1、1智能故障诊断技术智能故障诊断技术2第五章第五章 智能故障诊断的实现方法智能故障诊断的实现方法o 1. 故障信号检测o 2. 故障特征识别o 3. 故障状态预测*o 4. 故障维修决策*o 5. 故障容错控制*31. 故障信号检测故障信号检测o 1.1 故障分类o 1.2 故障检测方法o 1.3 故障判断标准o 1.4 微弱信号检测o 1.5 早期故障检测41.1 故障分类故障分类从故障的形成过程，可概括为两类：o 1）可预测故障可预测故障：是指那些可预先知道的故障。故障发生前通常都有一定征兆，只要及时捕捉这些征兆信息并采取相应措施，就可预防故障。渐发性故渐发性故障障是一种最常见的可预测故障。
2、o 2）不可预测故障不可预测故障：是指那些不可预先知道，但会影响设备正常工作的故障。突发性故障突发性故障是其中最典型的一种。o 可预测故障通常有一定规律性，易于检测和防范；不可预测故障不可预测故障具有随机性，且常对设备造成严重危害，是故障诊断研究的主要对象是故障诊断研究的主要对象。51.2 故障检测方法故障检测方法o 1）振动法：通过测量设备主要部位的振动值，并与标准值比较，对运行状态进行评定。o 2）特征分析法：对测得的振动量在时域、频域、幅域进行特征分析，以确定故障的内容和性质。o 3）参数估计法：当设备故障可由n个参数发生的不期望显著变化来表示时，可根据参数变化的统计特性来检测故障。如最
3、小二乘法、卡尔曼滤波等。o 61.3 故障判断标准故障判断标准o 1）绝对标准绝对标准：在设备的同一部位、按一定要求测得的表现设备状态的值，与某种相应判断标准相比较，以评定设备的状态。o 2）相对标准相对标准：对设备的同一部位、同一工况、同一测量值，用相同方法进行定期测取，按时间先后将实测值与正常状态下的初始值进行比较来判断。o 3）类比标准类比标准：若有多台机型相同、规格相同的设备，在相同条件下用相同方法进行测定，通过相互比较来评定设备的状态。71.4 微弱信号检测微弱信号检测o 微弱信号检测微弱信号检测：分析噪声产生的原因和规律，研究被测信号的特点和相关性，检测被噪声淹没的微弱检测被噪声淹
4、没的微弱有用信号有用信号、或从强噪声中提取有用信号从强噪声中提取有用信号、或采用其他新技术和新方法来提高检测系统输出信号的信噪提高检测系统输出信号的信噪比比。微弱信号检测方法主要有以下几种：n1）窄带滤波法n2）双路消噪法n3）同步累积法n4）锁定接收法n5）相关检测法n6）取样积分法8微弱信号检测的常用方法微弱信号检测的常用方法o 窄带滤波法：用窄带滤波器滤掉通频带以外的宽噪声，只让窄带信号通过，从而提高信号的信噪比o 双路消噪法：当随机噪声从两路到达加法器时，使其极性正好相反，经过加法器相加后把噪声消除o 同步累积法：利用信号的重复性和噪声的随机性，对信号进行重复累积n次，以提高输出功率信
5、噪比o 锁定接收法：一种频域分析法，利用互相关原理，使输入周期信号与频率相同的参考信号实现互相关o 相关检测法：一种时域分析法，信号和噪声相互独立，信号只与信号相关而与噪声不相关，噪声之间互不相关，可通过自相关或互相关运算去除噪声91.5 早期故障检测早期故障检测o 设备运行过程中的故障，往往会经历一个从一个从产生到发展、从轻微到严重的渐变过程产生到发展、从轻微到严重的渐变过程n 一方面，设备性能的变化设备性能的变化：正常非正常恶化崩溃n 另一方面，设备征兆参数的变化设备征兆参数的变化：不明显明显、不完全完全的时间过程因此，早期故障检测对减少或避免故障造成的损失具有特别重要的意义具有特别重要的
