官方公众号:52phm,与工业互联网人一起成长

2021-12-13 14:48:01    互联网    1735    当前专栏:故障诊断    分类:算法开发    本站官网:www.52phm.cn   

公众号 ...

机械故障诊断方法论

1. 故障诊断概念

故障诊断主要研究如何对系统中出现的故障进行检测、分离和辨识 , 即判断故障是否发生 , 定位故障发生的部位和种类 , 以及确定故障的大小和发生的时间等 。

2. 故障诊断方法

故障诊断防范可分为定性分析和定量分析两大类 , 如图 1 所示。 其中 , 定量分析方法又分为基于解析模型的方法和数据驱动的方法 , 后者又进一步包括机器学习类方法、多元统计分析类方法、信号处理类方法、信息融合类方法和粗糙集方法等 。

2.1 定性分析方法

2.1.1 图论方法

基于图论的故障诊断方法主要包括符号有向图 (Signed directed graph, SDG) 方法和故障树(Fault tree) 方法 。SDG 是一种被广泛采用的描述系统因果关系的图形化模型 。故障树是一种特殊的逻辑图。基于故障树的诊断方法是一种由果到因的分析过程,它从系统的故障状态出发, 逐级进行推理分析,最终确定故障发生的基本原因、影响程度和发生概率 。

基于图论的故障诊断方法具有建模简单、结果易于理解和应用范围广等特点 。 但是 , 当系统比较复杂时 , 这类方法的搜索过程会变得非常复杂 , 而且诊断正确率不高 , 可能给出无效的故障诊断结果 。

2.1.2 专家系统

基于专家系统 (Expert system) 的故障诊断方法是利用领域专家在长期实践中积累起来的经验建立知识库 , 并设计一套计算机程序模拟人类专家的推理和决策过程进行故障诊断。专家系统主要由知识库、推理机、综合数据库、人机接口及解释模块等部分构成 。知识库和推理机是专家系统的核心 , 传统专家系统中 , 专家知识常用确定性的 IF-THEN 规则表示 。通常专家知识不可避免地具有不确定性。 模糊专家系统在专家知识的表示中引入了模糊隶属度的概念 , 并利用模糊逻辑进行推理 , 能够很好地处理专家知识中的不确定性。

基于专家系统的故障诊断方法能够利用专家丰富的经验知识 , 无需对系统进行数学建模并且诊断结果易于理解 , 因此得到了广泛的应用。但是 ,这类方法也存在不足 , 主要表现在 : 首先 , 知识的获取比较困难 , 这成为专家系统开发中的主要瓶颈; 其次,诊断的准确程度依赖于知识库中专家经验的丰富程度和知识水平的高低 ;最后 , 当规则较多时 , 推理过程中存在匹配冲突、组合爆炸等问题 , 使得推理速度较慢、效率低下 。

2.1.3 定性仿真

定性仿真 (Qualitative simulation) 是获得系统定性行为描述的一种方法 , 定性仿真得到的系统在正常和各种故障情况下的定性行为描述可以作为系统知识用于故障诊断 。这种方法首先将系统描述成一个代表物理参数的符号集合以及反映这些物理参数之间相互关系的约束方程集合 , 然后从系统的初始状态出发 , 生成各种可能的后继状态 , 并用约束方程过滤掉那些不合理的状态 , 重复此过程直到没有新的状态出现为止 。 定性仿真的最大特点是能够对系统的动态行为进行推理 。

2.2 定量分析方法

2.2.1 基于解析模型的方法

基于解析模型的故障诊断方法利用系统精确的数学模型和可观测输入输出量构造残差信号来反映系统期望行为与实际运行模式之间的不一致 , 然后基于对残差信号的分析进行故障诊断 。基于解析模型的故障诊断研究的相对较多 , 也较深入。 基于状态估计的故障诊断方法主要包括滤波器方法和观测器方法 。基于参数估计的故障诊断认为故障会引起系统过程参数的变化 , 而过程参数的变化会进一步导致模型参数的变化 , 因此可以通过检测模型中的参数变化来进行故障诊断 。

