 要思想是：首先对含有已知故障的过程历史测量值和系统故障的仿真模拟值，进行处 理，抽取类别特征形成故障样本模式，然后根据样本模式的特征。对过程实时测量值 进行预处理，并抽取特征向量，然后将这些简洁的、维数较低的、有携带了大部分测 量信息的特征向量，送入分类器，识别出模式类别当测量信号与某一故障样本模式 接近时，可确定该故障样本对应的故障将要发生或己经发生，从而达到故障检测和诊 断的目的。其基本框图如下： 测量值( 模式) 类别 图1 3 4 1 统计模式识别法故障诊断过程 第5 页 南京s t 大学硕士学位论文屯液伺服系统的智能故障榆铡与诊断研究 - _ 。_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 。_ _ _ 。_ _ _ 。_ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ _ 。_ 。_ _ _ 。_ 。- 。_ - _ _ _ _ _ _ _ _ _ - _ _ _ - _ _ - _ _ - _ 。_ _ - _ _ _ _ _ _ _ - - _ _ _ _ - _ _ _ _ _ _ _ _ _ _ 一 1 3 5 模糊逻辑方法m 钉 模糊性是由于事物在本质上没有确切的含义，在量上没有明确的界限而表现出 的一种属性。由于许多生产过程的某些状态具有不分明、不确定性，如对征兆的描述： 温度“偏高”、振动“厉害”等都具有模糊特性，这使得系统的某些故障状态也具有 模糊性，表现为：同一故障可能由不同的原因造成；同一故障可能会产生不同的故障 特征。美国自控论学者l a z a d e h 于1 9 6 5 年提出模糊集合论以来创立的模糊数学就 是用来研究这种模糊性。由于模糊逻辑具有较强的结构性知识表达能力，适于表达模 糊或定性的知识，推理过程比较接近于人的思维模式，同时模糊分类可以直接对专家 用语言描述的事件、关联的关系进行编码，易于人们理解。并且容易引入启发性知识， 追踪其推理过程，因此，将模糊理论引入故障诊断领域是一种必然趋势。 模糊故障诊断有两种基本方法，一种是先建立征兆与故障类型之间的因果关系 矩阵，再通过某种模糊合成算子建立故障与征兆的模糊关系方程，这是基于模糊关系 及合成算法的诊断方法。另一种基本方法是先建立故障与征兆的模糊规则库，再进行 模糊逻辑推理的诊断过程，这是一种基于模糊知识技术的诊断方法此外，基于模糊 推理的故障诊断方法还有：基于自适应模糊阈值的残差评价法、基于模糊聚类的残差 评价法和基于模糊逻辑的残差评价方法。 在故障诊断中，故障征兆常常显示出模糊性，故障与征兆的关系往往也是模糊 、 的，因而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。模糊语言变量 接近自然语言，知识的表示可读性强，模糊推理逻辑严谨，类似人类思维过程，易于 解释。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，且系 统的诊断能力依赖模糊知识库，学习能力差，容易发生漏诊或误诊。此外，由于模糊 语言变量是用模糊概率函数( 即隶属函数) 表示的，如何实现语言变量与隶属函数之 间的转换，是实现上的又一个难点 1 3 6 专家系统方法加1 2 专家系统是指利用研究领域专家的专业知识进行推理去解决专业的高难度实际 问题的智能系统。故障诊断专家系统作为专家系统中的一个分支，是人们根据长期的 实践经验和大量的故障信息知识，设计出的一种智能计算机程序系统，以解决难以用 数学模型来精确描述的系统故障诊断问题。传统专家系统是利用人的经验知识和过程 历史数据的一种诊断方法，现在的专家系统则又将过程的定性因果模型和定量模型也 纳入了其可利用的知识范围内。专家系统主要是根据生产人员大量的实践经验和过程 运行历史数据以及故障信息，建立起数据库和规则库，利用各种推理机制和搜索方法， 确定出最终的或最有可能的故障源，并为操作人员的决策提供支持。 第6 页 南京理1 = 大学 自从 于其广泛的应用范围而得到了迅猛的发展，故障专家系统其研究也得到了各国的高度 重视，并相继在各行业中得到了典型应用。