第5章 智能故障診斷的實現(xiàn)方法

智能故障診斷技術(shù)1第五章智能故障診斷的實現(xiàn)方法1.故障信號檢測2.故障特征識別3.故障狀態(tài)預(yù)測*4.故障維修決策*5.故障容錯控制*21.故障信號檢測1.1故障分類1.2故障檢測方法1.3故障判斷標準1.4微弱信號檢測1.5早期故障檢測31.1故障分類從故障的形成過程，可概括為兩類：1）可預(yù)測故障：是指那些可預(yù)先知道的故障。故障發(fā)生前通常都有一定征兆，只要及時捕捉這些征兆信息并采取相應(yīng)措施，就可預(yù)防故障。漸發(fā)性故障是一種最常見的可預(yù)測故障。2）不可預(yù)測故障：是指那些不可預(yù)先知道，但會影響設(shè)備正常工作的故障。突發(fā)性故障是其中最典型的一種?？深A(yù)測故障通常有一定規(guī)律性，易于檢測和防范；不可預(yù)測故障具有隨機性，且常對設(shè)備造成嚴重危害，是故障診斷研究的主要對象。41.2故障檢測方法1）振動法：通過測量設(shè)備主要部位的振動值，并與標準值比較，對運行狀態(tài)進行評定。2）特征分析法：對測得的振動量在時域、頻域、幅域進行特征分析，以確定故障的內(nèi)容和性質(zhì)。3）參數(shù)估計法：當(dāng)設(shè)備故障可由n個參數(shù)發(fā)生的不期望顯著變化來表示時，可根據(jù)參數(shù)變化的統(tǒng)計特性來檢測故障。如最小二乘法、卡爾曼濾波等?！?1.3故障判斷標準1）絕對標準：在設(shè)備的同一部位、按一定要求測得的表現(xiàn)設(shè)備狀態(tài)的值，與某種相應(yīng)判斷標準相比較，以評定設(shè)備的狀態(tài)。2）相對標準：對設(shè)備的同一部位、同一工況、同一測量值，用相同方法進行定期測取，按時間先后將實測值與正常狀態(tài)下的初始值進行比較來判斷。3）類比標準：若有多臺機型相同、規(guī)格相同的設(shè)備，在相同條件下用相同方法進行測定，通過相互比較來評定設(shè)備的狀態(tài)。61.4微弱信號檢測微弱信號檢測：分析噪聲產(chǎn)生的原因和規(guī)律，研究被測信號的特點和相關(guān)性，檢測被噪聲淹沒的微弱有用信號、或從強噪聲中提取有用信號、或采用其他新技術(shù)和新方法來提高檢測系統(tǒng)輸出信號的信噪比。微弱信號檢測方法主要有以下幾種：1）窄帶濾波法2）雙路消噪法3）同步累積法4）鎖定接收法5）相關(guān)檢測法6）取樣積分法7微弱信號檢測的常用方法窄帶濾波法：用窄帶濾波器濾掉通頻帶以外的寬噪聲，只讓窄帶信號通過，從而提高信號的信噪比雙路消噪法：當(dāng)隨機噪聲從兩路到達加法器時，使其極性正好相反，經(jīng)過加法器相加后把噪聲消除同步累積法：利用信號的重復(fù)性和噪聲的隨機性，對信號進行重復(fù)累積n次，以提高輸出功率信噪比鎖定接收法：一種頻域分析法，利用互相關(guān)原理，使輸入周期信號與頻率相同的參考信號實現(xiàn)互相關(guān)相關(guān)檢測法：一種時域分析法，信號和噪聲相互獨立，信號只與信號相關(guān)而與噪聲不相關(guān)，噪聲之間互不相關(guān)，可通過自相關(guān)或互相關(guān)運算去除噪聲81.5早期故障檢測設(shè)備運行過程中的故障，往往會經(jīng)歷一個從產(chǎn)生到發(fā)展、從輕微到嚴重的漸變過程一方面，設(shè)備性能的變化：正常非正常惡化崩潰另一方面，設(shè)備征兆參數(shù)的變化：不明顯明顯、不完全完全的時間過程

