硅谷杂志：智能故障诊断技术的研究与应用 |
| 2012-11-03 10:24 作者：王 莉 来源：硅谷网 HV： 编辑： 【搜索试试】
|
|
【硅谷网11月3日文】据《硅谷》杂志2012年第16期刊文称，随着现代化生产对产品质量、生产效率以及安全性要求的不断提高，故障诊断技术的研究受到广泛的关注，在过去的30年里有迅速的发展。大量控制理论、计算机科学、智能技术的方法被引入到故障诊断系统中来，针对在具体工程项目所遇到的问题，结合故障诊断系统，给出解决方案。
关键词：故障诊断；知识库；研究方法
0引言
何谓故障诊断呢？故障诊断是在一定的检测策略的指导下实施对被诊断系统的自动检测。通过检测获取诊断对象的故障模式，提取故障特征，在此基础上，根据预定的推理原则，对故障信息做出综合评估，并向系统的操纵者或控制者提示所要采取的措施。犹如医疗诊断，是指医生借助各种手段对人体进行检查、化验，然后根据医学理论确定诊断对象是否犯病和患有何种疾病的过程。在工程技术领域，也需要根据设备各种可测量的物理现象和技术参数的检测来判断设备是否正常运转，判断发生故障的原因和部件，预测潜在故障的发生等等。借用了医疗方面的术语，将给机器诊断的过程称为故障诊断。
1智能故障诊断系统
1）用户缺乏安全意识
智能故障诊断系统的一般结构如图1所示：
图1智能故障诊断系统一般结构
复杂系统故障智能诊断系统的一般结构主要由6个功能模块组成，如图1所示。人机接口模块是整个系统的控制与协调机构；知识库和数据库管理模块的功能是对诊断必需的知识和数据进行建立、增加、删除、修改、检查等操作；诊断推理模块是诊断系统的核心，负责运用诊断信息和相关知识完成诊断任务；诊断信息获取模块通过主动、被动和交互等方式获取有价值的诊断信息；解释机构的任务是向用户提供诊断咨询及诊断推理过程的中间结果，帮助用户了解诊断对象及诊断过程；机器学习模块用于完善系统的知识库，提高系统的诊断能力。
2智能故障诊断技术的研究方法
故障诊断的方法，按照通行的分类方法可以分为基于解析模型的方法、基于信号处理的方法和基于知识的方法三大类：
基于解析模型的方法是最早发展起来的，此方法需要建立被诊断对象的较为精确的数学模型。进一步，它又可以分为参数估计方法、状态估计方法和等价空间方法。这三种方法虽然是独立发展起来的，但是它们之间存在着一定的联系。现已证明了基于观测器的状态估计方法与等价空间方法是等价的。非线性系统的故障诊断的难点在于数学模型很难建立。相比之下，参数估计方法比状态估计方法更适合非线性系统，因为非线性系统的状态观测器的设计有很大的困难。目前，只有对某些特殊的非线性系统有研究，而通常的等价空间方法仅适用于线性系统。
当难以建立诊断对象的解析数学模型时，基于信号处理的方法是非常有用的，因为这种方法回避了抽取对象的数学模型的难点。而直接利用信号模型，如相关函数、高阶统计量、频谱和自回归滑动平均过程，以及现在热门的小波分析技术。这种方法对于线性系统和非线性系统都是适用的。但是，避开对象数学模型，是这种方法的优点，也是它的缺点。
基于知识的方法与基于信号处理的方法类似，也不需要系统的定量数学模型，但它克服了后者的缺点，引入了诊断对象的许多信息，特别是可以充分地利用专家诊断知识等，所以是一种很有前途的方法，尤其是在非线性系统领域。基于知识的方法还可以分为基于症状的方法和基于定性模型的方法。基于症状的方法包括专家系统方法、模糊推理方法、模式识别方法和神经网络方法等；基于定性模型的方法包括定性观测器、定性仿真和知识观测器等。由于神经网络具有自学习和能拟合任意连续非线性函数的能力，以及其并行处理、全局作用的能力，使得它在处理非线性问题和在线估计方面有着很强的优势。另外，模糊推理，定性观测器等善于处理不确定、不准确的知识，符合人的自然推理过程，与神经网络结合，有着巨大的应用前景。
3诊断实例
凝汽器是发电机组的重要辅机之一，本文以凝汽器为例，利用智能故障诊断系统，来解决凝汽器的各种故障最终会导致真空度的下降，有时，几种故障因素同时出现的问题，该问题难于通过理论分析的方法在故障原因和故障征兆之间建立对应关系，这给凝汽器的故障诊断带来困难。人工神经网络具有并行处理学习记忆和非线性等特点，已成为凝汽器故障诊断中最有前途的方法之一，其中BP网络是应用最广的一种，但是，BP网络实际应用中存在如下问题：学习率需凭经验取值，网络学习收敛速度慢及容易陷入局部最小等，本文使用改进BP算法----共轭梯度算法结合智能故障诊断系统来实现凝汽器的智能故障诊断。
选三层BP网络，网络输入个数即为凝汽器故障征兆的维数19，输出神经元的个数即为凝汽器典型故障的个数12，例如：对于故障U1，它的输入为［1，0，1，1，0，0，0，0，0，0，0，0，0，0，0，1，0，0，0］T这个列向量，它所对应的输出为［1，0，0，0，0，0，0，0，0，0，0，0］T这个列向量。隐层神经元个数取为15，网络误差精度取0.001，学习速率为0.01。算法训练情况如图2所示：
图2用共轭梯度BP算法时的网络训练过程
4总结
作者希望在下一步的研究工作中，对上述问题进行深入研究。另一方面，拓展研究范围，将研究对象扩展到锅炉侧汽水系统、汽轮机通流部分等，结合仿真技术对这些系统的故障特征规律进行深入研究。此外，希望能让研究的问题参与现场合作。
作者简介：
王莉（1981-），女，江苏宝应人，南京信息职业技术学院计算机与软件学院。
|
|
|
|
【对“硅谷杂志：智能故障诊断技术的研究与应用”发布评论】 |
版权及免责声明：
① 本网站部分投稿来源于“网友”，涉及投资、理财、消费等内容，请亲们反复甄别，切勿轻信。本网站部分由赞助商提供的内容属于【广告】性质，仅供阅读，不构成具体实施建议，请谨慎对待。据此操作，风险自担。
② 内容来源注明“硅谷网”及其相关称谓的文字、图片和音视频，版权均属本网站所有，任何媒体、网站或个人需经本网站许可方可复制或转载，并在使用时必须注明来源【硅谷网】或对应来源，违者本网站将依法追究责任。
③ 注明来源为各大报纸、杂志、网站及其他媒体的文章，文章原作者享有著作权，本网站转载其他媒体稿件是为传播更多的信息，并不代表赞同其观点和对其真实性负责，本网站不承担此类稿件侵权行为的连带责任。
④ 本网站不对非自身发布内容的真实性、合法性、准确性作担保。若硅谷网因为自身和转载内容，涉及到侵权、违法等问题，请有关单位或个人速与本网站取得联系（联系电话：01057255600），我们将第一时间核实处理。
|
|
|
|
