第4章 智能故障诊断的控制策略.pptVIP

智能故障诊断技术 主讲人：沈志熙 shenzhixi@cqu.edu.cn 重庆大学自动化学院 第四章 智能故障诊断的控制策略 1. 瞬时故障的消除 2. 多模块并行诊断决策 3. 故障自适应学习控制 4. 故障自适应补偿控制* 5. 故障自适应重构控制* 1. 瞬时故障的消除 瞬时故障的消除策略 1）循环采样技术：将信号的一次采样改为循环采样，通过对采集数据的类比分析，消除瞬时故障 2）自动补偿技术：采用特殊结构和特殊装置组成补偿器，抵消瞬时故障影响，如温度补偿器 3）自动切换技术：设备运行中出现瞬时过载等不安全情况时，使设备有关部分或全部停止运行，消除瞬时故障影响和保护设备，如切换开关、熔断器 4）阻尼技术：设备运行中出现过载物理量时，对其加以限制或衰减，消除瞬时故障影响，如电感器抑制过电压、减震器吸收振动冲击等 瞬时故障的消除策略 5）旁路技术：把瞬时过载能量或不需要的物理量从旁路泄走，如低阻通路将瞬时过载电能旁路到大地、过流阀旁路掉液压或气动系统能量等 6）屏蔽技术：把瞬时故障的效应屏蔽起来，以消除瞬时故障的影响，如碳纤维或形状记忆合金等 7）隔离技术：通过设计瞬时故障隔离器来消除瞬时故障的影响，如电磁隔离等 2. 多模块并行诊断决策 多模块并行诊断决策：即对同一种故障信息，用不同的诊断模块进行识别，若结果相同或基本相同，则认为诊断成功，并根据故障性质和故障特征，调用相应的容错模块对故障进行容错控制；若诊断结果差异较大，则可采用表决方法对结果作出判断。 2.1 单输出对象诊断策略 离线辨识：在不同工作区段取代表性工作点激励对象，产生多组训练数据，离线训练各子模型； 在线控制：用实际输入和输出数据，对各子模型控制器进行自适应权值修正；切换到适合的子模型作为当前状态的控制器，得到当前的控制输入。 关键在于：模型区域的划分和模型切换的判断；同时，应避免切换振荡与输出的不确定。 2.1 单输出对象诊断策略 模型区域划分： 仅根据控制器输出所在的一维区域，划分为有代表性的不同工作区段。 模型切换： 根据期望控制器输出判断下一时刻系统处在哪个子模型控制器的控制域内，以此切换模型。 避免切换振荡： 扩大训练域冗余，使相邻训练域相互重叠； 在总的工作范围内离线训练一个网络模型，做为过渡过程使用。 2.2 多输出对象诊断策略 离线辨识：基于聚类算法（如K-Means）对样本进行分类，再用分类后的样本子集训练各子模型； 在线控制：用实际输入对各子模型的隶属度为权值，对各子模型控制器输出加权，得到当前的控制输入。 关键在于：模型区域的划分和模型切换的判断。 2.2 多输出对象诊断策略 模型区域划分： 不能仅根据控制器输出所在的一维区域进行划分，可以通过聚类方法划分样本空间进行子模型训练。 模型切换： 选择包括当前系统状态的子模型作为控制器； 将当前输入与各子模型工作空间的隶属度作为权值，各子模型都对输出进行加权贡献。 3. 故障自适应学习控制 设备运行中：1）内、外部因素的作用，常使故障发生的规律有所不同；2）故障与征兆间的相关性表现为，一种故障可能引起多个征兆，而一种征兆又可对应多种故障 根据环境条件的变化，可采用自动修改模糊诊断矩阵权系数的自适应学习控制策略 自适应学习控制原理 当智能控制器根据原有知识所产生的决策对监控对象前馈和反馈控制器的修改已无法使系统达到满意性能时，利用环境信息，启动学习模块对智能控制模块中的知识自动更改，排除无用知识，加入有用知识，自动修改权系数，就可实现故障自学习控制 自适应学习控制技术 1）模糊学习控制技术：利用模糊逻辑表示和推理知识，从行为上模拟人的模糊推理和决策过程。是一种以模糊集合论、模糊语言变量和模糊逻辑推理为基础的计算机数字控制技术。适用于难以建模的对象和复杂过程的控制，控制形式简单易于实现；但模糊逻辑对学习模型和学习算法缺少理论描述。 2）神经网络学习控制技术：是由大量神经元组成的结点联结与权值分布来表示信息的计算机系统。具有并行计算、分布存储、高度容错、自组织和自学习等特点；但神经网络只能表示数值型数据。 自适应学习控制技术 3）遗传算法学习控制技术：是一种在计算机上模拟生命进化过程的智能算法，根据适者生存、优胜劣汰的规则进行搜索计算和问题求解。遗传算法能根据少量样本进行学习，并具有并行计算、快速寻找全局最优解等特点。 4）专家学习控制技术：根据不同的学习类型，采用不同的学习算法或策略对新获取的知识进行学习，从而完善和提高专家控制的智能化水平。 4. 故障自适应补偿控制* 对于旋转设备，在运行过程中发生故障或将要发生故障之前，可通过有效地降低设备的运行速度或负载，实现对故障的补偿控制。 假定设备运行状态可用动态方程描述为： 设备故障时，其动态方程