科技发展综述性报告.doc

智能诊断技术综述设备故障诊断技术是在电子、计算机技术的发展中产生的一门技术。当1个系统的状态偏离正常状态时,就称该系统发生了故障,此时系统可能完全也可能部分丧失其功能。故障诊断就是寻找故障原因的过程,包括状态检测、故障原因分析及劣化趋势预测等内容。传统故障诊断技术在分析结构比较复杂的深层次故障时效果不理想,且对操作员能力要求较高;而人工智能技术的发展,则使诊断技术走向了智能化。由于智能故障诊断技术可模拟人类的逻辑思维和形象思维,将人类各种知识融入诊断过程,故可实现对大型复杂设备的实时、可靠、深层次和预测性故障诊断,获得的诊断信息就能准确地对诊断对象的状态进行识别和预测。因此这一技术也受到了世界各国工程研究人员的普遍重视。目前,随着基于行为的人工智能、分布式人工智能、多传感器信息融合技术以及新理论的提出与发展,故障诊断也获得了新的发展机遇。一 断技术的发展历史故障诊断技术由美国最早开展研究,如西屋公司(WHEC)、Bently公司和IRD公司,目前已有多家机构从事此项研究,包括瑞士ABB公司等。诊断技术的发展主要经历了以下2个技术阶段。1.1 传统诊断技术传统故障诊断技术主要包括单信号处理方法、单信号滤波诊断、多信号模型诊断以及机内测试技术(build-intest,BIT)。单信号处理方法较少考虑信号间的耦合,主要采用阀值模型。当系统的输入输出超出一定范围时,就认为故障已经发生或将要发生,信号也主要是由人工通过各种仪器仪表进行采集。这种方法用在电子技术发展的早期阶段,设备的集成化程度不高。单信号滤波诊断的基本原理是对时间序列信号进行滤波变换,得到信号的特征信息后,再对此特征信息进行阀值诊断。多信号模型诊断的特点是考虑了信号间的融合关系,且通过定量和定性的分析方法实现诊断。机内测试技术是利用设备内部具有自检能力的硬件和软件来实现对设备检测的一种方法,可为系统和设备内部提供检测、故障隔离的能力。由于BIT技术结构日趋复杂、功能日益强大,因此其正在发展成为集状态检测、故障诊断为一体的综合系统。1.2 智能诊断技术智能诊断技术是在计算机和人工智能的基础上发展起来的,是一门集数学、物理、化学、电子技术、计算机技术、通讯技术、信息处理、模式识别和人工智能等多学科于一体的综合性技术,他的出现为提高现代复杂工程技术系统的可靠性开辟了一条新的途径。作为20世纪80年代中后期故障诊断领域的前沿学科,基于计算机的智能诊断技术受到了越来越多工程技术研究人员的关注,并成功应用于工程生产实践。计算机人工智能与诊断理论的结合,产生了具有信息时代特色的智能诊断系统。设备故障智能诊断系统是基于知识的系统,他以知识处理为研究内容,以基于知识寻求提高系统智能化程度和诊断准确率为目标。早期模拟人脑思维推理的基于知识的专家系统,以串行运行的格式进人设备诊断领域,形成了基于知识的诊断推理专家系统。二 国内外研究现状及发展趋势智能诊断技术的发展历史虽然短暂,但已取得了令人瞩目的成就。国内诊断技术从80年代中期开始进人了迅速发展时期。目前,在理论研究方面,已形成了具有我国特点的故障诊断理论,并出版了一系列相关论著,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,比如华中科技大学研制的用于汽轮机组工况监测和故障诊断的智能系统DEST,哈尔滨工业大学和上海发电设备成套设计研究所联合研制的汽轮发电机组故障诊断专家系统MMMD-2,清华大学研制的用于锅炉设备故障诊断的专家系统,山东电力科学研究院同清华大学联合研制的“大型汽轮机发电机组远程在线振动监测分析与诊断网络系统”,重庆大学研制的“便携式设备状态监测与故障诊断系统”等等。国外在诊断技术领域起步较早,并形成了比较成熟完善的诊断理论,所以其诊断技术的发展优于我国。美国是最早开展故障诊断技术研究的国家,在电路和数字电子设备方面,MIT研制出了用于模拟电路操作并演绎出故障可能原因的EL系统;美国海军人工智能中心开发了用于诊断电子设备故障的IN-ATE系统;波音航空公司研制了诊断微波模拟接口MSI的IMA系统;西屋公司(WHEC)从1976年开始了电站在线计算机诊断工作, 1981年进行了电站人工智能专家故障诊断系统的研究, 1984年应用于了现场,后来发展成了络化的汽轮发电机组诊断专家系统(AID),并建立了沃伦多故障运行中心(DOC),通过D0C中心,可以看到分布在全美20多个电厂的数据信息;Bechtel电力公司于1987年开发了火电站设备诊断用专家系统(SCOPE); Bently公司在故障诊断方面虽起步较晚,但在转子动力学方面,旋转机械故障机理的研究比较透彻,在振动监测方面具有雄厚的基础,因此该公司开发的旋转机械故障诊断系统(ADR3)在国内外电站领域的应用很受用户的欢迎; Radial公司于1987年开发了汽轮发电机组振动诊断用专家系统( turbomac),在建立逻辑规则的基础上,设有表征振动过程各种成分与其可能故障源之间关系的概率数据,且其搜集知识的子系统具有人机对话形式。在欧洲,也有不少从事故障诊断技术研究、产品开发及应用的公司。如瑞士ABB公司目前正在大力发展振动观察系统(vibro-view),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也发展了以监测与诊断辅助站的PSAD系统,用于大型电站机组的监测与诊断;意大利米兰工业大学研制了用于汽车启动器电路故障诊断的系统;英国在60年代末,由Collacott的机械状态监测中心首先开始诊断技术的研究;德国的西门子公司、丹麦的B&K公司等也都开发出了各自的诊断系统。由于机电设备在整个生产领域中占有极其重要的地位,所以有关机电设备的故障智能诊断问题一直受到研究人员的关注,出现的智能诊断系统也比较多。日本从事这方面研究的机构主要有东芝电气、日立电气、富士和三菱重工等。东芝电气公司与东京电力公司于1987年合作开发的大功率汽轮机轴系振动诊断系统,采用计算机在线快速处理振动信号的解析技术与评价判断技术,设定一个偏离轴系正常值的极限值作为诊断的起始点进行诊断;日立公司研究了用于核反应堆的故障诊断系统,以后逐步发展形成了一套完整的寿命诊断方法;三菱公司则在80年代初期开发了MHM振动诊断系统,该系统能自动或通过人机对话进行异常征候检测并能诊断原因,其特点是可根据动矢量来确定故障。三 智能诊断方法智能诊断技术是在计算机和人工智能的基础上发展起来的,所以其在工程实现中主要是组成以计算机为主体的智能诊断系统,他有单机模式、分布式模式、网络化模式3种结构模式。其方法主要有:基于专家系统的诊断方法、基于模糊逻辑的诊断方法、基于神经网络的诊断方法以及基于模糊粗糙集的诊断方法等。3.1 基于专家系统的诊断方法专家系统故障诊断方法是在计算机采集被诊断对象的信息后,综合运用各种规则,进行一系列推理,必要时还随时调用各种应用程序,运行过程中向用户索取必要的信息后,快速地找到最终故障或最有可能的故障,再由用户来证实的一种方法。主要由6部分组成:知识规则库、数据库、推理机、解释机构、故障查询机构和人机接口。其内部具有某个