智能诊断技术应用PPT课件.ppt_第1页
智能诊断技术应用PPT课件.ppt_第2页
智能诊断技术应用PPT课件.ppt_第3页
智能诊断技术应用PPT课件.ppt_第4页
智能诊断技术应用PPT课件.ppt_第5页
已阅读5页,还剩27页未读 继续免费阅读

下载本文档

版权说明:本文档由用户提供并上传,收益归属内容提供方,若内容存在侵权,请进行举报或认领

文档简介

2020 1 7 可编辑 1 第八章现代智能故障论断技术 2020 1 7 2 现代信号处理结果示例 数据挖掘 KDD从存放在数据库 数据仓库或其他信息库中的大量数据中发现有用知识的过程 JiaweiHan 由于在研究和应用领域 数据挖掘 DM 比 数据库中的知识发现 KDD 这个词更流行 因此 现在多采用 数据挖掘 DM 这个术语 工业装备故障诊断技术 2020 1 7 3 现代信号处理结果示例 数据挖掘 数据挖掘用于知识库建立 工业装备故障诊断技术 2020 1 7 4 现代信号处理结果示例 数据挖掘 Fayyad等人提出的过程模型 1996年 工业装备故障诊断技术 2020 1 7 5 现代信号处理结果示例 数据挖掘 数据挖掘的应用过程 工业装备故障诊断技术 2020 1 7 6 现代信号处理结果示例 数据挖掘 美国Marquette大学的R J Povinelli等人提出的TSDM TimeSeriesDataMining 模型 可以预测和特征化可调速感应电机的故障 工业装备故障诊断技术 2020 1 7 7 现代信号处理结果示例 数据挖掘 工业装备故障诊断技术 2020 1 7 8 现代信号处理结果示例 数据挖掘 德国DataEngine4 0系统 工业装备故障诊断技术 2020 1 7 9 现代信号处理结果示例 数据挖掘 英国Aston大学根据电力工业的需要 开发了一个MODIAROT ModelBasedDiagnosisofRotorSystemsinPowerPlants 系统 整个系统采用神经网络和模糊逻辑等作为数据挖掘方法 将设备在线测量数据与模型仿真输出进行比较 进而诊断设备故障 工业装备故障诊断技术 故障诊断专家系统 一 专家系统概述定义 能以人类专家级水平进行故障诊断的智能计算机程序 发展专家系统的必要性1 知识结构的需要2 故障诊断应用上的需要系统复杂性及故障复杂性所决定3 专家系统所能解决的问题机械系统诊断中的复杂问题 能达到专家水平 2020 1 7 工业装备故障诊断技术 10 4 专家系统的特点1 应用范围广2 诊断水平高3 诊断效率高5 专家系统的组成一般由五部分组成 知识库 推理机 数据库 解释程序和知识获取程序 实用的专家系统还有其它中间环节 故障诊断专家系统 2020 1 7 工业装备故障诊断技术 11 实用的专家系统 数据库管理 数据库 推理机 知识库 知识表示 知识库管理 任务管理 工况分析 工况报表 动态黑板 诊断结果 诊断结果解释 知识获取 诊断实例 故障诊断专家系统 2020 1 7 工业装备故障诊断技术 12 6 专家系统分类 故障诊断专家系统 1 解释型 Interpretation 专家系统 这类系统通过分析所采集到的数据进而阐明这些数据的真实含义 如由质谱数据解释化合物分子结构的DENDRAL系统 由声纳信号识别舰船的HASP SIAP系统 语音理解系统HEARSAY等 2 预测型 Prediction 专家系统 这类系统根据处理对象过去和现在的情况去推测其未来发展趋势 如各种气象预报系统 军事预测系统I W等 2020 1 7 工业装备故障诊断技术 13 3 诊断型 Diagnosis 专家系统这类系统根据输入信息推断出处理对象中可能存在的故障 如计算机硬件故障诊断系统DART 核反应堆故障诊断系统REACTOR 感染病诊断与治疗系统MYCIN 旋转机械故障诊断系统EXPLORE EX 透平机械故障诊断专家系统TUBMAC等 4 调试型 Debugging 专家系统这类系统给出已确认故障的排除方案 如石油钻探机械故障诊断与排除系统DrillingAdvisor等 故障诊断专家系统 2020 1 7 工业装备故障诊断技术 14 5 维修型 Repair 专家系统这类系统制定并实施纠正某类故障的规则 如诊断排除内燃机故障的DELTA系统 电话电缆维护系统ACE等 6 规划型 Planning 专家系统这类系统能根据给定的目标制订行动计划 如电子线路布线系统PROTEL等 故障诊断专家系统 2020 1 7 工业装备故障诊断技术 15 7 设计型 Design 专家系统这类系统能根据给定的要求形成所需要的方案或图样 如DEC公司的计算机总体配置系统XCON 8 监测型 Monitoring 专家系统这类系统多用于完成实时监测任务 如REACTOR系统和高危病人监护系统VM等 故障诊断专家系统 2020 1 7 工业装备故障诊断技术 16 2020 1 7 17 9 控制型 Control 专家系统这类系统能自动控制系统的全部行为 通常用手生产过程的实时控制 如维持钻机最佳钻探流特征的MUD系统 MVS操作系统的监督控制系统YES MVS等 10 教育型 1nstruction 专家系统这类系统能诊断并纠正学生的行为 主要用于教学和培训 