基于軟計算和信息融合的故障診斷方法研究.pdf

1、申請上海交通大學(xué)工學(xué)博士學(xué)位論文i基于軟計算和信息融合的故障診斷方法研究摘要隨著現(xiàn)代化大生產(chǎn)的發(fā)展和科學(xué)技術(shù)的進步機械設(shè)備的結(jié)構(gòu)越來越復(fù)雜功能越來越完備自動化程度也越來越高目前在石化能源冶金電力航空機械等各領(lǐng)域中廣泛使用的旋轉(zhuǎn)機械由于工作條件的變化及使用壽命的限制一旦在某處發(fā)生故障就可能會引起鏈鎖反應(yīng)導(dǎo)致整臺設(shè)備甚至整個生成過程不能正常工作造成巨大的經(jīng)濟損失甚至造成災(zāi)難性的人員傷亡產(chǎn)生不良的社會影響所以有計劃有組織有針對地對關(guān)鍵設(shè)備進行

2、實時監(jiān)測與診斷做到盡早地發(fā)現(xiàn)設(shè)備在運行過程中的各種隱患從而防止災(zāi)難性事故的發(fā)生成為機械設(shè)備故障診斷系統(tǒng)面臨和解決的首要問題隨著現(xiàn)代計算機技術(shù)測試技術(shù)信號分析處理技術(shù)人工智能技術(shù)以及軟計算和信息融合理論等學(xué)科的發(fā)展機械設(shè)備狀態(tài)監(jiān)測與故障診斷技術(shù)進入了一個嶄新的階段本文在詳細總結(jié)基于人工智能軟計算和信息融合技術(shù)的故障診斷的現(xiàn)狀和發(fā)展趨勢的基礎(chǔ)上針對故障診斷中知識獲取的瓶頸問題診斷信息的不完整不精確模糊和不確定性的特點對基于軟計算和信息融合的

3、設(shè)備故障診斷方法系統(tǒng)級診斷知識的組織和推理知識的自動獲取與診斷基于軟計算和信息融合技術(shù)的故障診斷進行了深入的研究知識模型是描述某一領(lǐng)域產(chǎn)品相關(guān)專家知識的信息模型隨著軟計算和信息融合技術(shù)用于故障診斷便產(chǎn)生了新的診斷知識而傳統(tǒng)的知識表達和推理方法難以適應(yīng)這些知識在研究各種知識模型的基礎(chǔ)上提出了故障診斷集成知識模型并統(tǒng)一以面向?qū)ο蟮目蚣芤?guī)則表示這種知識模型不但能處理顯式知識隱式知識而且能夠處理信息融合知識在診斷系統(tǒng)的系統(tǒng)級推理中基于分而治之的

4、任務(wù)分解思想給出了基于黑板模型的診斷知識組織和推理方法該方法利用多個知識源通過任務(wù)調(diào)度和黑板控制獲得最終的推理診斷結(jié)果知識獲取被公認(rèn)為是專家系統(tǒng)建造中的瓶頸問題本文基于矩陣的奇異值分解模糊C均值聚類和粗糙集理論研究機械振動的連續(xù)數(shù)值特征的自動知識獲取并使用獲得的知識進行故障診斷在知識的自動獲取中對含有重復(fù)和沖突對象的離散決策表提出了一種基于啟發(fā)式約簡和屬性頻率函數(shù)的規(guī)則獲取方法該方法能夠一定程度上降低計算復(fù)雜度把若干振動征兆數(shù)據(jù)和其對應(yīng)

5、的故障類型數(shù)據(jù)看作矩陣和構(gòu)成決策表利用矩陣的奇異值分解模糊C均值聚類和粗糙集學(xué)習(xí)技術(shù)建立了連續(xù)屬性值決策表的規(guī)則獲取方法該方法獲取的診斷規(guī)則不僅有很好的知識歸納能力而且還有很好的知識泛化(推廣)能力在利用獲取的知識進行故障診斷中分析了故障診斷中的各種匹配模式建立了一種基于征兆重要度考慮的彈性故障診斷規(guī)則匹配模式該模式根據(jù)診斷對象和診斷規(guī)則的匹配程度規(guī)則強度和預(yù)定的診斷結(jié)論閾值確定診斷結(jié)論從而使得故障診斷能夠根據(jù)不同情況確定診斷結(jié)論這更符

