安全生產智能化保障技術 第2版 課件 第七章 智能故障診斷與預測

智能故障診斷與預測1安全生產智能保障技術

21.概述2.智能故障診斷3.智能故障預測4.智能診斷與預測系統(tǒng)主要內容3概述過去礦工用金絲雀檢測其礦井安全的方法，來說明目前復雜設備中應用智能機器故障診斷與預測技術背景下的模式變化內容?！芭f”的方式是將金絲雀放在礦井中，周期性地觀察它，如果它死了，可以判斷礦井的空氣出現(xiàn)問題，變得糟糕了?！靶隆钡姆绞绞遣捎媚壳耙延械募夹g和智能診斷預測技術連續(xù)地檢測金絲雀的健康狀況，并盡早地得到礦井空氣變糟的征兆，從而預測礦并中金絲雀的剩余壽命，這明顯改進了礦井的維修和健康管理模式，并使金絲雀具有了重復利用的價值。概述智能故障診斷與預測的概念智能故障診斷是人工智能和故障診斷相結合的產物，主要體現(xiàn)在診斷過程中領域專家知識和人工智能技術的運用。它是一個由人（尤其是領域專家）、能模擬腦功能的硬件及其必要的外部設備、物理器件以及支持這些硬件的軟件所組成的系統(tǒng)。智能預測

智能預測就是通過智能科學的思想和方法，設法把不同的預測模型有機地結合起來，綜合利用各種預測方法和知識所提供的信息，以適當?shù)木C合準則得出綜合預測模型，實現(xiàn)科學的預測。概述智能故障診斷與預測的概念故障失效的診斷與預測關系概述智能故障診斷與預測的誕生及現(xiàn)狀原始診斷階段

原始診斷始于19世紀末至20世紀中期，這個時期由于機器設備比較簡單，故障診斷主要依靠設備使用專家或維修人員通過感官、經驗和簡單儀表，對故障進行診斷，并排除故障?；趥鞲衅髋c計算機技術的診斷階段

在這一階段，由于傳感器技術和動態(tài)測試技術的發(fā)展，使得對各種診斷信號和數(shù)據(jù)的測量變得容易和快捷，涌現(xiàn)了狀態(tài)空間分析診斷、時域診斷、頻域診斷、時頻診斷、動態(tài)過程診斷和自動化診斷等方法。智能化診斷階段

這一階段，將智能信息處理技術的研究成果應用到故障診斷領域中，以常規(guī)信號處理和診斷方法為基礎，以智能信息處理技術為核心，構建智能化故障診斷模型和系統(tǒng)。概述智能故障診斷與預測的誕生及現(xiàn)狀健康管理階段

所謂故障預測與健康管理事實上是傳統(tǒng)的機內測試（BIT）和狀態(tài)監(jiān)控能力的進一步拓展。其顯著特點是引入了預測能力，借助這種能力識別和管理故障的發(fā)展與變化，確定部件的殘余壽命或正常工作時間長度，規(guī)劃維修保障。目的是降低使用與保障費用，提高設備系統(tǒng)安全性、可靠性、戰(zhàn)備完好性和任務成功性，實現(xiàn)真正的預知維修和自主式保障。概述智能故障診斷與預測系統(tǒng)的結構及特點智能診斷與預測系統(tǒng)的結構概述智能故障診斷與預測系統(tǒng)的結構及特點智能診斷與預測系統(tǒng)的特點系統(tǒng)應能綜合利用多種信息、多種模型和多種診斷方法，以靈活的診斷策略來解決診斷與預測問題。系統(tǒng)的架構應當模塊化和標準化，使之可以很方便地進行跨平臺聯(lián)網，擴展或調用其他專門的故障檢測與診斷的應用程序，實現(xiàn)信息共享。系統(tǒng)具有良好的人機交互診斷的功能。系統(tǒng)具有多種診斷信息獲取的途徑。系統(tǒng)的問題求解應當實時和準確。系統(tǒng)應該可以使用豐富的故障診斷算法和故障預測模型。系統(tǒng)具有學習的功能概述智能故障診斷與預測系統(tǒng)未來發(fā)展趨勢多種故障診斷與預測方法的結合專家系統(tǒng)與神經網絡的結合模糊方法與神經網絡相結合新的數(shù)學工具和智能算法針對高維數(shù)據(jù)會給神經網絡帶來結構復雜、訓練速度和收斂過慢等問題，將粗糙集引入神經網絡方法中為了克服專家系統(tǒng)存在的知識獲取、自學習等問題，將具有并行計算，自學習能力的遺傳算法等進化計算引入專家系統(tǒng)灰色理論、經驗模式分解、混沌與分形、支持向量機、蟻群、粒子群等新的數(shù)學工具在故障診斷與預測中的應用嶄露頭角混合式智能診斷與預測系統(tǒng)智能故障診斷智能故障診斷基本框架智能故障診斷基于歷史數(shù)據(jù)的診斷方法統(tǒng)計性的歷史累計故障數(shù)據(jù)樣本統(tǒng)計相關性和回歸方法模糊—邏輯分類神經網絡分類和聚類智能故障診斷基于數(shù)據(jù)驅動的故障分類與決策