基于解析模型的故障诊断利用了对系统内部的深层认识 , 具有很好的诊断效果 。但是这类方法依赖于被诊断对象精确的数学模型 , 实际中对象精确的数学模型往往难以建立 , 此时基于解析模型的故障诊断方法便不再适用 . 然而系统在运行过程中积累
了大量的运行数据 , 因此需要研究基于过程数据的故障诊断方法 。

2.2.2 数据驱动的方法

数据驱动的故障诊断方法就是对过程运行数据进行分析处理 , 从而在不需知道系统精确解析模型的情况下完成系统的故障诊断。 这类方法又可分为机器学习类方法、多元统计分析类方法、信号处理类方法、信息融合类方法和粗糙集方法等。 总之 , 数据驱动的故障诊断方法不需要过程精确的解析模型 , 完全从系统的历史数据出发 , 因此在实际系统中更容易直接应用 。 但是 , 这类方法因为没有系统内部结构和机理的信息 , 因此对于故障的分析和解释相对比较困难 。 最后需要说明的是 , 虽然基于解析模型的方法和数据驱动的方法是两类完全不同的故障诊断方法 , 但它们之间并不是完全孤立的。

(1)机器学习

机器学习类故障诊断方法的基本思路是利用系统在正常和各种故障情况下的历史数据训练神经网络 (Neural network) 或者支持向量机 (Supportvector machine) 等机器学习算法用于故障诊断 。在故障诊断中神经网络主要用来对提取出来的故障特征进行分类。

基于机器学习的故障诊断方法以故障诊断正确率为学习目标 , 并且适用范围广 . 但是机器学习算法需要过程故障情况下的样本数据 , 且精度与样本的完备性和代表性有很大关系 , 因此难以用于那些无法获得大量故障数据的工业过程。

(2)多元统计分析

基于多元统计分析的故障诊断方法是利用过程多个变量之间的相关性对过程进行故障诊断 。这类方法根据过程变量历史数据 , 利用多元投影方法将多变量样本空间分解成由主元变量张成的较低维的投影子空间和一个相应的残差子空间 , 并分别在这两个空间中构造能够反映空间变化的统计量 , 然后将观测向量分别向两个子空间进行投影 ,并计算相应统计量指标用于过程监控 。

基于多元统计分析的故障诊断方法不需要对系统的结构和原理有深入的了解 , 完全基于系统运行过程中传感器的测量数据 , 而且算法简单 , 易于实现 。 但是 , 这类方法诊断出来的故障物理意义不明确 , 难于解释 , 并且由于实际系统的复杂性 , 这类方法中还有许多问题有待进一步的研究 , 比如过程变量之间非线性 , 以及过程的动态性和时变性等 。

(3)信号处理

对测量信号利用各种信号处理方法进行分析处理 , 提取与故障相关的信号的时域或频域特征用于故障诊断 。 主要包括谱分析 (Spectrumanalysis) 方法和小波变换 (Wavelet transform) 方法 。不同的故障会导致测量信号的频谱表现出不同的特征 , 因此可以通过对信号的功率谱、倒频谱等进行谱分析的方法来进行故障诊断 。以傅里叶变换为核心的传统谱分析方法虽然在平稳信号的特征提取中发挥了重要作用 , 但是实际系统发生故障后的测量信号往往是非平稳的 , 而且傅里叶变换是一种全局变换 , 不能反映信号在时频域上的局部特征 。

而小波变换作为一种非平稳信号的时频域分析方法 , 既能够反映信号的频率内容 , 又能够反映该频率内容随时间变化的规律 , 并且其分辨率是可变的 , 即在低频部分具有较高的频率分辨率和较低的时间分辨率 , 而在高频部分具有较高的时间分辨率和较低的频率分辨率。 小波变换在故障诊断中的应用主要有以下几种 :

  • 1) 利用小波变换对信号进行多尺度多分辨率分析 , 从而提取信号在不同尺度上的特征用于故障诊断;
  • 2) 利用小波变换的模极大值可以检测出信号的突变 , 因此基于小波变换的奇异性检测可用于突发型故障的诊断;
  • 3) 根据实际系统中有用信号往往集中在低频部分且比较平稳 , 而噪声主要表现为高频信号的特点 , 小波变换还常用于对随机信号进行去噪。小波分解与重构的去噪方法通过在小波分解信号中去除高频部分来达到去噪的目的。此外 , 近年来还出现了大量将小波变换与其他方法相结合的故障诊断方法。