6、合實際的需要單一神經(jīng)網(wǎng)絡(luò)故障診斷存在輸出神經(jīng)元數(shù)目較多診斷率較低和發(fā)生新故障時神經(jīng)網(wǎng)絡(luò)的重復(fù)訓(xùn)練等問題借鑒分而治之的思想采用組合式神經(jīng)網(wǎng)絡(luò)和基于模糊積分的信息融合技術(shù)進行故障診斷不同的組合式神經(jīng)網(wǎng)絡(luò)負責(zé)對不同故障類型進行識別和診斷對它們的診斷結(jié)果進行模糊積分從而確定診斷對象的故障狀態(tài)其中在模糊積分的模糊密度計算中對模糊C均值聚類技術(shù)進行改進建立了一種基于模糊C均值聚類的模糊劃分的方法基于此方法提出申請上海交通大學(xué)工學(xué)博士學(xué)位論文iiiR

7、esearchonApproachesofSoftComputingInfmationFusionbasedFaultDiagnosisABSTRACTWiththedevelopmentoflargemodernproductiontechnologymechanicalstructuresbecomememecomplicatedwithmemecomprehensivefunctionhigherautomatization.Th

8、epresentrotatingmachinessubstantivelyusedinsuchfieldsaspetrifactionenergymetallurgyelectricpowernavigationmachinerywouldbefallenfaultfdiversificationofwkingconditionslimitedlongevityprobablytochainreacttocausethewholeass

9、embleevenalltheproductionprocesstowkabnmallyresultinginenmouseconomiclossevencatastrophiccasualtyillsocialinfluence.Consequentlyitistheprimarytaskfacedtobesolvedffaultdiagnosticsystemofmachinerytoonlinedetectdiagnosethos

10、ekeyequipmentsdesignedlyganizationallypertinentlytofindoutallkindsofhiddentroubleofrunningmachinesassoonaspossibletopreventdisasterfromhappening.Withtheadvancementofsuchdisciplinesasmoderncomputertechnologytestingtechnol

11、ogysignalprocessingtechnologysoftcomputinginfmationfusiontheiesthetechnologyofconditiondetectiondiagnosisofmachinescomesintoabrnewera.Onthebasisofsummarizingthepresentstatusdevelopingtrendoffaultdiagnosisbasedonartificia

12、lintelligencesoftcomputinginfmationfusiontechnologiessuchdiagnosticapproachesofmachinesbasedonsoftcomputinginfmationfusionasganizationreasoningofdiagnosticknowledgeindiagnosticsystemautomotiveknowledgeacquirementsoftcomp

13、utinginfmationfusionbasedfaultdiagnosishavebeenresearchedindetailsconsideringthebottleneckproblemofdiagnosticknowledgeacteristicsofincompleteinaccuratefuzzyuncertaindiagnosticinfmation.Knowledgemodelistheinfmationmodelto

14、describeexpertknowledgerelativetoonecertainfield.Withtheapplicationtothefieldoffaultdiagnosisofsoftcomputinginfmationfusionbasedtechnologiesnewtypeofdiagnosticknowledgearisesbutthetraditionalknowledgeganizationreasoningm

15、ethodscannotmeettheincomingknowledge’sneed.Therefeafterinvestigationofadiversityofknowledgemodelsthehybridknowledgemodelisproposedinthisdissertationwhichcandealwithnotonlyexplicitimplicitknowledgebutalsotheknowledgeoninf

16、mationfusionisrepresentedbyobjectientedframerulefmulation.Asfthesystematicreasoningbasedondivideconquerstrategytheblackboardbasedmodelisusedtoganizereasonknowledgetoobtainfinalreasoningconclusionbytaskmaneuverofallkindso

17、fknowledge.Itiswellknownthatknowledgeacquirementisthebottleneckprobleminconstructingexpertsystem.Basedonthesingularvaluesdecomposition(SVD)ofmatrixfuzzyCmeansclustering(FCM)roughsetthey(RST)anapproachofautomotiveknowledg

18、eacquirementofcontinuousnumericalfeaturesofmechanicalvibrationisinvestigatedaccdinglyusedtofaultdiagnosis.Intheautomotiveknowledgeacquirementfdecisiontablewithreduplicateconflictingobjectsaninnovativeapproachofdecisionru

19、leacquirementisproposedbasedonheuristicreductionfrequenciesofattributeswhichincertaindegreedecreasethecomputationalcomplexity.Thedecisionruleacquirementmethodofdecisiontablewithcontinuousdecisionattributevaluesisputfward