——因此，早期故障檢測對減少或避免故障造成的損失具有特別重要的意義。9早期故障的主要特點1）早期故障信號很微弱：早期故障屬于輕微故障，其故障信號分量通常很小，不易察覺；2）早期故障信號表征不明顯：早期故障信號的幅值、相位、時頻特性等變化很小，表征很不明顯；3）早期故障信號容易被噪聲信號淹沒：由于噪聲信號通常會夾雜在故障信號中，當(dāng)故障信號很弱時噪聲信號就相對較強，早期故障信號常被噪聲信號所淹沒，具有很大的隱蔽性。10早期故障檢測方法1）信息融合檢測法：利用故障發(fā)生后系統(tǒng)中多個相關(guān)變量或征兆間的冗余關(guān)系，將它們的動態(tài)變化趨勢進行融合，在故障動態(tài)變化過程中，來檢測早期故障。如神經(jīng)網(wǎng)絡(luò)、證據(jù)推理、貝葉斯估計等2）故障征兆縮放檢測法：通過對故障特征參數(shù)變化值（變化率）進行不同比例的縮放，尋找與典型故障樣本的最佳匹配來檢測早期故障。其他方法，典型的如小波分析、混沌、分形等方法112.故障特征識別2.1故障識別的內(nèi)容2.2故障識別的過程2.3故障識別的方法2.4故障識別的關(guān)鍵技術(shù)*2.5兩種識別錯誤*122.1故障識別的內(nèi)容1）正確選擇與設(shè)備狀態(tài)有關(guān)的特征信號特征信號是指與設(shè)備功能緊密相關(guān)的、最有用的、能代表設(shè)備運行狀態(tài)的信號應(yīng)根據(jù)不同監(jiān)控對象，選取最能反映其運行狀態(tài)的那部分信息作為特征信號選擇特征信號依據(jù)：經(jīng)濟性好、信息量大、敏感度高2）正確地從特征信號中提取征兆對特征信號進行處理，提取出與設(shè)備狀態(tài)相關(guān)的、能直接用于診斷的征兆信息133）正確地根據(jù)征兆對設(shè)備進行狀態(tài)識別征兆是故障診斷的基本信息采用合適的故障診斷理論與方法對征兆加以處理，對不同的設(shè)備狀態(tài)進行模式識別4）正確地根據(jù)識別結(jié)果對設(shè)備進行狀態(tài)診斷有故障時，分析故障的位置、類型、性質(zhì)、原因與趨勢——故障定位無故障時，分析狀態(tài)趨勢，預(yù)計未來情況——故障預(yù)測5）正確地根據(jù)狀態(tài)診斷對設(shè)備進行干預(yù)決策干預(yù)設(shè)備及其工作進程，保證設(shè)備安全可靠高效運行142.2故障識別的過程故障識別過程可分為以下四步進行：1）特征信號檢測2）征兆信息提取3）設(shè)備狀態(tài)識別4）故障維修決策設(shè)備故障識別過程151）特征信號檢測特征信號一般具有兩種表現(xiàn)形式：能量形式——如振動、噪聲、壓力、溫度、電壓、電流等，由于它通過能量交換來完成，因此可以使用傳感裝置來進行檢測物態(tài)形式——如設(shè)備產(chǎn)生的氣體、液體、煙霧、以及銹跡、裂紋等，一般不采用傳感裝置，只需采用特定的收集裝置或直接觀測即可162）征兆信息提取征兆信息提取可以根據(jù)不同的特征信號，采用不同的提取方法：能量形式——可以在時域、頻域、幅域或相位域中提取征兆物態(tài)形式——一般通過特定的物理或化學(xué)方法，得到諸如鐵譜、光譜、濃度、化學(xué)成分等征兆；對于直接觀測到的信息，可以直接作為征兆來使用173）設(shè)備狀態(tài)識別將通過特征提取后得到的征兆信息，與規(guī)定的標準參數(shù)或標準模式進行比較，以確定設(shè)備當(dāng)前所處的狀態(tài)：正常狀態(tài)——通過狀態(tài)預(yù)測對設(shè)備未來狀況做出趨勢估計異常狀態(tài)——通過狀態(tài)診斷找出故障原因、部位及嚴重程度狀態(tài)識別通常是一個由粗到精、由高層到低層直至找到滿意的診斷結(jié)果的過程184）故障維修決策故障維修決策就是根據(jù)故障原因、特征，提出維修方案，以便采取相應(yīng)措施，使設(shè)備盡快地恢復(fù)其原有性能或原有工作狀態(tài)192.3故障識別的方法1）基于故障機理的識別方法故障機理是指故障發(fā)生與發(fā)展的過程和原理。