6、意义。10早期故障的主要特点早期故障的主要特点o 1）早期故障信号很微弱早期故障信号很微弱：早期故障属于轻微故障，其故障信号分量通常很小，不易察觉；o 2）早期故障信号表征不明显早期故障信号表征不明显：早期故障信号的幅值、相位、时频特性等变化很小，表征很不明显；o 3）早期故障信号容易被噪声信号淹没早期故障信号容易被噪声信号淹没：由于噪声信号通常会夹杂在故障信号中，当故障信号很弱时噪声信号就相对较强，早期故障信号常被噪声信号所淹没，具有很大的隐蔽性。11早期故障检测方法早期故障检测方法o 1）信息融合检测法：利用故障发生后系统中多个相关变量或征兆间的冗余关系，将它们的动态变化趋势进行融合，在故
7、障动态变化过程中，来检测早期故障。如神经网络、证据推理、贝叶斯估计等o 2）故障征兆缩放检测法：通过对故障特征参数变化值（变化率）进行不同比例的缩放，寻找与典型故障样本的最佳匹配来检测早期故障。o 其他方法，典型的如小波分析、混沌、分形等方法122. 故障特征识别故障特征识别o 2.1 故障识别的内容o 2.2 故障识别的过程o 2.3 故障识别的方法o 2.4 故障识别的关键技术*o 2.5 两种识别错误*132.1 故障识别的内容故障识别的内容o 1）正确选择与设备状态有关的特征信号正确选择与设备状态有关的特征信号n特征信号是指与设备功能紧密相关的、最有用的、能代表设备运行状态的信号n应根
8、据不同监控对象，选取最能反映其运行状态的那部分信息作为特征信号n选择特征信号依据：经济性好、信息量大、敏感度高o 2）正确地从特征信号中提取征兆正确地从特征信号中提取征兆n对特征信号进行处理，提取出与设备状态相关的、能直接用于诊断的征兆信息14o 3）正确地根据征兆对设备进行状态识别正确地根据征兆对设备进行状态识别n征兆是故障诊断的基本信息n采用合适的故障诊断理论与方法对征兆加以处理，对不同的设备状态进行模式识别o 4）正确地根据识别结果对设备进行状态诊断正确地根据识别结果对设备进行状态诊断n有故障时，分析故障的位置、类型、性质、原因与趋势故障定位n无故障时，分析状态趋势，预计未来情况故障预测
9、o 5）正确地根据状态诊断对设备进行干预决策正确地根据状态诊断对设备进行干预决策n干预设备及其工作进程，保证设备安全可靠高效运行152.2 故障识别的过程故障识别的过程o 故障识别过程可分为以下四步进行：n 1）特征信号检测n 2）征兆信息提取n 3）设备状态识别n 4）故障维修决策设备故障识别过程设备故障识别过程161）特征信号检测）特征信号检测o 特征信号一般具有两种表现形式：n 能量形式如振动、噪声、压力、温度、电压、电流等，由于它通过能量交换来完成，因此可以使用传感装置来进行检测n 物态形式如设备产生的气体、液体、烟雾、以及锈迹、裂纹等，一般不采用传感装置，只需采用特定的收集装置或直接
10、观测即可172）征兆信息提取）征兆信息提取o 征兆信息提取可以根据不同的特征信号，采用不同的提取方法：n 能量形式可以在时域、频域、幅域或相位域中提取征兆n 物态形式一般通过特定的物理或化学方法，得到诸如铁谱、光谱、浓度、化学成分等征兆；对于直接观测到的信息，可以直接作为征兆来使用183）设备状态识别）设备状态识别o 将通过特征提取后得到的征兆信息，与规定的标准参数或标准模式进行比较，以确定设备当前所处的状态：n 正常状态通过状态预测对设备未来状况做出趋势估计n 异常状态通过状态诊断找出故障原因、部位及严重程度n 状态识别通常是一个由粗到精、由高层到低层直至找到满意的诊断结果的过程194）故障
