故障診斷與專家系統(tǒng)(編輯修改稿)
2025-05-06 11:49 本頁面
【文章內(nèi)容簡介】 種顯現(xiàn)”開始，沿著故障樹不斷提問而逐級構(gòu)成一個梯階故障樹，透過對此故障樹的啟發(fā)式搜索，最終查出故障的根本原因。在提問過程中，有效合理地使用系統(tǒng)的及時動態(tài)數(shù)據(jù)，將有助于診斷過程的進行。于故障樹的診斷方法，類似于人類的思維方式，易于理解，在實際情況應(yīng)用較多，但大多與其他方法結(jié)合使用。機械故障診斷中,故障現(xiàn)象與故障原因之間通常沒有一一對應(yīng)的關(guān)系,一種故障現(xiàn)象可能是由多種原因引起,而一種原因發(fā)生故障可能會產(chǎn)生多種現(xiàn)象。因此,機械故障具有一定的模糊性,具體表現(xiàn)為:。,即不同故障具有相似或相近的特征。,不能把故障絕對識別為“存在”與“不存在”。對于機械故障的模糊現(xiàn)象,用傳統(tǒng)的數(shù)學工具進行定量診斷往往存在一些困難,而模糊數(shù)學方法則顯示出其優(yōu)越性。模糊診斷法是一種基于知識的自動診斷方法,它是利用模糊邏輯來描述故障原因與故障現(xiàn)象之間的模糊關(guān)系,通過隸屬函數(shù)和模糊關(guān)系方程解決故障原因與狀態(tài)識別問題。設(shè)是因素甲的狀態(tài)集,是因素乙的狀態(tài)集,同時考慮甲乙兩因素,可能狀態(tài)集是和任意搭配的元素(x,y)所構(gòu)成,記為:X Y={(x,y):x∈ X,y∈ Y}從X到Y(jié)的一個模糊關(guān)系R是指X Y上的一個模糊子集,其隸屬度表示x與y具有關(guān)系R的程度。當X={x1,x2,… ,xm},Y={y1,y2,… ,yn}為有限集時,(xi,yj)∈ X Y,記γij= R(xi,yj),則0≤ γ≤ 1,且R可用矩陣(γij)n m表示,稱模糊關(guān)系矩陣。在模糊數(shù)學理論中,隸屬度用0與1之間的數(shù)值表示?！≠N近度與擇近原則在模糊模式識別中,可以用模糊集的內(nèi)積和外積的概念來構(gòu)造模糊集的貼近度。如果A和B是論域Z上的兩個模糊集,則有:A和B的內(nèi)積:AB= ∨z∈ Z[μA(Z)∧ μB(Z)]A和B的外積:A B= ∧z∈ Z[μA(Z)∨ μB(Z)] 則模糊集A和B貼近度為:(A,B)=12[ AB+(1 A B)] 擇近原則:給定論域z上的模糊子集A1,A2,… ,An,及另一個模糊子集B,若有1≤ i≤ n使得:(B,Ai)= ∨1≤ j≤ n(B,Aj) 則認為B與Ai最貼近。該模糊診斷專家系統(tǒng)有模糊故障診斷知識庫、模糊診斷程序和人機界面三部分組成。故障知識庫文件中包含故障隸屬度矩陣維數(shù)、故障隸屬度表(故障原因與故障現(xiàn)象的模糊關(guān)系矩陣)、故障現(xiàn)象名稱、故障原因名稱及相應(yīng)處理意見等內(nèi)容。對于一個特定的診斷目標,確定它的典型故障現(xiàn)象集合為X,而將故障原因集合稱為Y,R為具有密切關(guān)系的模糊集合。因此,R表示了現(xiàn)象X到故障Y上的一個模糊關(guān)系。其值可根據(jù)經(jīng)驗和專家統(tǒng)計等方法綜合評定。這種故障診斷可以描述如下:診斷目標(原因集):原因集1,原因集2,… 。現(xiàn)象集:現(xiàn)象集1,現(xiàn)象集2,…。模糊關(guān)系矩陣:[γij],γij是矩陣第i行、第j列的元素,γij∈[0,1],γij反映了故障現(xiàn)象、原因相關(guān)程度的量化模糊值,該值的可靠性決定了診斷成果的優(yōu)劣與成敗。故障診斷是根據(jù)故障現(xiàn)象判別故障原因的識別過程。模糊智能故障診斷就是以模糊數(shù)學理論為基礎(chǔ),對機械故障進行模式識別的過程。建立模糊矩陣時,一個故障的所有故障原因是一個集合,故障原因相互獨立,是一個單元素集合。這樣每種故障
公司管理相關(guān)推薦
鄂ICP備17016276號-1