第六章机械故障诊断新技术.ppt

1.第六章机械故障诊断新技术。第一节故障诊断的模糊数学方法。1.模糊教学的基本概念。1.模糊关系方程。2.隶属函数的定义。3.隶属函数的确定。4.模糊逻辑运算。5.模糊关系矩阵的确定。2.2.模糊模式识别。1.基于最大隶属原则的直接识别方法。2.间接识别方法根据邻近选择原理进行模式识别。模糊聚类分析1。数据标准化2。校准3。聚类4。模糊综合诊断1。模糊综合评价数学模型2。模糊操作模型4。第二节人工神经网络方法1。人工神经网络模型1。人工神经网络模型5。神经网络模型(1)模型6。(2)算法B-P网络的输入值是一些特征参数，输出值是辨识结果。学习算法属于教师学习。通过不断修改权系数和阈值，将系统的输出误差y与给定的教师样本y进行比较。7、Hopfield网络反馈网络自组织解决了著名的TSP问题。实时处理，第8节，故障诊断专家系统介绍专家系统是一个人工智能计算机程序，它应用大量人类专家的知识和推理方法来解决复杂的实际问题。这是一个由一组计算机软件组成的系统。它拥有相当数量的权威知识，具有学习功能，能够采用一定的策略，运用专家知识进行推理，解决人们在正常情况下难以解决的问题。通用计算机软件由两个层次的数据和程序组成，而专家系统由三个层次的数据、知识和推理机组成。1968年，被称为“专家系统和知识工程之父”的费根鲍姆(Feigenbaum)领导的一个研究小组成功地研究了第一个专家系统DENDRAL，该系统用于通过质谱分析有机化合物的分子结构。从1972年到1976年，feigenbaum团队成功地开发了用于抗生素药物治疗的MERCY医学专家系统。此后，先后开发了许多著名的专家系统，如探矿地质勘探专家系统、CASNET青光眼诊断与治疗专家系统、国际康复协会计算机结构设计专家系统、麦克西马符号集成定理证明专家系统、ELAS钻井数据分析专家系统和ACE电话电缆维护专家系统，为工矿数据分析与处理、医学诊断、计算机设计、符号运算和定理证明提供了强有力的工具。1977年10月，费根鲍姆进一步提出了知识工程的概念。在整个20世纪80年代，专家系统和知识工程在全世界迅速发展。在开发专家系统的过程中，许多研究者已经达成共识，认为人工智能系统是一个知识处理系统，知识表示、知识利用和知识获取是人工智能系统的三个基本问题。专家系统能解决的主要问题是：(1)解决只有专家才能解决的实际而复杂的问题。(2)用模拟人类专家推理过程的计算机模型解决这些问题，达到人类专家解决问题的水平。成功的专家系统通常具有以下特征：(1)启发式，即它们可以使用判别知识进行推理；(2)透明度解释一个人的推理过程；(3)灵活的表现不断修改和扩展知识。专家系统的结构(1)知识库(2)推理机(3)数据库(4)解释器(程序)(5)知识交流知识程序(13，14，机械故障诊断方法：信号测试收集振动，油样，声发射，参数，信号分析和处理频谱，小波，故障信号识别模式识别，系统分析模糊理论人工智能方法故障处理决策，15。信号分析以快速傅立叶变换为代表的经典频谱分析广泛应用于信号分析、故障诊断、图像处理等诸多方面。国内外有大量的FFT软硬件产品，并且在不断发展。现代谱分析采用建模方法估计信号的谱参数，速度快、计算量小、精度高。人们越来越关注它。目前应用的方法有自回归法、移动平均法和自回归移动平均法。16，ARMA建模参数功率谱模型，17，为了对各种谱估计方法有一个基本的了解，下面的测试是用已知信号(N=32)对各种方法进行的。给出的信号是：(3-13)其中：f1=0.05，f2=0.40，f3=0.42；Zn是噪声的一阶自回归过程：(3-14)，18，其中A是回归系数，U是方差2的高斯白噪声。这样，噪声的功率谱可以改变。选择合适的值A (=-0.8508)和 2 (=1.010)可以使信噪比接近f1 15dB，信噪比接近f2和f3 30dB，作为比较的参考。当功率谱为水平线时，也可以直接使用高斯白噪声信号(使A=0)。图中给出了每个信号的理论功率谱。图中横轴为归一化频率(-0.5 0.5)，纵轴为功率谱值(-30 50dB)。小波分析理论(利用小波族进行变换)具有多分辨率的特点：低频部分具有较高的频率分辨率和较低的时间分辨率。高频部分具有较低的频率分辨率和较高的时间分辨率。适用于检测信号中的瞬态异常并显示其成分的显微镜称为信号分析，23、正常泵阀故障泵阀，24、正常活塞故障活塞，25、开发机械设备故障诊断。机械设备故障诊断技术是一门以多种基础技术为基础，融合多种学科理论的综合性新兴学科。因此，该学科具有基础理论相对较新、系统边界模糊、实现技术多样、工程应用广泛、发展日益迅速以及与高技术发展密切相关的特点。问题尽管机械故障诊断已经取得了很大的进步，但它是一门正在发展的新学科，还远未达到完美的水平。