大型電機(jī)故障診斷中的貝葉斯網(wǎng)絡(luò)原理.pdf

1、在故障診斷領(lǐng)域，不確定性問(wèn)題占多數(shù)，主要是由診斷對(duì)象的結(jié)構(gòu)復(fù)雜性、檢測(cè)手段及方法的局限性、知識(shí)的運(yùn)用和精確程度等諸多因素造成的。特別是電機(jī)這種型號(hào)和種類(lèi)齊全的機(jī)電設(shè)備，其構(gòu)件之間及構(gòu)件內(nèi)部都存在很多錯(cuò)綜復(fù)雜、關(guān)聯(lián)耦合的相互關(guān)系，不確定因素和不確定信息充斥其間，其故障可能是多故障、關(guān)聯(lián)故障等多種復(fù)雜形式。因此，解決不確定性問(wèn)題成為故障診斷中的首要問(wèn)題。常用的解決不確定性問(wèn)題的方法包括貝葉斯方法、模糊集理論、證據(jù)理論等，經(jīng)Agre G等多位

2、專(zhuān)家的分析研究，基于貝葉斯理論的貝葉斯網(wǎng)絡(luò)是目前解決不確定性問(wèn)題的最有效的方法。 貝葉斯網(wǎng)絡(luò)是目前不確定知識(shí)表達(dá)和推理領(lǐng)域最有效的理論模型之一，適用于不確定性和概率性的知識(shí)表達(dá)和推理，特別適用于有條件地依賴(lài)多種控制因素的決策。貝葉斯網(wǎng)絡(luò)是一種基于網(wǎng)絡(luò)結(jié)構(gòu)的有向圖解描述，具有多源信息一致表達(dá)與信息融合能力，能進(jìn)行雙向并行推理，并能綜合先驗(yàn)信息和樣本信息，使推理結(jié)果更為準(zhǔn)確可信。因此，貝葉斯網(wǎng)絡(luò)在故障診斷領(lǐng)域中的應(yīng)用具有重要意義。

3、 本文針對(duì)電機(jī)故障診斷技術(shù)中存在的固有的不確定性，從信息融合的一般化問(wèn)題入手，在綜合現(xiàn)有信息融合相關(guān)的研究結(jié)論的基礎(chǔ)上，對(duì)相關(guān)的不確定性理論及其相互關(guān)系作了綜合研究，詳細(xì)分析了適合于信息融合領(lǐng)域的幾種不確定性測(cè)度以及相關(guān)的不確定度。對(duì)電機(jī)故障診斷過(guò)程中存在的各種不確定性以及這些不確定性的解決辦法和特點(diǎn)作了詳細(xì)分析。原有的電機(jī)故障診斷方法基本上都是用單參數(shù)方法實(shí)現(xiàn)診斷，由于存在不確定性因素，故障診斷的準(zhǔn)確性難以保證，而貝葉斯網(wǎng)絡(luò)融合

4、方法可大大提高電機(jī)故障診斷的準(zhǔn)確性。 電機(jī)故障診斷中信息融合主要是決策融合，可以把診斷問(wèn)題看成是一個(gè)多源不確定性信息條件下的決策問(wèn)題。本文以感應(yīng)電動(dòng)機(jī)為應(yīng)用研究對(duì)象，提出了用于解決不確定性問(wèn)題的故障診斷結(jié)構(gòu)模型和功能模型，并對(duì)模型的知識(shí)表達(dá)、建造方法進(jìn)行了深入研究，提出了貝葉斯網(wǎng)絡(luò)融合算法。為了獲得更高準(zhǔn)確率的故障診斷結(jié)果，針對(duì)故障診斷中傳感器傳輸數(shù)據(jù)的時(shí)序性特點(diǎn)，采用在線(xiàn)學(xué)習(xí)的思想，對(duì)貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)。以最大似然估計(jì)(M

5、aximum Likelihood Estimation-MLE)方法進(jìn)行參數(shù)學(xué)習(xí)。并通過(guò)圖搜索算法，推理得出產(chǎn)生故障的原因節(jié)點(diǎn)，獲得高效、準(zhǔn)確的診斷結(jié)果。 在應(yīng)用中，將故障診斷融合模型及融合算法應(yīng)用在感應(yīng)電動(dòng)機(jī)故障診斷過(guò)程中。通過(guò)多個(gè)實(shí)驗(yàn)表明，在電動(dòng)機(jī)運(yùn)行工況下，故障診斷融合模型的診斷準(zhǔn)確率優(yōu)于傳統(tǒng)的專(zhuān)家系統(tǒng)方法和學(xué)習(xí)前的貝葉斯網(wǎng)絡(luò)方法，有效地解決了故障診斷中存在的問(wèn)題，提高了診斷的準(zhǔn)確率。從而驗(yàn)證了故障診斷融合模型及算法的有