數(shù)據(jù)驅動的故障診斷技術主要依賴于過程和測量到的設備健康數(shù)據(jù)來建立一個故障特征或故障特性指示和故障類別之間相互關系的模型。這種模型可以是專家系統(tǒng)、人工神經網絡或者這些計算智能工具的聯(lián)合運用。最終在線實現(xiàn)時，該方法需要一個完備的數(shù)據(jù)庫(在基準線和故障狀態(tài)方面)來訓練和驗證該診斷算法。智能故障診斷基于模型推理

基于模型的診斷方法是利用從實際設備系統(tǒng)或器件中得到的觀察結果和信息，建立相應的系統(tǒng)結構和功能的數(shù)學模型，然后通過模型，對設備的故障進行診斷，基于模型的診斷方法一般采用多級診斷方式。智能故障診斷基于案例推理

基于案例的推理通過使用或采用舊問題的處理方法，可以解決新的問題。和人們日常處理問題的流程很類似。智能故障預測圖中給出了故障可能的傳播方法。如果在故障是4%的嚴重度時被發(fā)現(xiàn)，只需要更換組件；如果故障直到10%的嚴重度時才被發(fā)現(xiàn)，必須更換子系統(tǒng)；如果直到失效才發(fā)現(xiàn)故障的存在，整個系統(tǒng)都需要更換。很明顯，對于故障嚴重度和即將發(fā)生的失效的估計是非常重要的。智能故障診斷基于模型預測技術

統(tǒng)計模型預測法首先對觀測的歷史數(shù)據(jù)模型做一定的假設，然后經過模型參數(shù)的估計得到相應的預測值。常用的參數(shù)模型入下：時間序列所測法回歸分析測方法濾波器預測法智能故障診斷基于概率預測技術

這種方法比基于模型的技術需要較少的信息，因為這種方法所需的預測信息主要是不同的概率密度函數(shù)，而不是動態(tài)差分方程。它的優(yōu)勢在于它所需的概率密度函數(shù)，可以通過可觀測的統(tǒng)計數(shù)據(jù)得到，并且這些概率密度函數(shù)只要是預測所感興趣的量就足夠了。這些方法通常會給出結果的置信界限。智能故障診斷基于數(shù)據(jù)驅動預測技術神經網絡作函數(shù)逼近器，對系統(tǒng)各工況下的某些參數(shù)進行擬合預測；用動態(tài)神經網絡對過程或工況參數(shù)建立動態(tài)模型，進而進行故障預測。神經網絡預測支持向量機在解決小樣本，非線性及高維模式識別問題中表現(xiàn)出許多特有的優(yōu)勢，它既能夠由有限的訓樣本得到小的誤差，克服了神經網絡預測收斂速度慢和局部極小點等缺陷支持向量機方法專家系統(tǒng)預測技術由于采用了專家知識，從而具有了專家的豐富經驗與判斷能力，并能對用戶的提問和答案的推理過程做出解釋。在中長期測試中，能夠對未來的不確定性因素、各對象自身發(fā)展的特殊性以及各種可能引起預測對象變化的情況加以綜合考慮，從而得到較好的預測結果?；趯＜蚁到y(tǒng)的預測智能診斷與預測系統(tǒng)智能診斷與預測系統(tǒng)結構智能診斷與預測系統(tǒng)智能診斷與預測支持系統(tǒng)

智能診斷與預測支持系統(tǒng)是在診斷與預測支持系統(tǒng)的基礎上集成人工智能方法而形成的。智能診斷與預測支持系統(tǒng)是智能診斷與預測系統(tǒng)與知識管理機制的有機集成智能診斷與預測系統(tǒng)基于智能故障診斷與預測的生產過程安全管理系統(tǒng)

系統(tǒng)體系結構智能診斷與預測系統(tǒng)基于智能故障診斷與預測的生產過程安全管理系統(tǒng)

系統(tǒng)功能結構思考題

什么是故障診斷？什么是故障預測？智能故障診斷與預測的特點是什么？試繪制智能故障診斷的基本框架。常用的智能故障診斷方法有哪些，簡述各自的原理?；跉v史數(shù)據(jù)的智能故障診斷常用的處理數(shù)據(jù)方