我国目前研制开发出的专家系统主要用于 医学领域，用于机械设备故障诊断的还不多在现场应用的诊断系统中，除了从国外 引进的以外，国内一些高等院校和单位，如华中理工大学、哈尔滨工业大学、西安热 工研究所、辽阳石油化纤公司和北京英华达公司等也开展了这方面的工作，取得了一 定的成效 尽管专家系统解决了许多实际问题，现在也有了许多商品化的专家系统，工作 是令人满意的，但它还存在若干缺点：( 1 ) 当前的专家系统缺乏联想、容错、自学习、 自适应及自组织的自我完善功能；( 2 ) 专家系统诊断准确率的高低主要取决于知识库 的知识多少及正确率的大小，因此专家系统成功与否要看领域专家的合作程度以及他 的经验成熟程度，不同的专家给出的诊断规则可能相互矛盾，所以要开发一个复杂的 多功能专家系统对开发者及领域专家都很困难；( 3 ) 当系统很大时，知识库的组织和 维护十分复杂和困难，推理的效率也受到限制。 1 3 7 人工神经网络方法2 2 2 3 l m 1 2 s 堋2 7 1 近年来，人工神经网络( a n n s ，a r t i f i c i a l n e u r a l n e t w o r k s ) 理论的应用己渗透到 各个领域，并在智能控制、计算机视觉、传感技术与机器人、生物医学工程等方面取 得了令人鼓舞的进展。人工神经网络同现有的动态信号处理、专家系统、模糊逻辑等 诊断技术相结合，为故障信号分析与处理、故障模式识别、故障领域专家知识的组织 和推理等方面提供了一种新的途径，并推动了故障诊断的智能化 模拟人脑结构的人工神经网络方法是一种全新的、有前景的故障诊断方法在 知识获取上，神经网络的知识不需要由知识工程师整理、总结以及消化领域专家的知 识，只需要用领域专家解决问题的实例或范例来训练神经网络。神经网络系统的知识 获取与专家系统相比，既具有更多的时间效率，又能保证更高的质量 在知识表示中，神经网络采取隐式表示。它在知识获取的同时，自动产生的知 识由网络的结构及权值表示，并将某一问题的若干知识表示在同一网络中，通用性强， 便于实现知识的自动获取和并行联想推理。 神经网络的知识推理是通过神经元之问的相互作用实现的。网络同一层的推理 是并行的，不同层的推理是串行的由于同层内神经元的数目远大于层数，因此，从 总体上来讲，神经网络的推理是并行的，速度快在神经网络中，允许输入偏离学习 样本，只要输入模式接近于某一样本的输入模式，则输出也会接近学习样本的输出模 式，这种性质使神经网络具有联想记忆能力在许多领域的神经网络故障诊断系统中 已开始应用，如在化工设备、核反应堆、汽轮机或旋转机械和电动机等领域都取得较 第7 页 南京理工大学硕十学位论文电液伺服系统的智能故障检铡与诊断研究 好的效果 人工神经网络诊断技术较传统的故障诊断技术，如统计诊断技术、模糊诊断方 法等，具有较大的优越性：( 1 ) 并行结构与并行信息处理方式。神经网络具有类似于 人脑的功能，它不仅在结构上是并行的，而且处理问题方式也是并行的。克服了传统 的智能诊断系统出现的无穷递归、组合爆炸及匹配冲突等问题，因此它特别适合处理 大量的并行信息；( 2 ) 系统在知识表示和组织、诊断求解策略与实施等方面可根据生 存环境进行自组织达到自我完善；( 3 ) 具有很强的自学习能力它克服了传统的确定 性理论及模糊诊断理论在应用上的局限性。系统可根据环境提供的大量信息，自动进 行联想、记忆及聚类等方面的自组织学习，也可在导师的指导下学习特定的任务，从 而达到自我完善；( 4 ) 具有很强的容错性当外界输入到神经网络中的信息存在某些 局部错误时不会影响到整个系统的输出性能。 神经网络的不足之处在于未能充分利用许多特定领域中专家积累起来的宝贵经 验，只利用一些明确的故障诊断事例，而且需要有足够的学习样本，才能保证诊断的 可靠性由于神经网络从故障事例中学到的知识只是一些分布权重，而不是类似领域 专家逻辑思维的产生式规则。