故障诊断方法.pptxVIP

故障诊断方法第1页/共26页 故障诊断方法的分类故障诊断方法分为：（1）基于解析模型的方法（2）基于知识的方法（3）基于信号处理的方法第2页/共26页 故障诊断方法分类第3页/共26页 基于信号处理的方法基于信号处理的方法：通常是利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，从而检测出故障。第4页/共26页 基于解析模型的方法 是在明了诊断对象数学模型的基础上，按一定的数学方法对被测信息进行处理诊断，它可分为状态估计法、等价空间法和参数估计法。第5页/共26页 基于知识的故障诊断方法专家系统故障诊断方法模糊故障诊断方法故障树故障诊断方法神经网络故障诊断方法数据融合故障诊断方法第6页/共26页 专家系统故障诊断方法数据库：对于在线监视或诊断系统，数据库的内容是实时监测到的工作数据；对于离线诊断，可以是故障时检测数据的保存，也可以是人为检测的一些特征数据。即存放推理过程中所需要和产生的各种信息知识库：存放的知识可以是系统的工作环境，系统知识（反映系统的工作机理及结构知识）；规则库则存放一组组规则，反映系统的因果关系，用来故障推理。知识库是专家领域知识的集合。人机接口：人与专家系统打交道的桥梁和窗口，是人机信息的交接点。推理机：根据获取的信息综合运用各种规则进行故障诊断，输出诊断结果。是专家系统的组织控制结构。第7页/共26页 专家系统故障诊断局限性依赖于专家的领域知识获取，而知识获取被公认为专家系统研究开发中的瓶颈问题。另外，在自适应学习，学习能力及实时性方面也都存在不同程度的局限。第8页/共26页 模糊故障诊断方法建立故障与征兆之间的模糊关系矩阵R，也叫隶属度矩阵。矩阵中的每个元素的大小表明了它们之间的相互关系的密切程度。式中： 表示可能发生故障的集合，n为故障总数； 表示由上面这些故障所引起的各种特征元素（征兆）的集合，m为各种特征元素（征兆）总数。测试待诊断对象待检状态的特征参数，提取特征参数向量矩阵X。求解关系矩阵方程Y=XR，得到待检状态的故障向量Y，再根据一定的判断原则，如最大隶属度原则，阙值原则或择近原则等，得到诊断结果。第9页/共26页 模糊故障诊断的特点及局限性构造隶属函数是实现模糊故障的前提，但是由于隶属函数是人为构造的，含有一定的主观因素；另外，对特征元素的选择也有一定的要求，如果选择不合理，诊断精度会下降，甚至诊断失败。第10页/共26页 故障树故障诊断方法故障树模型是一个基于被诊断对象结构、功能特征的行为模型，是一种定性的因果模型，以系统最不希望事件为顶事件，以可能导致顶事件发生的其他事件为中间事件和底事件，并用逻辑门表示事件之间联系的一种倒树状结构。它反映了特征向量与故障向量之间的全部逻辑关系。图3中顶事件：系统故障，由部件A或者B触发，而A的故障又是由两个元件1，2中的一个失效引起，部件B的故障是在两个元件3，4同时失效时发生的。第11页/共26页 故障树诊断法步骤选择合理的顶事件。建造正确合理的故障树。故障搜寻与诊断，分为逻辑推理诊断法和最小割集诊断法。（1）逻辑推理诊断法：从上而下的测试方法，从故障数顶事件开始，先测试最初的中间事件，根据中间事件测试结果判断测试下一级中间事件，直到测试底事件，搜寻到故障原因及部位。（2）最小割集诊断法：所谓割集是指故障树的一些底事件集合，当这些底事件同时发生时，顶事件必发生；而最小割集是指割集中所含事件出去任何一个时，就不再成为割集了。一个最小割集代表系统的一种故障模式。故障诊断时，可逐个测试最小割集，从而搜寻故障源，进行故障诊断。第12页/共26页 故障树诊断的局限性故障树法的局限性在于对建造正确合理的故障树的依赖。如果一旦故障树建立不全面或不正确，则此诊断方法将失去作用。第13页/共26页 神经网络故障诊断法第14页/共26页 神经网络故障诊断过程学习过程：是在一定的标准模式样本的基础上，依据某一分类规则来设计神经网络分类器，并用标准模式训练。诊断过程：是将未知模式与训练的分类器进行比较来诊断未知模式的故障类别。第15页/共26页 预处理和特征提取学习和诊断两个过程都包括了预处理和特征提取。预处理：通过删除原始数据中的无用信息得到另一类故障模式，由样本空间映射成数据空间，再通过某种变换使其有利于故障诊断。特征提取：对要诊断的对象从获得的数据来看，一般可看作一