故障诊断理论方法.ppt

第八章 故障诊断理论方法 §8.1 诊断方法分类 §8.2 灰色系统诊断方法 §8.3 人工神经网络诊断方法 §8.1 诊断方法分类 六、故障树分析法 七、专家诊断系统 §8.2 灰色系统诊断方法 灰色关联诊断法 灰色关联诊断法计算框图 灰色关联诊断实例：三相异步电动机故障诊断 灰色关联诊断实例：三相异步电动机故障诊断 灰色关联诊断结果：三相异步电动机故障诊断 §8.3 人工神经网络诊断方法 人工神经网络诊断实例：三相异步电动机故障诊断 输入层与隐含层节点间的连接权系数及隐含层节点阀值 隐含层与输出层节点间的连接权系数及输出层节点阀值 人工神经网络诊断结果： 第八章 故障诊断理论方法（完） 白色系统：是指因素与系统性能特征之间有明确的映射关系。 黑色系统：系统性能特征与因素间关系完全未知。 灰色系统：系统信息不完全已知。 大多数运行的机械设备都具有灰色系统的特征。故障诊断就是利用已知的信息去认识这个含有未知信息的系统特性、状态和发展趋势，并对未来作出预测和决策。 灰色系统理论的主要内容： 灰色系统分析 灰色系统建模 灰色系统预测 灰色系统决策 灰色系统控制 设系统要建立的故障标准模式特征向量的个数，即要诊断的故障种类数为m，每种标准模式特征向量中所包含的元素个数为n，则可建立相应的故障标准模式特征向量矩阵： 设实测信号的待检特征向量为 待检特征向量yT与标准特征向量矩阵XR中各标准模式特征向量对应的元素的最小绝对差值为： 待检特征向量yT与标准特征向量矩阵XR中各标准模式特征向量对应的元素的最大绝对差值为： 待检特征向量yT与标准特征向量矩阵XR在k点的关联度系数ξij(k)的表达式为： 式中ρ为分辨系数，满足(0ρ1)，是可事先确定的常数，一般取ρ＝0.5。 相应的关联度为： 从而可得关联度序列[R]＝[r1，r2，…，rm]。采用优势分析的思想，根据待检信号的故障模式划归为标准故障模式的可能性大小的次序，对系统进行故障诊断时。 当待检模式序列和某一标准故障模式序列关联度最大时，则可认为待检模式属于相应的标准模式，从而达到对模式的真正分类识别。 鉴于不同特征参数对机器运行状态影响程度的不同，对每个特征参数赋与不同的权数ω(k)，则 三种故障状态的标准模式特征向量Xr 三组待检故障状态的模式特征向量Yt 返回 ANN是在现代神经生理学和心理学的研究基础上，模仿人的大脑神经元结构特性而建立的一种非线性动力学网络系统，它由大量的简单的非线性处理单元（类似人脑的神经元）高度并联、互联而成，具有对人脑某些基本特性简单的数学模拟能力。 与传统计算机的比较 神经网络 传统计算机 可以处理模糊的、概率的、含噪的或不相容的信息 强有力的数字和逻辑运算能力，计算精度高 自适应性强， 自适应能力差 鲁棒性(Robust)、容错性强， 脆弱 易于实现感知和视觉等形象思维问题 不能解决形象思维问题，如感知、视觉等 高度并行处理 指令串行执行 无需算法或求解规则，软件编制任务相对简单 设计算法和/或求解规则，编制软件 生物神经元(NU) 人工神经元 令：X=(-1, x1 , x2 ,…, xn )T Wj =(?j , wj 1 , wj 2 , wjn )T 则： 不含反馈的前向网络 反馈网络 全互连网络 状态反馈网络 输出反馈网络 BP网络模型 BP算法（反向误差传递算法）计算程序 三组输入样本 三组输入样本依次训练后，神经网络的输出值： 采用3层BP网络结构，输入层节点数为10，隐含层节点数为6，输出层节点数为3。 对于给定的x，若采取决策?i，由决策表可见，对应于决策?i， ?可以在c个?(?i, ?j)，j=1~c，中任取一个，其相应概率为P(?j /x)。因此在采取决策?i的情况下的条件期望损失（条件风险）为： 在考虑错判带来的损失时，如果在采取每一个决策或行动时，都使其条件风险最小，则对所有x 作出决策时，其期望风险也必然最小。这样的决策就是最小风险贝叶斯决策。决策规则为： 可以证明最小错误率贝叶斯决策是最小风险贝叶斯决策在0－1损失函数条件下的特例。 先验概率P(?i)未知或可变条件下最大可能地使风险最小，即在最差情况下，争取得到最好的结果。 最小最大决策 g a * a P a * ( ) w 1 F E 1 P ( ) w 1 G B A G P ( ) w 1 P b * ( ) w 1 b