故障诊断理论方法

第八章故障诊断理论方法§8.1诊断方法分类§8.2灰色系统诊断方法§8.3人工神经网络诊断方法§8.1诊断方法分类常规的故障诊断方法：谱分析法、时域分析法。线性关系（一一对应）非线性对应关系状态识别状态分类模式识别征兆与故障状态为非线性对应关系给机械设备的故障状态诊断增加了困难。一、对比诊断法二、函数（模型）诊断法三、逻辑诊断法四、模糊诊断法五、统计诊断法六、故障树分析法七、专家诊断系统八、基于灰色系统理论的诊断方法九、基于人工神经网络理论的诊断方法一、对比诊断法：将征兆与相应的参考基准（特征）模式进行比较诊断。02505007501000125015001750200022502500Frequency(Hz)050100150200250Amplitude92,10,5,13:44测点1转子不平衡特征模式（参考模式）对比02505007501000125015001750200022502500Frequency(Hz)0100200300400500Amplitude92,10,12,12:36测点5油膜涡动返回二、函数（模型）诊断法：由征兆与状态间的数学模型进行计算诊断。根据模型结构或模型参数的变化，研究机器的运行状态。控制系统的故障诊断、化工过程的故障诊断等。返回三、逻辑诊断法：根据征兆与状态间的逻辑关系进行推理诊断。状态类型：好、坏有、无例如润滑油污染分析：通过光谱、铁谱、磁塞分析设备润滑油中所含的金属微粒的情况，作为机械设备运行的征兆，根据机器运动部分有关零件的材料与成分，从微粒变化情况推断设备磨损和零件磨损情况。物理逻辑判别根据征兆与状态之间的物理关系，进行推理。数理逻辑判别根据征兆与状态之间的数理逻辑关系（即布尔函数），在获得征兆后，按照逻辑代数运算规则，判别工况状态。返回四、模糊诊断法：考虑人对机械设备征兆与状态评价的主观不确定性或模糊性，应用模糊逻辑分析多种征兆与多种状态间的模糊关系进行分析诊断。模糊关系方程：B=RAR称为模糊关系矩阵：mnmmnnRRRRRRRRR212222111211RnxxxxA215.0量矢征特轴裂纹油膜涡动不对中不平衡障故B原因征兆气门弹簧断y1喷油头积炭堵孔y2机油管破裂y3喷油过迟y4喷油泵驱动键滚键y5排气过热x10.60.400.980振动x20.80.980.300扭矩急降x30.9500.80.30.98机油压过低x4000.9800机油耗量大x5000.900转速上不去x60.30.60.90.980.95柴油机故障的模糊关系最大隶属准则imimmax,,,112隶属于模糊子集，即发生了第i种故障。i模糊诊断准则模糊诊断的实质是根据模糊关系矩阵R及征兆模糊矢量A，求得状态模糊矢量B，然后根据判断准则确定有无故障。择近准则贴近度：一对模糊集之间的接近程度),(max),(1iniiFSFSSFi模糊聚类准则在确定模糊等价关系矩阵后，根据截集定理，在适当的限定值上进行截取，即按照不同水平对矩阵R进行分割和归类，从而获得相应的故障类别。返回五、统计诊断法：考虑到客观事物发生的不确定性，即事件按一定的概率发生，而应用统计模式识别进行分类诊断。烧伤0204060-20-40-6000.20.40.60.81未烧伤样本数量N概率密度函数p(x)标准正态分布烧伤-xx0.10.20.30.40.50.60.70.80.91.01.100.80.70.60.50.40.30.20.112348132533293834363940未烧伤区烧伤区模糊区AC一步子相关函数ρ1方差2x1000ρ1e2x1o2o未烧伤区烧伤区二维模式平面两类状态的理论分布05101520253002468101214均值x样本方差x烧伤区模糊区未烧伤区x1000ABCDE烧伤区未烧伤区XXO模糊区21(a)(b)磨削烧伤在线识别方法贝叶斯(Bayes)分类法机械设备运行和机械制造过程的状态都是一个随机变量，事件出现的概率在很多的情况下可以通过统计的方法作出估计，这种根据先验知识对工况状态出现的概率作出的估计，称之为先验概率。前提：各类别总体的概率分布已知进行决策分类的类别数一定jim(,,)1iP()1P()21)()(21PP状态空间可写成，其中是状态空间中的一个模式点，在工况监视过程中，主要是判别工况正常与异常两种状态，它们的先验概率用和表示，显然：假设x为特征矢量，p(x|i)是i状态下特征观察x的类条件概率密度。根据Bayes公式有：2,1)()()()()(2iPpPpPjjjiiixxx式中p(i|x)表示已知观测样本条件下，i出现的概率，称为后验概率。基于最小错误率的贝叶斯决策ijjiTHENPPIFxxx)/(max)/(2,1错误率最小：x来自于哪类的概率大，x就属于该类。决策规则：等价规则1：2,15.0)/(iTHENPIFiixx等价规则2：ijjjiiTHENPpPpIFxxx)()/(max)()/(2,1等价规则3：211221)()()/()/()(xxxxTHENPPpplIF似然比错误率：)/()/(),/()/()/(),/()/(212121xxxxxxxPPwhilePPPwhilePeP最优决策分类面基于最小风险（损失）的贝叶斯决策风险：决策代价；决策损失在故障诊断中，误判的概率是客观存在的，错判性质不同，后果严重性不同。把异常工况判为正常工况，即将废品判成合格品，它的影响不只局限该工件在某一工序的损失，而将影响后续工序甚至产品质量，更为严重的是把某些废品当做正品装入机器中，成为使用厂生产系统突发性故障的隐患。