故障機理通常以磨損、疲勞、斷裂、腐蝕、老化等形式表現(xiàn)出來機理研究是故障識別技術(shù)的基礎(chǔ)，只有在此基礎(chǔ)上，才能有效分清主次因素，找出薄弱環(huán)節(jié)，進行準確診斷故障機理研究的主要手段包括：實驗研究、仿真模擬研究及理論研究2）基于信號處理及特征提取的識別方法傳感技術(shù)和計算機技術(shù)是故障診斷的支撐技術(shù)，信號處理及特征提取是故障診斷的基本方法目前發(fā)展較快的有：特征參數(shù)法、幅值特征法、相位信息法、頻譜分析及頻譜特征再分析法等203）基于模糊理論的識別方法模糊故障識別方法：是根據(jù)模糊集合論建立征兆空間和故障狀態(tài)空間的映射關(guān)系，通過某些癥狀的隸屬度求出各種故障原因的隸屬度，以表征各故障存在的可能性4）基于專家系統(tǒng)的識別方法專家系統(tǒng)識別方法：能模擬人的邏輯思維過程，利用專家知識來解決復(fù)雜診斷問題。它不依賴于系統(tǒng)的數(shù)學(xué)模型，而是利用專家知識和特征信息，通過推理得出設(shè)備是否故障及什么故障，并對識別結(jié)果進行評價和決策目前主要研究內(nèi)容包括：診斷知識的獲取、診斷知識的表達、診斷推理方法和不準確推理215）基于數(shù)學(xué)模型的識別方法核心思想：以模型為基礎(chǔ)，通過觀測器估計系統(tǒng)的輸出，然后將它與輸出的測量值做比較形成殘差，從殘差中提取特征，進而實現(xiàn)故障檢測和分離6）基于故障模式的識別方法模式識別的關(guān)鍵問題是模式特征量的選擇和提取。其效果除了與方法選擇有關(guān)外，在很大程度上還依賴于狀態(tài)特征參數(shù)的提取模式識別方法實質(zhì)上就是聚類算法或分類器算法，常見的如線性分類器、Bayes分類器、最近鄰分類器、K-Means分類器、神經(jīng)網(wǎng)絡(luò)分類器、SVM分類器等227）基于組合思維的識別方法專家系統(tǒng)知識處理模擬的是人的邏輯思維，神經(jīng)網(wǎng)絡(luò)知識處理模擬的是人的經(jīng)驗思維，將邏輯思維、經(jīng)驗思維和創(chuàng)造性思維集成在一起，就形成組合思維首先用經(jīng)驗思維進行識別；當(dāng)經(jīng)驗思維無法解決問題時，轉(zhuǎn)向高一層的邏輯思維；當(dāng)邏輯思維也無法解決復(fù)雜問題時，轉(zhuǎn)向更高一層的創(chuàng)造性思維，即通過提出新的假設(shè)，經(jīng)過檢驗后再發(fā)現(xiàn)新理論和解決問題的新方法組合思維識別方法結(jié)構(gòu)圖238）基于神經(jīng)網(wǎng)絡(luò)的識別方法9）基于小波變換的識別方法10）基于分形幾何的識別方法11）基于案例的識別方法242.4故障識別的關(guān)鍵技術(shù)1）系統(tǒng)分解技術(shù)把一個大型復(fù)雜系統(tǒng)分解為若干個小系統(tǒng)或子系統(tǒng)2）信號檢測技術(shù)關(guān)鍵在于測點選擇與傳感器選取3）特征獲取技術(shù)從傳感器信號盡可能獲取反映設(shè)備運行狀態(tài)的特性信息4）數(shù)據(jù)融合技術(shù)利用來自多個傳感器的信息，采用一定方式進行分析組合，以提高信息的有效性和識別的可信度一般分為像素級融合、特征級融合和決策級融合三層次5）診斷決策技術(shù)25