《设备故障诊断》试卷论文史远1121241019.doc

设备故障诊断 课程 论文（报告、案例分析） 院 系 物流学院 专 业 机械设计制造及其自动化 班 级 112124101 学生姓名 史远 学 号 1121241019 任课教师 陈志新 2014 年 12 月 28 日 北京物资学院2014—2015学年第 1 学期期末考试 设备故障诊断 课程试卷 开课院系：物流学院 课程号：MDAN01820K 考试方式：论文 题 号 一 二 三 四 总 分 评 分 评卷人 审核人： 内容要求： 列举故障诊断实践中常用的故障特征提取方法有哪些。 简述故障诊断系统的体系结构。 论述分数阶Fourier变换在故障诊断中如何应用。 根据课堂所学，谈谈自己对故障诊断的心得体会。 格式要求： （1）严格杜绝错别字，出现一个错别字，扣2分； （2）论文字号、段落格式请参照学校统一要求。 设备故障诊断 机械设计制造及其自动化专业 学生 史远 学号 1121241019 一、故障诊断实践中常用的故障特征提取方法 常用信号特征值提取技术故障特征提取有很多种方法， 从涉及的数据类型上讲可分为两大类： 一类综合考虑变量与模式之间的关系，采用变量对模式的不同响应(如灵敏度)进行分类，如基于互信息熵的方 法、神经网络方法等；另一类只考虑变量之间的相互关系，比较每个或每组描述故障模式的 变量对分类的贡献大小，选取贡献大的变量，删除贡献小的变量，根据特征变量之间的信息 选择合适的特征，典型的方法如主分量分析实际应用举例: 基于变量间信息的特征提取方法 （一）主分量分析法： 主分量分析法又称KL变换法，于1990年由Turk M和Pentland .A提出 ，最初应用于 人脸识别，是人脸识别的基本方法。该方法亦广泛应用于故障检测数据处理，是常用的特征 提取方法之一。 设某设备状态的检测数据x由m组n个特征参数描述。将其进行标准化处理： 主分量分析法提取故 障特征的依据是各特征量的方差对总体方差的贡献率大小。 首先， 根据矩阵特征求解法求得 它的特征值，并按从小到大的顺序排列 空间中的数据即为主分量，从而实现特征提取的目的。主分量分析法易于理解，编程方便， 应用广泛。 （二）独立变量分析法、 ? n 个统计独立的源信号， s(k)=[s1 (k),s2 (k)… sn (k)]T , 经过信道的传输，在 m 个传感器上得到观测数据向量 x(k)= [x1 (k),x2 (k)… xn (k)]T ， k k k 通过对观测数据 x(k)的一系列运算，获得源信号的估计 y(k)=[y1 , y2 … yn ]。 定义两个函数 f(z)和 g(z)来描述相应的混合过程和分离过程 完成特征提取。 该类方法主要有基于神经网络技术的特征选择、 基于互信息熵等技术的特征 选择方法等。 （三）基于神经网络技术的特征提取方法 人工神经网络是人工智能领域的一项重大技术， 于20世纪40年代提出。 近年来神经网络 的应用日益广泛。 鉴于神经网络具有输入输出自适应性， 不少学者提出采用神经网络技术进 行故障特征提取 采用神经网络技术故障特征实质上是一种优化计算方法。 它可以根据一定的判据进行 特征选择， 也可以考虑每个变量对输出模式的响应， 选取与输出模式关系较近的变量作为故 障特征。 （四）基于模糊理论的故障特征值提取办法 模糊理论对客观世界进行模糊度量，从相似性角度出发，研究客观世界。 基于模糊理 论的故障特征提取[17]主要依赖于隶属函数的建立：首先建立各变量之间的隶属函数及各变 量与模式之间的隶属函数， 然后综合考虑这两种隶属函数， 确定模式与变量之间的隶属关系， 从而选取部分不相似的变量描述模式的隶属函数。 这些变量即可作为主要故障特征。 从理论 上讲，基于模糊理论的故障特征提取方法简单明了，易于理解。 二、简述故障诊断系统的体系结构 故障诊断系统的工作过程为：用户通过信息平台对设备上的控制模块进行数据采集和状态监测后向远程诊断服务中心发出远程诊断请求;服务中心经权限检验后，对用户请求做出响应，启动相应功能模块，开始诊断工作，并借助网络与用户进行实时的信息交互传递。 我们能够获得比较好的诊断效果，我们需要首先知道故障的模式。所谓模式就是相当于症状的一种描