因此，诊断推理过程不能够解释，缺乏透明度而且神 经元网络本质是一个黑箱，对诊断结果缺乏解释能力；故障样本完备性往往得不到保 证；常规的故障诊断神经元网络往往会对在样本训练中未出现过的故障做出随意的判 断，给出错误的诊断结果人工神经网络还有其它许多局限性，主要是学习过程是一 个很麻烦的过程，网络学习没有一个确定的模式，一般根据经验来选取它的学习时 间很长，为了达到理想的效果，要经过多次实验，才能确定一个理想的网络拓扑结构 目前，神经网络用于故障诊断主要有五种方式： ( 1 ) 直接用神经网络进行故障诊断。其基本思想为：以故障征兆作为神经网络 的输入，诊断结果作为神经网络的输出。首先利用己有的故障征兆和诊断结果对神经 网络进行离线训练，使神经网络通过权值记忆故障征兆和诊断结果之间内在的对应关 系，然后就可以利用训练后的神经网络进行故障诊断，只要将得到的故障征兆加到神 经网络的输入端，就可以得到适当的诊断结果 ( 2 ) 用神经网络产生残差此时，神经网络将替代描述系统正常运行时的解析 模型。要利用神经网络产生残差，首先由直接测量或在仿真中采集被诊断对象的输入、 输出数据，建立其数据库，用这些样本数据对神经网络进行训练，然后才能用来产生 残差。 ( 3 ) 用神经网络评价残差。在应用神经网络评价残差时，需要应用残差库和故 障库作为样本对其进行训练训练结束后即可在线应用神经网络对残差进行评价，以 判断系统是否出了故障，并指出可能的故障源。 ( 4 ) 用神经网络做进一步诊断可以直接利用神经网络来拟合系统性能参数与 第8 页 南京理工大学硕士学位论文 电液伺服系统的智能故障检溯与诊断研究 执行器饱和故障之间的非线性函数关系，神经网络的输出即对应了某个执行器的故障 情况 ( 5 ) 用神经网络作自适应误差补偿。利用神经网络自适应补偿方法可以消除模 型误差对残差的影响，从而在存在未建模非线性的情况下实现鲁捧故障诊断 目前，人工神经网络法在设备故障诊断领域的应用主要集中在两个方面：( 1 ) 神经网络作为分类器进行故障模式识别；( 2 ) 神经网络作为动态预测模型进行故障预 测。在故障诊断方面应用最多的网络类型仍然是多层前馈神经网络，如b p 网络、r b f 网络但是，由于b p 算法在学习时采用梯度下降法，存在着收敛慢、振荡和局部极 小等问题。从许多发表的论文来看，对故障诊断中的算法的各种改进研究都是为了解 决b p 算法中的这些问题。针对b p 算法存在的问题，有人研究将无监督算法用于故 障诊断问题。 由于人工神经网络算法存在的问题可以通过对算法的进一步研究而改进但是， 人工神经网络由于知识的隐式表示导致解释能力差，用户对其诊断行为理解困难，却 是本质性问题 1 4 本文主要内容和安排 本文的研究工作可分为六个部分： 第一章：绪论 阐述了故障检测和诊断的意义；介绍了目前故障诊断的各种方法，其中主要包括： 数学模型的方法；多元统计方法；故障树技术；统计模式识别方法；模糊数学故障诊 断方法；专家系统方法；神经网络方法等。虽然目前存在着很多方法，但都有不足之 处，本文指出了故障诊断中存在的一些普遍问题 第二章：神经网络综述 阐述了神经网络的基本理论，介绍了神经网络的分类以及各种不同的学习算法， 并重点分析了经典的反向传播算法( b p 算法) ，及神经网络在故障诊断中的应用 第三章：电液伺服系统硬件组成 简要介绍了p x - 8 电液伺服系统的基本组成部分以及整体的硬件结构。详细说明 了每个部分的工作原理、硬件参数，分析了组成电液伺服系统的各部分元件性能和详 细规格 第四章：系统测试和模型推导 p x - 8 电液伺服系统的系统测试方法及数学模型的建立针对本文研究的电液伺 第9 页 南京理工大学硕士学位论文电液伺服系统的智能故障检测与诊断研究 服系统，分析组成系统元件的功能及特性，从理论上确定系统大致的传递函数，分析 系统存在的非线性因素。然后通过在实际系统上进行测试，辨识出传递函数中的参数 以及非线性因素的参数，最终得出系统的传递函数，并在s i m u l i n k 中建立起相应 的模型。 第五章：电液伺服系统的神经网络故障诊断仿真 建立仿真模型后，根据经验确定了电液伺服系统五种的常见故障通过对故障机 理的分析，对应每种故障状态。