设备故障诊断 教学课件 作者 沈庆根郑水英 主编 chap8_现代智能诊断技术的应用.pptVIP

尚辅网 尚辅网 尚辅网 人工神经网络 3.学习算法 1）学习算法 2）BP算法 3）应用 * 1996年，根据Brachman 和 Anand模型，Fayyad、Piatetsky-Shapiro和Smyth对原来的模型进行了改进[14]，提出了现在较为流行的九阶段过程模型（参考文献：Usama Fayyad, Gregory Piatetsky-Shapiro, and Padhraic Smyth. Knowledge Discovery and Data Mining: Towards a Unifying Framework. Proceedings of the Second International Conference onKnowledge Discovery and Data Mining (KDD-96), Portland, Oregon, August 2-4, 1996, AAAI Press. ） 这九个处理阶段分别是数据准备、建立目标数据集、数据清洗和预处理、数据缩减、数据挖掘目标的确定、挖掘算法和方法的确定、数据挖掘、模型解释及知识评价和使用发现的知识。 * 给出了判定树的应用模型。 首先，由故障数据挖掘出分类规则。 其次，用测试数据对分类规则进行评估和更新。 最后，对现场数据进行判别。 * 时间序列数据挖掘的模型 美国Marquette大学的Povinelli R.J.、Demerdash N.A.O.和Brown R.H.等人[36]提出了一种不基于传统傅立叶变换频谱分析概念的感应鼠笼式电动机动态/静态偏心和梁/连接环断裂故障探测及分类的新技术，这种方法可以区分交流电动机的偏心、断梁和端面连接环断裂的故障特征。 通过故障仿真和仿真故障特征数据的双向研究，使用TSCFE-SS方法（Time Stepping Coupled Finite Element-State Space）产生故障案例数据，进一步使用他们改进的时序数据挖掘技术，突破了传统时序分析要求稳定和线性的前提限制，采用嵌入式时间延迟技术将扭矩时间序列数据转化到一个重构的状态空间——相空间，根据旋转半径因子（Radius of Gyration），从示例数据中挖掘正常和故障特征模型，实现了在无实际故障数据的前提下可以采用设计数据来预测和特征化可调速感应机械的故障。 *工业装备故障诊断技术 *C语言程序设计 尚辅网 * 工业装备故障诊断技术 * 第八章 现代智能故障论断技术 尚辅网 尚辅网 * * 现代信号处理结果示例-数据挖掘 KDD从存放在数据库、数据仓库或其他信息库中的大量数据中发现有用知识的过程。 ——Jiawei Han 由于在研究和应用领域，“数据挖掘 (DM)” 比 “数据库中的知识发现 (KDD)” 这个词更流行，因此，现在多采用 “数据挖掘(DM)” 这个术语。 尚辅网 * * 现代信号处理结果示例-数据挖掘 数据挖掘用于知识库建立 状态识别 诊断决策 特征提取 如何更好解决同样的问题 如何更新知识库 如何利用历史数据 Data Mining 海量数据 海量数据 知识库 尚辅网 * * 现代信号处理结果示例-数据挖掘 Fayyad等人提出的过程模型 （1996年） 尚辅网 * * 现代信号处理结果示例-数据挖掘 数据挖掘的应用过程 测试数据 故障数据 Data Mining 评估 更新 XX故障 机 器 现场数据 分类规则 现场评判 尚辅网 * * 现代信号处理结果示例-数据挖掘 美国Marquette大学的R.J. Povinelli等人提出的TSDM（Time Series Data Mining）模型，可以预测和特征化可调速感应电机的故障。 入相空间 将时间序列嵌 选择临时模式长度Q 定义事件特征函数g(t)、目标函数f (P)和优化公式 索临时模式簇 在相空间中搜 定义TSDM目标 测试时间序列 被观测的 时间序列 将时间序列嵌入相空间 预测事件发生 评价训练结果 尚辅网 * * 现代信号处理结果示例-数据挖掘 正常电机 扭矩信号 3个栅条断裂后的扭矩信号 3个端面连接条断裂后的扭矩信号 扭矩 相空间图 TSDM 挖掘算法 时间序列 尚辅网 * * 现代信号处理结果示例-数据挖掘 德国DataEngine 4.0系统 数据分析 数据挖掘 数 据 预处理 获 得 诊断模型 可视化 模糊逻辑 神经网络 尚辅网 * * 现代信号处理结果示例-数据挖掘 英国Aston大学根据电力工业的需要，开发了一个MODIAROT（Model Based Diagnosis of Rotor Systems in Power Plants）系统，整个系统采用神经网络和模糊逻辑等作为数据挖掘方法