(4)粗糙集

粗糙集 (Rough set) 是一种从数据中进行知识发现并揭示其潜在规律的新的数学工具 。 与模糊理论使用隶属度函数和证据理论使用置信度不同 , 粗糙集的最大特点就是不需要数据集之外的任何主观先验信息就能够对不确定性进行客观的描述和处理 。属性约简是粗糙集理论的核心内容 , 它是在不影响系统决策的前提下 , 通过删除不相关或者不重要的条件属性 , 从而使得可以用最少的属性信息得到正确的分类结果 。 因此 , 在故障诊断中可以使用粗糙集来选择合理有效的故障特征集 , 从而减小输入特征量的维数 , 降低故障诊断系统的规模和复杂程度 。

(5)信息融合

信息融合技术对多源信息加以自动分析和综合以获得比单源信息更为可靠结论 。 信息融合按照融合时信息的抽象层次可分为数据层融合、特征层融合和决策层融合 。 目前 , 基于信息融合的故障诊断方法主要是决策层融合方法和特征层融合方法 。决策层融合诊断方法是对不同传感器数据得到的故障诊断结果或者相同数据经过不同方法得到的故障诊断结果利用决策层融合算法进行融合 , 从而获得一致的更加准确的结论 。

基于 DS 证据理论(Dempster-Shafer evidence theory) 融合的方法是决策层融合故障诊断中研究最多的一类。特征层融合诊断方法主要是利用神经网络或支持向量机将多个故障特征进行融合 , 得到融合后的故障特征用于诊断或者直接输出故障诊断结果。 故障特征既可以是从多个传感器数据中得到的 , 也可以是从相同数据中抽象出来的不同特征 。

基于信息融合的故障诊断方法利用了多个传感器的互补和冗余信息 , 但是 , 如何保证这些信息能够被有效利用 , 以达到提高故障诊断的准确性及减少虚报和漏报的目标还有待进一步的研究。



版权声明:遵循 CC 4.0 BY-SA 版权协议
原文链接:https://blog.csdn.net/jinpeng_cumt/article/details/86352790

免责声明:信息来源于互联网聚合整理或者作者原创,非原创文章标示"互联网",原创文章标示"作者昵称",本文仅代表文章作者的个人观点,且文中陈述文字和内容的时效性、真实性与本站无关,请读者仅作参考,如发现有害或侵权内容,请联系我们将在第一时间进行核实处理。


[推荐] 机电设备故障诊断数据集

2021-12-09 11:27:13    博客笔记    3875    分类:边缘感知    专栏:故障诊断   


[推荐] 智能故障诊断方法总结

2021-12-09 11:32:32    互联网    1467    分类:算法开发    专栏:故障诊断   


[推荐] 旋转机械故障诊断学基础知识

2021-12-13 14:30:26    互联网    1602    分类:算法开发    专栏:故障诊断   



转发此文章到社区


进群

让志同道合读者学习交流



机器人执行故障

机器人执行故障

2021-12-04 23:48:39    博客笔记    640    分类:边缘感知    专栏:工业机器人   


故障诊断技术体系阐述

1.引言 智能故障诊断(IFD)是指将机器学习理论,如人工神经网络(ANN)、支持向量机(SVM)和深度神经网络(DNN)应用于机器故障诊断。这种方法利用机器学习理论,从采集的数据中自适应地学习机器的诊断知识,而不是利用工程师的经验和知识。具体而言,IFD需要构建一个诊断模型,该模型能够自动将收集的数据与机器的健康状态之间的关系连接起来。 机器学习的早期研究可追溯到1950年,1980年左右成为了人工智能的一个重要方向,并于2010年开始得到了广泛的应用。在此期间发明了许多传统理论,如AN...