11、维修决策）故障维修决策o 故障维修决策就是根据故障原因、特征，提出维修方案，以便采取相应措施，使设备尽快地恢复其原有性能或原有工作状态202.3 故障识别的方法故障识别的方法o 1）基于故障机理的识别方法基于故障机理的识别方法n故障机理是指故障发生与发展的过程和原理。故障机理通常以磨损、疲劳、断裂、腐蚀、老化等形式表现出来n机理研究是故障识别技术的基础，只有在此基础上，才能有效分清主次因素，找出薄弱环节，进行准确诊断n故障机理研究的主要手段包括：实验研究、仿真模拟研仿真模拟研究究及理论研究o 2）基于信号处理及特征提取的识别方法基于信号处理及特征提取的识别方法n传感技术和计算机技术是故障诊断的
12、支撑技术，信号处理及特征提取是故障诊断的基本方法n目前发展较快的有：特征参数法、幅值特征法、相位信息法、频谱分析及频谱特征再分析法频谱分析及频谱特征再分析法等21o 3）基于模糊理论的识别方法基于模糊理论的识别方法n模糊故障识别方法：是根据模糊集合论建立征兆空间和故障状态空间的映射关系，通过某些症状的隶属度求出各种故障原因的隶属度，以表征各故障存在的可能性o 4）基于专家系统的识别方法基于专家系统的识别方法n专家系统识别方法：能模拟人的逻辑思维过程，利用专家知识来解决复杂诊断问题。它不依赖于系统的数学模型，而是利用专家知识和特征信息，通过推理得出设备是否故障及什么故障，并对识别结果进行评价和决
13、策n目前主要研究内容包括：诊断知识的获取、诊断知识的表达、诊断推理方法和不准确推理22o 5）基于数学模型的识别方法基于数学模型的识别方法n核心思想：以模型为基础，通过观测器估计系统的输出，然后将它与输出的测量值做比较形成残差，从残差中提取特征，进而实现故障检测和分离o 6）基于故障模式的识别方法基于故障模式的识别方法n模式识别的关键问题是模式特征量的选择和提取。其效果除了与方法选择有关外，在很大程度上还依赖于状态特征参数的提取n模式识别方法实质上就是聚类算法或分类器算法，常见的如线性分类器、Bayes分类器、最近邻分类器、K-Means分类器、神经网络分类器、SVM分类器等23o 7）基于组
14、合思维的识别方法基于组合思维的识别方法n专家系统知识处理模拟的是人的逻辑思维，神经网络知识处理模拟的是人的经验思维，将逻辑思维、经验思维将逻辑思维、经验思维和创造性思维集成在一起，就形成组合思维和创造性思维集成在一起，就形成组合思维n首先用经验思维进行识别；当经验思维无法解决问题时，转向高一层的逻辑思维；当逻辑思维也无法解决复杂问题时，转向更高一层的创造性思维，即通即通过提出新的假设，经过检过提出新的假设，经过检验后再发现新理论和解决验后再发现新理论和解决问题的新方法问题的新方法组合思维识别方法结构图组合思维识别方法结构图24o 8）基于神经网络的识别方法o 9）基于小波变换的识别方法o 10
15、）基于分形几何的识别方法o 11）基于案例的识别方法252.4 故障识别的关键技术故障识别的关键技术o 1）系统分解技术n把一个大型复杂系统分解为若干个小系统或子系统o 2）信号检测技术n关键在于测点选择与传感器选取o 3）特征获取技术n从传感器信号尽可能获取反映设备运行状态的特性信息o 4）数据融合技术n利用来自多个传感器的信息，采用一定方式进行分析组合，以提高信息的有效性和识别的可信度n一般分为像素级融合、特征级融合和决策级融合三层次o 5）诊断决策技术262.5 两种识别错误两种识别错误o 1）有故障时，漏报故障o 2）没有故障时，谎报故障这两种错误一般都是相互矛盾相互矛盾的！对于直接危害安全的故障，第一种错误更重要！27本章重点本章重点o 故障信号检测故障信号检测：可预测故障和不可预测故障的概念，故障判断的标准，微弱信号检测的概念，早期故障的特点o 故障特征识别故障特征识别：故障识别的内容，故障识别的过程，基于组合思维的识别方法28智能故障诊断技术智能故障诊断技术 第五章第五章 结束结束
