智能诊断技术应用.ppt

C语言程序设计工业装备故障诊断技术*1996年，根据Brachman和Anand模型，Fayyad、Piatetsky-Shapiro和Smyth对原来的模型进行了改进[14]，提出了现在较为流行的九阶段过程模型（参考文献：UsamaFayyad,GregoryPiatetsky-Shapiro,andPadhraicSmyth.KnowledgeDiscoveryandDataMining:TowardsaUnifyingFramework.ProceedingsoftheSecondInternationalConferenceonKnowledgeDiscoveryandDataMining(KDD-96),Portland,Oregon,August2-4,1996,AAAIPress.）这九个处理阶段分别是数据准备、建立目标数据集、数据清洗和预处理、数据缩减、数据挖掘目标的确定、挖掘算法和方法的确定、数据挖掘、模型解释及知识评价和使用发现的知识。*给出了判定树的应用模型。首先，由故障数据挖掘出分类规则。其次，用测试数据对分类规则进行评估和更新。最后，对现场数据进行判别。*时间序列数据挖掘的模型美国Marquette大学的PovinelliR.J.、DemerdashN.A.O.和BrownR.H.等人[36]提出了一种不基于传统傅立叶变换频谱分析概念的感应鼠笼式电动机动态/静态偏心和梁/连接环断裂故障探测及分类的新技术，这种方法可以区分交流电动机的偏心、断梁和端面连接环断裂的故障特征。通过故障仿真和仿真故障特征数据的双向研究，使用TSCFE-SS方法（TimeSteppingCoupledFiniteElement-StateSpace）产生故障案例数据，进一步使用他们改进的时序数据挖掘技术，突破了传统时序分析要求稳定和线性的前提限制，采用嵌入式时间延迟技术将扭矩时间序列数据转化到一个重构的状态空间——相空间，根据旋转半径因子（RadiusofGyration），从示例数据中挖掘正常和故障特征模型，实现了在无实际故障数据的前提下可以采用设计数据来预测和特征化可调速感应机械的故障。*工业装备故障诊断技术*第八章现代智能故障论断技术现代信号处理结果示例-数据挖掘**KDD从存放在数据库、数据仓库或其他信息库中的大量数据中发现有用知识的过程。——JiaweiHan由于在研究和应用领域，“数据挖掘(DM)”比“数据库中的知识发现(KDD)”这个词更流行，因此，现在多采用“数据挖掘(DM)”这个术语。现代信号处理结果示例-数据挖掘**数据挖掘用于知识库建立状态识别诊断决策特征提取如何更好解决同样的问题如何更新知识库如何利用历史数据DataMining海量数据海量数据知识库现代信号处理结果示例-数据挖掘**0102Fayyad等人提出的过程模型（1996年）现代信号处理结果示例-数据挖掘**数据挖掘的应用过程测试数据故障数据DataMining评估更新XX故障机器现场数据分类规则现场评判现代信号处理结果示例-数据挖掘**美国Marquette大学的R.J.Povinelli等人提出的TSDM（TimeSeriesDataMining）模型，可以预测和特征化可调速感应电机的故障。入相空间将时间序列嵌选择临时模式长度Q定义事件特征函数g(t)、目标函数f(P)和优化公式索临时模式簇在相空间中搜定义TSDM目标测试时间序列被观测的时间序列将时间序列嵌入相空间预测事件发生评价训练结果现代信号处理结果示例-数据挖掘**正常电机扭矩信号3个栅条断裂后的扭矩信号3个端面连接条断裂后的扭矩信号扭矩相空间图TSDM挖掘算法时间序列现代信号处理结果示例-数据挖掘**德国DataEngine4.0系统数据分析数据挖掘数据预处理获得诊断模型可视化模糊逻辑神经网络现代信号处理结果示例-数据挖掘**英国Aston大学根据电力工业的需要，开发了一个MODIAROT（ModelBasedDiagnosisofRotorSystemsinPowerPlants）系统，整个系统采用神经网络和模糊逻辑等作为数据挖掘方法，将设备在线测量数据与模型仿真输出进行比较，进而诊断设备故障。采用先进计算方法比较信号处理合成振动信号系统模型实际振动信