在s i m u l i n k 模型中进行相应的改变，从而模拟系 统在故障状态运行的情况。 目前故障诊断系统的诊断指标选取基本上都是依赖经验，有很强的主观性为了 解决诊断指标选取上的盲目性和随意性，本文提出了利用多元统计的主成分分析和典 型相关分析法对指标进行定量分析，尝试为指标选择提供了一种可靠的办法然后根 据诊断系统的要求建立b p 神经网络，用仿真出的训练样本对b p 神经网络进行训练， 并实验比较了标准的b p 算法和l - m 优化算法在收敛性方面的优劣。最后用测试样本 对训练好的b p 神经网络进行了诊断，得到了b p 神经网络故障诊断的正确率 第六章：b p 神经网络在电液伺服系统故障诊断中的应用 第五章的仿真结果表明，b p 神经网络在故障诊断方面具有实际的可行性和有效 性，为建立实际电液伺服系统的故障诊断神经网络奠定了良好的基础，本章首先利用 第五章的方法对实际系统搭建了b p 神经网络故障诊断系统，并用实际系统的运行样 本数据对神经网络进行了训练，再用测试样本对训练好的b p 神经网络进行了诊断效 果的评估，得出了b p 神经网络对实际系统的故障诊断正确率 对于像电液伺服系统这样由很多环节构成的复杂系统，故障环节往往对正常环节 的运行会产生一定影响，这样故障之间的相互耦合就会造成故障诊断中的误判现象， 从而降低了神经网络的故障诊断效果。对于这样的问题本文提出了耦合度矩阵的概 念，利用耦合度矩阵对故障进行解耦。就是利用耦合度矩阵对b p 神经网络的诊断输 出进行一次修正，实验结果表明，耦合度矩阵修正提高了神经网络的故障诊断正确率 第七章：结束语 总结了本文所做的工作，在此基础上提出了需进一步完善和深入研究的问题，并 对今后的研究方向进行展望 第1 0 页 南京理工大学硕士学位论文 电液伺服系统的智能故障检测与诊断研究 2 神经网络综述 2 8 1 1 2 9 1 3 # 1 $ 1 1 3 2 1 3 3 1 3 4 | 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k a n n ) 的研究从上世纪4 0 年代初开始 了，心理学家m c c u u o c h 和数学家p i t t s 首先提出了形式神经元模型( 简称m p 模型) ， 把神经元作为双态开关，并应用布尔逻辑的数学工具研究客观事件的形式神经网络的 模拟。心理学家h e b b 提出了神经元的学习规则，使神经网络具有可塑性，他们的研 究结果至今仍是许多神经网络模型研究的基础。有代表性的工作是r o s e n b l a t t 的感知 器和w i d r o w 的自适应线性元件a d a l i n e 1 9 6 9 年，m i n s k 了和p a p e r t 合作发表了颇有 影响的p e r c e p l r o n 一书。得出了消极悲观的论点，加上数字计算机正处于全盛时期， 并在人工智能领域取得显著成就，7 0 年代人工神经网络的研究处于低潮进入8 0 年 代，美国加州工学院物理学家h o p f i e l d 对神经网络的动态特性进行了研究，引入了能 量函数的概念，提出了用于联想记忆和优化计算的新途径。r u m e l h a r t 等人提出可误 差反向传播神经网络，简称b p 网络，它是一种能朝着满足给定的输入输出关系方向 进行自组织的神经网络。b p 网络目前已经成为广泛使用的网络，并以此为基础做了 许多改进，发展了某些快速收敛学习算法。尤其进入9 0 年代以来，掀起了研究神经 网络的热潮。目前在研究方法上，已经形成多个流派，最富有成果的研究工作包括： 多层网络b p 算法，h o p f i e l d 网络模型，自适应共振理论，自组织特征映射理论等。 神经网络系统是指利用工程技术手段模拟人脑神经网络的结构和功能的一种技 术系统，它是一种大规模并行的非线性动力学系统。在不同程度和层次上模仿人脑神 经系统的信息记忆、储存和检索的功能。