2021-12-09 11:31:41    互联网    979    分类:算法开发    专栏:故障诊断   


一种基于CNN的数据驱动故障诊断方法

本文主要分为四个部分:目录本文主要分为四个部分:1.数据预处理2.使用的CNN框架3.性能评估4.总结

2021-12-09 14:46:03    互联网    1564    分类:算法开发    专栏:故障诊断   


一篇关于轴承故障诊断的综述

在设备的故障检测中,有约30%-40%的设备故障是由轴承故障引起的,因此本文将列举有关检测轴承故障使用到的相关数据集,模型和算法。数据集现有的数据集,普遍由固定在电机马达上的两个震动检测器获得,并根据需要,分离震动数据在时域和频域上的特征以供网络模型学习。不同的数据集,区别在于,检测的马达转速不同,环境不同,取样频率不同,一段样本的时长不同等等(1)Case Western Reserve University (CWRU) Dataset该数据集拥有多种数据,测量的时候,通过改变轴承.

2021-12-13 13:17:35    互联网    2397    分类:算法开发    专栏:故障诊断   


故障诊断的性能评估指标

评价一个故障诊断系统的性能指标有:   1)故障检测的及时性:是指系统在发生故障后,故障诊断系统在最短时间内检测到故障的能力。故障发生到被检测出的时间越短说明故障检测的及时性越好。   2)早期检测的灵敏度:是指故障诊断系统对微小故障信号的检测能力。故障诊断系统能检测到的故障信号越小说明其早期检测的灵敏度越高。   3)故障的误报率和漏报率:误报指系统没有出去故障却被错误检测出发生故障

2021-12-13 13:51:37    互联网    1670    分类:算法开发    专栏:故障诊断   


电气设备故障诊断法“六诊、九法、三先后”

一、“六诊”—口问、眼看、耳听、鼻闻、手摸、表测六种诊断方法,简单地讲就是通过“问、看、听、闻、摸、测”来发现电气设备的异常情况,从而找出故障原因和故障所在的部位。前“五诊”是借人的感官对电气设备故障进行有的放矢的诊断,称为感官诊断,又称直观检查法。同样,由于个人的技术经验差异,诊断结果也有所不同。可以采用“多人会诊法”求得正确结论。“表测”即应用电气仪表测量某些电气参数的大小,经过与正常数值对比,来确定故障原因和部位。1、口问当一台设备的电气系统发生故障后,检修人员应和医生看病一样,首先要了解

2021-12-13 16:52:04    互联网    1550    分类:算法开发    专栏:故障诊断   


故障诊断期刊文献分析

看看故障诊断研究重点方向在哪?故障诊断总发文量统计如下:前20个主要主题词分布情况:前20个次要主题词分布情况:录用期刊分布:期刊类型:学科分布情况:发文机构分布:基金分布情况:...

2021-12-13 17:11:53    互联网    2717    分类:算法开发    专栏:故障诊断   


大型旋转机械状态监测与故障诊断

1 故障诊断的含义故障就是指机械设备丧失了原来所规定的性能和状态。通常把运行中的状态异常、缺陷、性能恶化及事故前期的状态统称为故障,有时也把事故直接归为故障。而故障诊断则是根据状态监测所获得的信息,结合设备的工作原理、结构特点、运行参数及其历史运行状况,对设备有可能发生的故障进行分析、预报,对设备已经或正在发生的故障进行分析、判断,以确定故障的性质、类别、程度、部位及趋势。大型旋转机械

2021-12-13 17:29:41    互联网    6176    分类:算法开发    专栏:故障诊断   


旋转设备故障诊断轴心轨迹分析

轴心位置分析:         1、轻微不对中,轴心轨迹则呈椭圆形;         2、在不对中方向上加一个中等负载,轴心轨迹变为香蕉形;         3、严重不对中故障会使转子的轴心轨迹图呈现外“8”字形,这种具有8字形的轴心轨迹,一般表现为二倍频或四倍频的成分较大。         4、轴心轨迹呈“8”字型,是典型的不对中故障所致。最大的可能是2号轴承附近的发电机与同

2021-12-13 17:31:46    互联网    1782    分类:算法开发    专栏:故障诊断   


故障诊断和故障预测数据集汇总并附下载方式

本篇目录- 轴承类数据集- 齿轮箱数据集- 电机故障诊断数据集- 机电设备故障数据集- 结构健康监测和评估数据集- 液压装置状态评估数据集- 半导体制造过程数据集,故障诊断和故障预测数据集汇总并附下载方式

2022-02-09 18:19:44    博客笔记    2456    分类:边缘感知    专栏:未分组