c……21(p,c)……(p,2)(p,1)p…………………………(2,c)……(2,2)(2,1)2(1,c)……(1,2)(1,1)1状态状态决策损失一般决策表(i,j)：属j类的样本决策到i类时的损失对于给定的x，若采取决策i，由决策表可见，对应于决策i，可以在c个(i,j)，j=1~c，中任取一个，其相应概率为P(j/x)。因此在采取决策i的情况下的条件期望损失（条件风险）为：piPEcjjjijii,2,1)/(),(),()/(1xx在考虑错判带来的损失时，如果在采取每一个决策或行动时，都使其条件风险最小，则对所有x作出决策时，其期望风险也必然最小。这样的决策就是最小风险贝叶斯决策。决策规则为：kipikTHENIF)/(min)/(,2,1xx可以证明最小错误率贝叶斯决策是最小风险贝叶斯决策在0－1损失函数条件下的特例。先验概率P(i)未知或可变条件下最大可能地使风险最小，即在最差情况下，争取得到最好的结果。最小最大决策a*aPa*()1FE1P()1GBAGP()1Pb*()1bb*E'F'1对应于的最小风险Pa*()1决策域一定决策域不同风险不随P(i)的变化而变化，此时最大风险最小距离函数分类法出发点：由n个特征参数组成的特征向量相当于n维特征空间上的一个点同类模式点具有聚类性，且不同类模式点有不同的聚类域和聚类中心以待检模式与各模式聚类中心的距离作为判别函数，判别待检状态的属性d2d1Ax1x2M0102Tnxxx),,,(21XTnzzz),,,(21ZniTiiEzx122)()()(ZXZXD空间（几何）距离欧氏距离（Euclideandistance）特点：不受坐标旋转、平移的影响。xxxxxiiminmaxmin特征须归一化以消除特征分量量纲对欧氏距离的影响：DXZWXZwT2()()W为权系数矩阵。当n当w1、w2、…、wn取不同值时，表明矢量中各个分量对分类的作用不同。加权欧氏距离：马氏距离（Mahalanobisdistance）)(MXRMXD12)(TmM为聚类中心（样本X的均值），R为类样本协方差矩阵，即：T))((MXMXR优点：排除了特征参数之间的相互影响。返回六、故障树分析法故障树分析法是把所研究系统的最不希望发生的故障状态作为故障分析的目标，然后寻找直接导致这一故障发生的全部因素，再找出造成下一事件发生的全部直接因素，一直追查到毋需再深究的因素为止。把最不希望发生的事件称为顶事件，毋需再深究的事件称为底事件，介于顶事件与底事件之间的一切事件称为中间事件。故障树：用相应的符号表示顶事件、中间事件和底事件，并用适当的逻辑门把顶事件、中间事件和底事件联结形成的树形图。故障树用于表示系统或设备的特定事件(不希望发生的事件)与它的各个子系统或各个部件故障事件之间的逻辑结构关系。故障树分析的步骤如下：（1）选择顶事件；（2）建立故障树；（3）求故障树的结构函数；（4）定性分析；（5）定量分析。45312反应装置冷却装置温度计压力计供料装置危险状态&不能正常运行不能停料卸压装置不正常111:::1231435振动峰峰值大基频振动低频振动二倍频振动广谱振动不平衡振动热弯曲油膜涡动油膜振荡支承问题轴裂纹不对中摩擦联轴器问题初始不平衡零部件脱落............汽轮发电机组故障树类别名称符号说明事件符号底事件基本事件不能再分解或毋需再深究的底事件叫做基本事件，它总是某个逻辑门的输入事件而不是输出事件。未探明事件原则上应进一步探明其原因，但暂不必或暂不能探明其原因的底事件（又称省略事件或不完整事件）。结果事件顶事件由其它事件或事件组合所导致的事件，叫做结果事件，若该事件是最关心的且位于故障树顶端的最终结果事件，则叫做顶事件，位于底事件与顶事件之间的结果事件，叫做中间事件。中间事件特殊事件开关事件在正常工作条件下必然发生或必然不发生的特殊事件。条件事件描述逻辑门起作用的具体限制的特殊事件。故障树分析所用的符号故障树分析所用的符号类别名称符号说明逻辑门符号基本门与门仅当所有输入事件都发生时，输出事件才发生，与门表示了输入与输出之间的一种因果关系。或门至少一个输入事件发生时，输出事件才发生，或门并不传递输入与输出的因果关系，输入故障不是输出故障的确切原因，只表示输入故障来源的信息。非门输出事件是输入事件对立关系。修正门顺序与门仅当输入事件按规定的顺序依次发生时，输出事件才发生。持续时间与门仅当输入事件发生并持续一定时间时，才导致输出事件发生。表决门仅当n个输入事件中有r个或r个以上的事件发生时，输出事件发生。异或门（互斥或门）在或门诸输入事件中，仅当单个事件发生时，输出事件才发生。油泵驱动电路故障树故障树举例返回七、专家诊断系统专家系统：基于知识(Knowledge-based)的人工智能系统。专家系统实质是应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。专家系统能够模拟、再现、保存和复制有时还能超过人类专家的脑力劳动，是人工智能领域中目前最活跃最成功的一个分支。专家系统的基本结构及其功能数据库知识库管理数据库管理工况分析工况报表推理机知识库知识表示任务管理知识获取动态黑板诊断结果诊断实例诊断结果解释特点：包含知识和推理的智能计算机程序求解问题的知识与程序和数据结构分离。增强了系统的适应性和灵活性五个基本组成部分：知识库、推理机、数据库以及解释程序、知识获取程序知识库知识库是专家系统的核心专家知识、经验与书本知识、常识的存