多为诊断型和调试型的结合体 如GUIDON和STEAMER等 故障诊断专家系统 2020 1 7 工业装备故障诊断技术 18 二 知识库1 定义 专家知识 经验及书本知识的存储器2 知识表示1 对知识表示的基本要求 三个基本要求 表示方案应便于知识的修改和扩充 表示方案应尽量简单易懂 表示方法应清晰明确 因为专家系统的建造过程是一个不断扩充和完善的过程 因此 便于修改和扩充的知识表示方案对专家系统来说是非常重要的 它直接关系到专家系统的成败 实现这一要求的有效手段是把知识与使用知识伪程序相分离 即把知识库和推理机相分离 故障诊断专家系统 2020 1 7 工业装备故障诊断技术 19 故障诊断专家系统 人工智能研究者们已提出了许多种知识表示方法 如产生式表示 框架式表示 语义网络表示 逻辑性表示 对象 属性 值三元组表示 过程表示和面向对象的表示等 这些不同的表示方法各有其优缺点和最适用的领域 综合数据库 GlobalDatabase 和规则解释器 RuleInterpreter 这三个基本部分组成 2 产生式系统的基本组成一个典型的产生式专家系统通常由规则库 RuleBase 2020 1 7 工业装备故障诊断技术 20 故障诊断专家系统 3 产生式表示 或规则表示 其一般形式为PQ 即IF THEN 左部分表示前提 条件或状态 右部分表示若干结论 人工智能研究者们已提出了许多种知识表示方法 如产生式表示 框架式表示 语义网络表示 逻辑性表示 对象 属性 值三元组表示 过程表示和面向对象的表示等 这些不同的表示方法各有其优缺点和最适用的领域 2020 1 7 工业装备故障诊断技术 21 如 出现异常振动则振幅大 对于复杂的故障用树枝状表示 注 与事故树类似 故障诊断专家系统 2020 1 7 工业装备故障诊断技术 22 产生式表示的优缺点优点 模块化 自然性 一致性 主要缺点 推理效率低 非通用性 依赖于已有的经验 故障诊断专家系统 2020 1 7 工业装备故障诊断技术 23 故障诊断专家系统 3 不确定知识表示1 随机性知识2 模糊性知识3 未确知性知识三 知识的获取知识获取的方法 有 机械式 条件反射式 传授式 演绎式 归纳式 猜想证实式 反馈修正式 类比式 联想式 灵感与偶发式等 2020 1 7 工业装备故障诊断技术 24 故障诊断专家系统 四 推理机制1 推理分类2 推理控制策略3 推理搜索策略4 似然推理 故障诊断专家系统 2020 1 7 工业装备故障诊断技术 25 故障诊断专家系统 五 应用 美国西屋公司从开发汽轮发电机专家系统GenAID开始 现已在佛罗里达州的奥兰多发电设备本部建立了一个自动诊断中心 对各地西屋公司制造的汽轮发电机进行远距离自动诊断 诊断对象从汽轮发电机逐步扩大到汽轮机 锅炉和辅机 西屋公司和卡内基 梅隆大学合作研制了一台汽轮发电机监控用专家系统 用来监视德州三家主要发电厂的七台汽轮发电机组的全天工作状况 此专家系统能快速 精确地分析仪表送来的信号 然后立即告诉操作人员应采取什么措施 我国故障诊断工作者也积极探索专家系统的应用研究 国家在 七 五 和 八 五 期间也列有这方面的攻关课题 取得了 些进展 但目前总的情况是实验室研究较多 现场条件下的实际应用 特别是成功的应用实例并不多见 2020 1 7 工业装备故障诊断技术 26 人工神经网络 一 概述1 定义及特点2 目前的应用情况二 基本原理1 神经元结构模型x1 xn输入w1 wn权值阈值Xi神经元求和输出 Oi输出F神经元特性函数 2020 1 7 工业装备故障诊断技术 27 人工神经网络 各参数之间的关系为 特性函数主要有还有符号型 S型 双曲正切型和高斯函数型等 1 f x f x x x 线性 阶跃 1 1 a a 符号型 斜坡型 0 5 1 S型 双曲正切型 1 c 1 高斯函数 2020 1 7 工业装备故障诊断技术 28 人工神经网络 2 网络拓扑结构 神经元联结结构 1 不含反馈的前向网络神经元分层排列 组成输入层 隐层 可有若干 和输出层 每一层的神经元只接受前一层的神经元输出作为输入 输入模式经过各层的顺次处理后得到输出层输出 误差反向传播算法 B

温馨提示

  • 1. 本站所有资源如无特殊说明,都需要本地电脑安装OFFICE2007和PDF阅读器。图纸软件为CAD,CAXA,PROE,UG,SolidWorks等.压缩文件请下载最新的WinRAR软件解压。
  • 2. 本站的文档不包含任何第三方提供的附件图纸等,如果需要附件,请联系上传者。文件的所有权益归上传用户所有。
  • 3. 本站RAR压缩包中若带图纸,网页内容里面会有图纸预览,若没有图纸预览就没有图纸。
  • 4. 未经权益所有人同意不得将文件中的内容挪作商业或盈利用途。
  • 5. 人人文库网仅提供信息存储空间,仅对用户上传内容的表现方式做保护处理,对用户上传分享的文档内容本身不做任何修改或编辑,并不能对任何下载内容负责。
  • 6. 下载文件中如有侵权或不适当内容,请与我们联系,我们立即纠正。
  • 7. 本站不保证下载资源的准确性、安全性和完整性, 同时也不承担用户因使用这些下载资源对自己和他人造成任何形式的伤害或损失。

评论

0/150

提交评论