故障診斷技術(shù)發(fā)展現(xiàn)狀(編輯修改稿)
2025-08-20 14:49 本頁面
【文章內(nèi)容簡介】 提取故障特征，描述故障和征兆之間的關(guān)系網(wǎng)。在進(jìn)行故障診斷時(shí)，根據(jù)已知事實(shí)，采用基于推理機(jī)通過故障原因與征兆進(jìn)行匹配。專家系統(tǒng)是診斷領(lǐng)域最引人注目，也是研究最多、應(yīng)用最廣的一類智能診斷技術(shù)。它主要應(yīng)用于沒有精確數(shù)學(xué)模型或者很難建立數(shù)學(xué)模型的復(fù)雜系統(tǒng)。在實(shí)際的運(yùn)用中，有基于網(wǎng)絡(luò)的故障診斷專家系統(tǒng)的診斷方法，此方法建立基于網(wǎng)絡(luò)的智能診斷系統(tǒng)，并討論在建立此系統(tǒng)時(shí)的診斷過程和相關(guān)困難?！⌒〔ǚ治鲂〔ǚ治龇ㄊ?20 世紀(jì) 80 年代中期由法國學(xué)者Daubeches 和 Callet 引入信號(hào)處理領(lǐng)域而發(fā)展起來的數(shù)學(xué)理論和方法，它能解決許多傅里葉變換難以解決的問題，被認(rèn)為是傅里葉分析方法的突破性進(jìn)展。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)。小波分析優(yōu)于傅里葉之處在于：小波分析在時(shí)域和頻域同時(shí)具有良好的局部化性質(zhì)，是一種窗口大小 (即窗口面積) 固定但其形狀、時(shí)間窗和頻率都可以改變的時(shí)頻局部化分析方法。即在低頻部分具有較高的頻率分辨率和較低的時(shí)間分辨率，能聚焦到信號(hào)的任意細(xì)節(jié)，對(duì)信號(hào)的突變有很強(qiáng)的識(shí)別能力，能有效地去噪和提取有用信號(hào)，被譽(yù)為分析信號(hào)的顯微鏡，小波分析在信號(hào)處理、圖像處理、話音分析、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?；谛〔ǚ治龅墓收显\斷方法是先對(duì)信號(hào)進(jìn)行多級(jí)小波分解，得到各子帶數(shù)據(jù)，通過對(duì)小波變換系數(shù)模極大值的檢測來實(shí)現(xiàn)對(duì)信號(hào)奇異性的檢測，從而確定故障發(fā)生的時(shí)間。小波變換在故障診斷中的具體應(yīng)用表現(xiàn)在以下幾個(gè)方面： 利用小波變換檢測信號(hào)的突變； 利用觀測信號(hào)頻率結(jié)構(gòu)的變化； 利用脈沖響應(yīng)函數(shù)的小波變換； 利用小波變換去噪提取系統(tǒng)波形特征； 利用小波網(wǎng)絡(luò)。雖然小波分析在信號(hào)處理方面得到了廣泛的應(yīng)用，但總體上說，小波變換理論和小波變換在故障診斷中的應(yīng)用還處于發(fā)展階段，主要存在以下問題：(1) 由于小波變換及小波網(wǎng)絡(luò)中的小波基的選擇沒有統(tǒng)一標(biāo)準(zhǔn)，選擇不同的小波會(huì)得出不同的結(jié)論，在實(shí)際應(yīng)用中往往根據(jù)經(jīng)驗(yàn)來選擇小波，帶有一定的主觀性；(2) 如何根據(jù)信號(hào)的特征選擇尺度、平移量，用最少的變化后的數(shù)據(jù)反映信號(hào)的特征，以減少運(yùn)算量；如果選擇不當(dāng)，將會(huì)增加運(yùn)算量，降低推理速度，影響效率；(3) 小波網(wǎng)絡(luò)的新模型基學(xué)習(xí)算法也是當(dāng)前研究的熱點(diǎn)，近年來有人提出多層結(jié)構(gòu)小波網(wǎng)絡(luò)和局域連接型的小波網(wǎng)絡(luò)。由于神經(jīng)網(wǎng)絡(luò)的研究正在向計(jì)算智能、生物智能方向發(fā)展，小波網(wǎng)絡(luò)的研究也在不斷吸收如混沌、進(jìn)化等其他交叉學(xué)科的研究成果。正因?yàn)樾〔ňW(wǎng)絡(luò)還在發(fā)展中，所以許多問題還有待于深入研究；(4) 小波網(wǎng)絡(luò)的收斂性、魯棒性、計(jì)算復(fù)雜度等還有待于深入研究，小波網(wǎng)絡(luò)在故障診斷中的硬件實(shí)現(xiàn)也是需要進(jìn)一步探討和解決的問題?！』谀：脑\斷方法模糊集理論是美國控制論學(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。它能夠處理故障診斷中的不確定信息和不完整信息，基于模糊集的故障診斷方法主要是利用集合論中的隸屬度函數(shù)和模糊關(guān)系矩陣的概念，解決故障與征兆之間的不確定關(guān)系。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。具體的應(yīng)用形式有：基于模糊模型的故障診斷方法；基于自適應(yīng)模糊閾值的殘差評(píng)價(jià)方法；基于模糊聚類的殘差評(píng)價(jià)方法；基于模糊邏輯的殘差評(píng)價(jià)方法和基于模糊模式識(shí)別的故障診斷方法?；谀：碚摰墓收显\斷方法在實(shí)際中也有應(yīng)用，例如空調(diào)試驗(yàn)裝置冷卻線圈的故障診斷，以及基于模糊理論的液壓系統(tǒng)故障診斷。模糊變量表示可讀性強(qiáng)，模糊推理邏輯嚴(yán)謹(jǐn)，類似人類思維過程，易于理解，但它也具有一些固有缺陷，主要表現(xiàn)在：① 模糊系統(tǒng)在推理時(shí)也要搜索知識(shí)庫內(nèi)一定的規(guī)則集才能得出結(jié)論，所以當(dāng)系統(tǒng)比較大時(shí)，完成診斷的速度比較慢，效率比較低；② 當(dāng)系統(tǒng)的結(jié)構(gòu)發(fā)生變化時(shí)，模糊系統(tǒng)的知識(shí)庫或相關(guān)規(guī)則的模糊度也要
規(guī)章制度相關(guān)推薦
鄂ICP備17016276號(hào)-1