主要表现为：(1)发展不平衡，旋转机械故障诊断的理论和实践已经取得了相对成熟的成果，而往复机械故障诊断的理论和实践有待完善。(2)测量和分析仪器与诊断仪器的分离。大多数便携式分析系统是传感器、放大器、数据采集系统和光谱仪。没有特定设备的特征数据，也没有诊断系统。更好的大多是特殊和固定的系统。一般固定在工厂或设备上，并专门为设备服务。油田机械设备专用诊断系统还比较落后。除了高校刚刚开发并投入使用的诊断系统外，油田生产部门现有的大型柴油机诊断方法主要有测功机、简易柴油机诊断仪、精密信号分析仪等。这些诊断方法不能满足油田柴油机故障诊断的实际需要，具体表现为：测功机只能在柴油机拆卸时进行诊断，只能在检修厂的台架上进行，不能满足现场诊断的需要；大多数简单的诊断仪器检测简单，准确度低。精密信号分析仪价格昂贵，通常只分析振动信号。由于其专业水平高，现场用户很难正确使用。因此，随着对柴油机可靠性要求的不断提高，油田迫切需要一种能够集成各种参数并能进行智能非解体诊断的精确实用的系统。国内外大量文献表明，柴油机故障诊断的发展趋势是不解体、高精度和智能化。不解体检测的研究方向是开发可嵌入发动机的传感器。美国、日本等国家已经成功地在发动机中安装了超薄传感器，用于诊断发动机的温度和主要部件的配合间隙，并利用光纤传感器监测发动机的转速波动。高精度是指提高信号分析的信噪比。例如，相干函数用于选择测量点、多段时间智能是指开发一个诊断专家系统，自动完成数据处理、分析和故障识别，从而减少诊断工作量，提高诊断速度和准确性。标准化，建立测试标准，建立测试机制，设计和制造设备，考虑检测问题，传感器安排，测压口等。以方便测试设备的实施。网络化、数据网络传输、集中专业测试、机器医院。开发功能强大、操作简单、适合现场人员使用的系统是智能故障诊断系统的研究方向，也是智能故障诊断系统发展的必要条件。故障诊断技术这一新学科的逐步完善还远远没有结束其发展过程。随着计算机技术、测试技术、信号处理技术、信息论、控制论、可靠性理论和系统工程等现代科学技术的发展，故障诊断技术学科的基础理论和实施技术将得到极大丰富，该学科将继续向更高层次、更深内涵和更广阔应用前景发展。故障诊断与识别过程故障诊断是一门新兴学科，近年来发展迅速，但也面临着人工智能领域的共同问题。即知识描述和知识输入的“瓶颈”问题。模糊数学的创始人扎德曾提出，模式识别可以被视为一种不透明的映射。观察者可以正确地识别和分类新情况或新模式。然而，这种将模式映射到正确的类别成员的过程是不透明的，不仅旁观者难以理解详细的过程，甚至识别器自己也难以理解。计算机模式识别的任务是用透明映射代替这种不透明的映射，以便用计算机语言准确地描述它。例如，所识别的目标事件可以有许多特定的样本，这意味着目标事件将有许多不透明的映射，这些映射将所有这些模式映射到集合类别中。以这种方式，这些模式中的任何一个或全部被识别并分类到目标事件的类别中。人类利用他们的感知和认知器官来处理和实现这种不透明的映射。然而，另一方面，在计算机模式识别中，必须使用清晰的描述透明映射方法来代替本质上的不透明映射。整个过程包括两个不同的步骤。第一步是根据适当的特征建立一种特殊的表现形式来描述所识别的目标事件。第二部分是计算机执行显示过程，以获得透明映射并实现分类。在这两个操作中，最困难的是第一步的设计。这些特征一旦被认识，就能在综合数学变换的过程中起到理论指导作用，从而获得所需的结果，在不同程度上满足我们的需要。然而，一般来说，我们没有事先的基础。此外，不清楚哪个表达式更适合模式识别。35岁，以人们对苹果的认知为例。人们通过一系列长期的生活实践，如观察、嗅、摸、削、吃、拿、分类和购买苹果，学会了识别苹果的能力。然而，人们不能完全和简单地描述苹果。这个映射过程基本上是不透明的。相比之下，对于计算机模式识别，不仅需要透明映射，还需要选择特征函数的问题。尽管我们有非常精确的仪器来测量颜色、气味、纹理和其他特征，但仍然很难确定哪些特征是最基本和最有用的，哪些特征是多余和不相关的。目标事件描述的特征选择是困难的，但也是计算机模式识别实现中最基本的预处理任务。这里，目标事件可以是概念上的、物理上的实体、情形、情形等。从以上讨论中，我们可以得出以下结论：(1)世界事物非常复杂，它们的特征信息是多种多样的。人们也能够识别每一个信息，但是信息之间的关系是不透明的，人们很难找到这些联系。(2)虽然人们有能力识别这些信息，但对这些信息特征的描述是不透明的，即没有统一这些描述的标准。因此，交流非常困难，电脑更难“理解”。(3)人们根据已知信息得出结论的推理过程是不透明的，即人们不知道他们的推理过程是如何进行的，当然他们不能让计算机有效地模拟。一方面，世界上的一切都有大量的特征可以描述。另一方面，计算机具有高计算速度和大存储空间。然而，两者之间的互联非常狭窄，限制了计算机的使用。这也是所谓的“瓶颈”问题。智能故障诊断