故障诊断理论方法综述一 基于解析模型的方法二.PDF

故障诊断理论方法综述 一、 基于解析模型的方法 基于解析模型的故障诊断方法主要是通过构造观测器估计系统输出，然后将它与输出的 测量值作比较从中取得故障信息。它还可进一步分为基于状态估计的方法和基于参数估计的 方法，前者从真实系统的输出与状态观测器或者卡尔曼滤波器的输出比较形成残差，然后从 残差中提取故障特征进而实行故障诊断；后者由机理分析确定系统的模型参数和物理元器件 之间的关系方程，由实时辨识求得系统的实际模型参数，然后求解实际的物理元器件参数， 与标称值比较而确定系统是否发生故障及故障的程度。基于解析模型的故障诊断方法都要求 建立系统精确的数学模型，但随着现代设备的不断大型化、复杂化和非线性化，往往很难或 者无法建立系统精确的数学模型，从而大大限制了基于解析模型的故障诊断方法的推广和应 用。 二、 基于信号处理的方法 当可以得到被控测对象的输入输出信号，但很难建立被控对象的解析数学模型时，可采 用基于信号处理的方法。基于信号处理的方法是一种传统的故障诊断技术，通常利用信号模 型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、 幅值、频率等特征值，识别和评价机械设备所处的状态。基于信号处理的方法又分为基于可 测值或其变化趋势值检查的方法和基于可测信号处理的故障诊断方法等。基于可测值或其变 化趋势值检查的方法根据系统的直接可测的输入输出信号及其变化趋势来进行故障诊断，当 系统的输入输出信号或者变化超出允许的范围时，即认为系统发生了故障，根据异常的信号 来判定故障的性质和发生的部位。基于可测信号处理的故障诊断方法利用系统的输出信号状 态与一定故障源之间的相关性来判定和定位故障，具体有频谱分析方法等。 三、 基于知识的方法 在解决实际的故障诊断问题时，经验丰富的专家进行故障诊断并不都是采用严格的数学 算法从一串串计算结果中来查找问题。对于一个结构复杂的系统，当其运行过程发生故障时， 人们容易获得的往往是一些涉及故障征兆的描述性知识以及各故障源与故障征兆之间关联 性的知识。尽管这些知识大多是定性的而非定量的，但对准确分析故障能起到重要的作用。 经验丰富的专家就是使用长期积累起来的这类经验知识，快速直接实现对系统故障的诊断。 利用知识，通过符号推理的方法进行故障诊断，这是故障诊断技术的又一个分支——基于知 识的故障诊断。基于知识的故障诊断是目前研究和应用的热点，国内外学者提出了很多方法。 由于领域专家在基于知识的故障诊断中扮演重要角色，因此基于知识的故障诊断系统又称为 故障诊断专家系统。如图1.1 1. 基于规则的故障诊断专家系统 基于规则的诊断方法是根据以往专家诊断的经验，将其归纳成规则，通过启发式经验知 识进行故障诊断的计算机软件系统。产生式规则的专家系统是其主要形式。产生式规则的基 本形式为：if(条件),then(结论) 。基于产生式规则的专家系统允许用户向系统知识库中输入大 量上述类型的规则，并制定规则的解释方式，按照一定步骤进行推理获得诊断结论。产生式 规则推理使得用户不用直接面对实际系统的复杂组成结构和解析模型等，而关注于规则的制 定。另外还有着模块性良好，扩充修改和理解方便等优点。理论上，只要规则能制定得足够 细致、足够准确，产生式规则推理能实现高精度的故障定位。尽管基于规则的诊断专家系统 获得了一定的成功，但由于该方法属于反演推理，因而不是一种确保唯一性的推理形式，存 在着知识获取困难、知识台阶窄以及控制策略不灵活等缺点。对大型规则库来说，容易产生 规则匹配冲突、组合爆炸等问题，而且系统缺乏自学习能力，不适用于复杂系统或经验不足 系统的故障诊断。对于大型的诊断对象，其求解过程搜索空间大，速度慢，难以实现实时在 线诊断要求。基于规则的方法对于诊断结论除了重复被采用的规则外，无法作出进一步解释， 通常只能诊断单个故障，难以诊断多重故障。 2. 基于模型推理的故障诊断专家系统 基于模型的推理（Model-Based Reasoning,MBR ）方法于上世纪80 年代由人工智能专家 Raymond Reiter 和Johan de Kleer 等提出，该方法的基本思想是根据实际系统的观测行为与 系统模型的预测行为之间的差异进行诊断，如图 1.2 所示。Reiter 提出了故障系统最小冲突 集和最小碰集的概念，并将基于模型的故障诊断归纳为计算系统极小冲突集和由极小冲突集 计算极小碰集两步，计算得到的每个极小碰集都是系统的候选诊断，然后通过测试，得到