不同领域的科学家，对a n n 有着不同的理 解、不同的研究内容，并且采用不同的研究方法对于控制领域的研究工作者来说， a n n 的魅力在于； ( 1 ) 能够充分逼近任意复杂的非线性关系，从而形成非线性动力学系统，以表 示某些被控对象的模型或控制器模型； ( 2 ) 能够学习和适应不确定系统的动态特性； ( 3 ) 所有定量或定性的信息都分布于网络内的各神经单元，从而具有很强的容 错性和鲁棒性； ( 4 ) 采用信息的分布式并行处理，可以进行快速大量运算。 2 1 神经元模型 人脑是由大量的神经细胞组合而成的，它们之间互相连接每个神经细胞( 也称 神经元) 由细胞体树突和轴突构成。细胞体是神经元的中心，它一般又由细胞核细胞 膜等组成。树突是神经元的主要接收器，它主要用来接受信息。轴突的作用主要是传 导信息，它将信息从轴突起点传到轴突末梢，轴突末梢与另一个神经元的树突或细胞 第n 页 南京理工大学硕士学位论文电液伺服系统的智能故障检测与诊断研究 体构成一种突触的机构通过突触实现神经元之间的信息传递 对人脑神经元进行抽象简化后得到一种称为m c c u l l o c h - p i t t s 模型的人工神经元， 如图2 i 1 所示： 图2 i 1 人工神经元模型 该神经元模型的输入输出关系为： 勺2 磊一一哆2 舌毛2 巳，2 一 ( 2 1 ) 乃2 ，b ，j ( 2 2 ) 其中巳称为阀值，w _ 称为连接权系数，外) 称为输出变换函数，对于不同的应 用，所采用的输出变换函数也不同，应用于控制中的神经元所采用的输出变换函数常 用的有以下三种： ， ( 1 ) 简单线性函数神经元的输出函数，【) 连续取值，各神经元的构成的输出 矢量y 由输入矢量x 与连续矩阵加权产生，输出为： y ( k + 1 ) = 阡x 伍) ( 2 3 ) ( 2 ) 线性值函数这是一种非线性函数，输出只取两值，+ l 与一l ( 或i 和o ) ， 当净输入大于某一口值时，输出取+ i ，反之取一1 ，这一特性可用符号函数表示： m + 1 ) = s g n o 掰 ) 一口) ( 2 4 ) ( 3 ) s i g m o i d 函数( s 型函数)神经元的输出是限制在两个有限值之间的连 续非减函数，其表达式为 m “) = 诎怯呶阱叫 。2 在s 型函数中，可以通过改变封0 值的大小来调整曲线的曲率，函数的最大值和 最小值分别取+ 1 和一l 。若欲使函数的值最大和最小值分别取+ 1 和0 ，可作简单的 坐标变换，用以下的函数表示： 第1 2 页 南京理工大学硕士学位论文电液伺服系统的智能故障检测与诊断研究 舭蛐( 珊赢 晓。， 万 ；多。 ( a ) 线性函数( b ) 线性值函数c o ) s i g m o i d 函数 图2 1 2 人工神经元活化函数特性 2 2 神经网络的结构 神经网络结构主要指它的联接方式。神经网络是由若干个神经元以一定联接而成 的复杂系统，神经元的模型确定以后，一个神经网络的特性及能力主要取决于网络拓 朴结构及学习方法。以下介绍人工神经网络连接的几种基本形式： ( 1 ) 前向网络( 前馈网络) 前项网络通常包含许多层，如图2 2 1 ( a ) 所示为三层网络。这种网络特点是只 有前后相邻两层之间神经元相互连接，各神经元之间无反馈每个神经元可以从前一 层接受多个输入，并只有一个输出送给下一层的神经元。 ( 2 ) 反馈网络 反馈网络从输出层到输入层有反馈，即每一个节点同时接受外来输入和来自其他 接点的反馈输入，其中也包括神经元输出信号引回到本身输入构成的自环反馈，如图 2 2 1 ( b ) 所示。这种反馈网每个节点都是一个计算单元 ( 3 ) 混合型网络 网络结构如图2 2 i ( c ) 所示，通过层内神经元之间的相互连接，可以实现同 一层神经元之间横向抑制或兴奋的机制，从而限制层内同时动作的神经元数，或者把 层内神经元分成若干组，让每组作为一个整体来动作一些自组织竞争型神经网络就 属于这种类型。 第1 3 页 图2 2 1 神经网络的典型结构 ( 4 ) 相互结合型网络 网络的结构是互相结合的，构成网络中各个神经元都相互双向联接，所有神经元 既作输入，同时也用于输出。这种网络对信息的处理过程是：当某一时刻从神经网络 外部施加一个输入时，各个神