故障自诊断技术与专家系统故障诊断.pptVIP

二 神经网络法 1.神经元的结构 2.人工神经网络 3. 人工神经元、人脑、冯诺依曼计算机之间的异同 4.神经网络在故障诊断中应用的原理 第二十八页，共四十九页。 广义地讲，设备故障可理解为设备的异常现象，使设备表现出不期望的特性。故障诊断的本质是进行模式的分类和识别，即把设备的运行状态分为正常和异常两类，判别信号样本正常与否，判别异常信号样本属于哪种故障，进行模式识别。 电子设备故障检测与诊断是一个十分复杂的模式识别问题，若为模拟电路的故障诊断还存在广泛的非线性问题，此外模拟电路还存在大量的反馈回路和容差，这些均增加了故障模式识别的复杂性。人工神经网络由于其具有：并行性、自学习、自组织性、联想记忆及分类功能等信息处理特点，使其能解决传统模式难以解决的问题。为此，人工神经网经成为电子设备故障诊断的重要方法之一。 第二十九页，共四十九页。 神经网络对外界输入样本具有很强的识别分类能力和联想记忆功能，可以很好地解决对非线性曲面的逼近，比传统的分类器具有更好的分类与识别能力。它对外界输入样本的分类实际上是在样本空间找出符合要求的分割区域，而每一区域内的样本属于一类。这就是运用神经网络法进行故障诊断的缘由。 第三十页，共四十九页。 一般来说一个神经网络用于故障诊断时，包含以下三层： ①输入层，它从设备和诊断对象接收各种故障信息和现象。 ②中间层，它把输入层得到的故障信息，经内部的学习和处理，转化为针对性的解决办法。中间层含有隐节点，它通过权值连接输入层和输出层，它可为一层，也可为多层，也可不要中间层，只是连接方法不同而已。 ③输出层，它能针对输入的故障形式，经过权值调整后，得到故障的处理方法；对于一个新的输入状态信息，训练好的网络將由输出层给出故障识别结果。 第三十一页，共四十九页。 神经网络在设备故障诊断领域的应用研究主要集中在以下两方面： ①从模式识别的角度，应用它作为分类器进行故障诊断。 ②将神经网络与其他故障诊断方法相结合，形成复合的故障诊断方法，如神经网络信息融合法等。 第三十二页，共四十九页。 三 电子设备故障诊断的信息融合技术 又称为多传感器信息融合MSIF(Multi-Sensor Information Fusion）技术，是针对一个系统中使用多种（或多个）传感器这一问题而展开的一种信息处理的新的研究方向，利用计算机技术把来自多传感器或多源的信息和数据，在一定的准则下加以自动分析、综合，以完成所需要的决策和估计而进行的信息处理过程，以便得出更为准确可信的结论。 有人称信息融合为数据融合，就它们的内涵而言，信息融合的内涵更广泛、更合理、也更具概括性。因信息不仅包括了数据，而且包括了信号和知识。 第三十三页，共四十九页。 多传感器信息融合是对人脑综合处理复杂问题的一种功能模拟。多传感器信息融合技术的基本原理就如同人脑综合处信息的过程，充分利用多个传感器的资源，通过对各种传感器及其观测信息的合理支配和使用，将各种传感器在空间和时间上互补和冗余信息，依据某种优化准则组合起来，产生对观测环境的一致性解释和描述。信息融合的目标是在各传感器分别观测信息的基础上，通过对信息的优化组合导出更多的有效信息，其最终目的是利用多个传感器共同联合操作运行的优势，来提高整个传感器系统的有效性。信息融合技术广泛应用于许多领域，如机器人和智能仪器系统；无人驾驶飞机；目标检测与跟踪；自动目标识别；多源图像复合等。 第三十四页，共四十九页。 1.应用信息融合故障诊断方法的缘由 电子设备的故障检测与定位是一项十分复杂困难的工作。尤其是模拟电路的故障诊断，当电路中的某元器件出现故障后，不仅其本身的输出信号失真，且影响与相连的其他正常元器件的功能，亦即电路前后元器件相互影响,也使它们的相关信号失真。如直接测试待诊断元器件的电压或电流信号，难以准确判断是否有故障。若以传统的断路法（网络撕裂法）进行故障诊断，对被怀疑元器件割断其前后联系，通电测试其关键节点电压、电流信号，判断是否有故障。采用这种方法不仅测试麻烦，且无法准确判断是哪一元器件的故障，必须切割很多元器件才能诊断出真正的故障元器件。而且有很多情况下是不允许进行此类破坏性诊断的，特别是一些重要的仪器电路或