【2017年整理】模糊.docVIP

动车组检修与故障诊断技术 第三次大作业 神经网络在机械故障中的应用 姓名： 胡泽丰 学号： 班级： 09铁车3班 学期： 7 老师： 曾老师 西南交通大学峨眉校区 模糊诊断及其简介 现代系统一般都采用模块化设计, 功能层次比较明显, 利用这种功能特点可加速系统的故障诊断。据此, 综合层次法和模糊识别法,给出了一种基于层次分析和模糊识别的故障诊断方法。实际工程中, 故障现象和故障状态之间往往 表现为一种模糊关系, 从而增加了故障诊断的难度。经综合分析, 结合系统功能结构特点, 将模糊该方法根据系统功能特点划分故障模块, 使故障具有一定的层次结构, 从而加速了故障的定位; 再结合模糊识别法进行故障定位,有效地解决了故障状态识别的不确定性问题。结合实例分析, 验证了此方法的有效性, 并具有故障诊断快速、准确的特点。理论应用于故障诊断, 既能提高故障定位速度, 又能解决故障状态识别的不确定性问题。据此引出一种故障诊断方法层次模糊识别法, 该方法以系统功能特点为基础建立故障特征模型,使故障具有一定的层次结构, 然后在故障模块范围内对故障状态进行模糊识别。层次模型和模糊识别的结合, 使故障定位速度和定位准确度都得到了相应的提高。 二．基于模糊理论变压器绝缘故障诊断 目前，根据对绝缘故障诊断角度的不同，基于模糊理论的故障诊断方法大致分以下两种。　　(1)模糊推理。模糊推理的核心是模糊化处理和模糊规则，对DGA数据采用不同的模糊化处理方法和模糊规则形成不同的故障诊断处理方法。针对IEC/IEEE三比值法在气体比值编码区间定义上过于绝对性的缺点，文中选用梯形函数作为模糊子集的隶属函数，并且提出通过样本学习来自动获取三比值法中不存在的规则，弥补了三比值法在规则缺少方面的缺陷，并且模糊规则和模糊子集的参数采用进化优化算法自动调整，以减少人为设置参数带来的主观性。但文献［1］没有考虑模糊规则集的冗余和样本集合中各个故障类型样本个数对模糊子集和模糊规则参数的影响，因此文献在提出的规则建立算法中加入各个故障类型样本的个数，并且采用遗传算法对产生的模糊规则集进行了精简，剔除了其中不重要的或冗余的规则。基于传统的IEC编码值，提出了模糊IEC编码，以半柯西分布函数作为其隶属函数，同时在模糊规则的运算中加入了C2H2、H2和CH4气体含量大小的模糊子集隶属度，通过加权求和的方式得到故障对应的隶属度。加入这3种气体的模糊子集有利于对某些特殊故障的诊断，弥补了三比值法仅考虑气体间比值的不足。　　(2)模糊关系。模糊关系表征的是两个集合之间的关联程度。由于传统的三比值法在变压器绝缘故障类型和比值编码上是一一对应的关系，而实际上由于变压器绝缘故障类型与特征气体之间关系的复杂性，使得这种对应关系具有一定的模糊性。在对传统比值法的编码组合进行模糊化处理和统计及分析的基础上，得到了编码―故障模糊关系矩阵，以待测样本对应的27组编码组合的隶属度作为特征输入矢量，通过模糊综合评判方法求出故障输出矢量，以其中最大隶属度对应的故障类型作为诊断结果。模糊向量是特殊形式的模糊关系，文献中提出了故障的特征模糊向量和故障标准参考值的概念，前者由三比值大小的模糊子集和除CO2外其余六种特征气体含量大小的模糊子集组成。故障的隶属度则由待测样本的模糊向量与特征模糊向量的内积和除以标准参考值得到。　　基于模糊推理和模糊关系的故障诊断方法来源于长期以来人们对变压器绝缘故障诊断知识的经验总结。这种经验总结由于其本身具有的模糊性和不确定性，因此隶属函数和模糊规则的确定过程存在一定的人为因素。同时在模糊规则的选择上，一方面现有的模糊规则数较少，另一方面若增大模糊子集的个数又会引起规则数的急剧增加，导致计算量的增大和冗余规则的出现。因此，如何减少诊断过程中人为因素对隶属函数的影响并获取高效、精简的模糊规则集是基于模糊推理和模糊关系的故障诊断方法的研究重点。目前数据挖掘技术中的粗糙集等方法因为能够从大量数据中自动学习规则而成为新的研究方向。三.基于模糊聚类的绝缘故障诊断方法　　模糊聚类方法的原理是在没有先验知识的情况下，基于“物以类聚”的观点，应用模糊数学的方法确定各个样本之间的距离及分散程度，按照样本的距离或者某个目标函数来实现分类的一种方法。文献［6］将迭代自组织数据分析方法(ISODATA)应用到变压器故障诊断中，通过动态聚类的方法构造最优模糊分类矩阵和聚类中心，然后按与中心最近原则确定故障类别。在此基础上，文献［7］结合模糊集理论和各种聚类算法提出模糊模式动态多层聚类算法，选用模糊贴近度作为样本之间的相似性尺度，采用动态分类求取最优分类结构，逐步