故障診斷技術(shù)發(fā)展現(xiàn)狀(存儲(chǔ)版)
【正文】 分析、模式識(shí)別、量子物理、生物醫(yī)學(xué)工程、計(jì)算機(jī)視覺、故障診斷及眾多非線性科學(xué)領(lǐng)域都有廣泛的應(yīng)用。目前，模糊故障診斷有 3種基本方法：(1) 建立故障現(xiàn)象與故障征兆之間的模糊關(guān)系矩陣，再通過模糊關(guān)系方程進(jìn)行故障診斷；(2) 建立故障與征兆之間的模糊知識(shí)庫，再進(jìn)行模糊邏輯推理；(3) 對(duì)原始采樣數(shù)據(jù)進(jìn)行模糊聚類處理，再通過評(píng)價(jià)劃分系數(shù)和分離系數(shù)等進(jìn)行故障診斷。因此，將各種不同的診斷方法有效地結(jié)合起來，對(duì)故障診斷有著重要的意義，是故障診斷技術(shù)發(fā)展的一個(gè)趨勢(shì)。 信息來源不充分(1) 現(xiàn)有的診斷系統(tǒng)通常只搜集被測(cè)對(duì)象當(dāng)前狀態(tài)信息，而對(duì)其過去的狀態(tài)和已做過的維護(hù)工作的信息、故障診斷系統(tǒng)本身的狀態(tài)信息未加考慮。然而他們?cè)谌绾螌㈩I(lǐng)域問題的基本原理與專家經(jīng)驗(yàn)知識(shí)結(jié)合得更好，這方面所做的工作還很少，使得這些系統(tǒng)不能具備與人類專家能力相似的知識(shí)或能力，影響了系統(tǒng)發(fā)揮更大的效能。但從分支學(xué)科的要求來看，無論是在理論體系的構(gòu)建方面，還是在解決實(shí)際問題方面，故障診斷研究仍有一段艱巨的路程要走。從一個(gè)知識(shí)源獲得的信息很容易通過協(xié)調(diào)機(jī)制結(jié)構(gòu)轉(zhuǎn)化為另一個(gè)知識(shí)源的信息。這方面的研究剛開始，例如，模糊邏輯與神經(jīng)網(wǎng)絡(luò)的組合機(jī)理、組合后的實(shí)現(xiàn)算法、便于神經(jīng)網(wǎng)絡(luò)處理的模糊知識(shí)的表達(dá)方式等。4 發(fā)展方向故障診斷是一門實(shí)用性很強(qiáng)的新興研究領(lǐng)域，雖然經(jīng)過領(lǐng)域?qū)＜叶嗄甑钠D辛研究，無論在理論研究還是在工程實(shí)踐應(yīng)用上都取得較大進(jìn)展，但仍有許多尚待解決的理論和工程應(yīng)用技術(shù)問題有待更深入的研究。結(jié)合方式主要是基于規(guī)則的專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合，CBR 與基于規(guī)則系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的結(jié)合，模糊邏輯、神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的結(jié)合等。這 2 個(gè)系統(tǒng)通過協(xié)調(diào)機(jī)制模塊構(gòu)成 1 個(gè)診斷特定問題的完整智能系統(tǒng)。3 發(fā)展方向故障診斷研究的目的是為了提高診斷的精度、速度、降低誤報(bào)率和漏報(bào)率，確定故障發(fā)生的準(zhǔn)確時(shí)間和部位，并估計(jì)出故障的大小和趨勢(shì)?！≈R(shí)結(jié)合能力差近年來，國(guó)外專家在對(duì)診斷與維修領(lǐng)域的專家系統(tǒng)研究中，越來越多地強(qiáng)調(diào)使用深知識(shí)。最困難的是各元器件都有一定的容差，因此用字典法即使作硬故障的診斷，其效果也不如數(shù)字電路的字典診斷法?！∑渌式翟\斷方法除了上述理論和方法外，在故障診斷領(lǐng)域中，還有基于向量機(jī)的診斷方法，基于微粒群算法的診斷方法，基于灰色理論的診斷方法，基于云模型的診斷方法以及把各種診斷相結(jié)合的方法?！』谀：脑\斷方法模糊集理論是美國(guó)控制論學(xué)者 Zadeh 于 1965 年提出的為描述與處理廣泛存在模糊的時(shí)間和概念的理論工具。其基本思想是用信號(hào)在一簇基函數(shù)張成空間上的投影表征該信號(hào)。 基于專家系統(tǒng)的診斷方法自 1965 年以來，斯坦福大學(xué) DENDRAL 專家系統(tǒng)開始，專家系統(tǒng)的研究和應(yīng)用迅速發(fā)展，具有人工智能的柴油機(jī)故障診斷專家系統(tǒng)也成為現(xiàn)代柴油機(jī)管理的研究方向。另外，基于遺傳算法的故障診斷在實(shí)際系統(tǒng)中也得到了應(yīng)用，如變壓器的故障診斷、軸承和齒輪等旋轉(zhuǎn)機(jī)械的故障診斷、發(fā)動(dòng)機(jī)齒輪箱故障監(jiān)測(cè)和診斷等。基于粗糙集的故障診斷基本思想是把觀察或測(cè)量到的故障征兆，作為對(duì)故障分類的條件屬性，實(shí)際存在的故障作為決策屬性，建立決策表，利用 RS 理論強(qiáng)大的約簡(jiǎn)能力對(duì)原始決策表進(jìn)行化簡(jiǎn)而得到多個(gè)與原始決策表等價(jià)的約簡(jiǎn)，然后對(duì)約簡(jiǎn)進(jìn)一步化簡(jiǎn)，化簡(jiǎn)決策表刪除多余的屬性后就可以得到故障診斷規(guī)則?！』谏窠?jīng)網(wǎng)絡(luò)的診斷方法神經(jīng)網(wǎng)絡(luò)是一種通過模擬人腦而建立起來的自適應(yīng)非線性動(dòng)力學(xué)系統(tǒng)，它具有自學(xué)性和并行計(jì)算能力，可以實(shí)現(xiàn)分類、優(yōu)化、自組織、聯(lián)想記憶和非線性映射等功能。如以現(xiàn)代檢測(cè)技術(shù)、信號(hào)處理及模式識(shí)別為基礎(chǔ)，在頻域范圍內(nèi)，進(jìn)行快速傅里葉變換分析等方法，描述故障特征的特征值，通過采集到的發(fā)動(dòng)機(jī)振動(dòng)信號(hào)，確定了試驗(yàn)測(cè)量位置，利用加速傳感器、高速采集卡等采集了發(fā)動(dòng)機(jī)的振動(dòng)信號(hào)，并根據(jù)小波包技術(shù)，提取了發(fā)動(dòng)機(jī)故障信號(hào)的特征值。故障檢測(cè)與診斷技術(shù)涉及多個(gè)學(xué)科，包括信號(hào)處理、模式識(shí)別、人工智能、神經(jīng)網(wǎng)絡(luò)、計(jì)算機(jī)工程、現(xiàn)代控制理論和模糊數(shù)學(xué)等，并應(yīng)用了多種新的理論和算法。故障診斷能夠定位故障并判斷故障的類型及發(fā)生時(shí)刻，進(jìn)一步分析后可確定故障的程度。如在發(fā)動(dòng)
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號(hào)-1