官方公众号:52phm,与工业互联网人一起成长

2021-12-09 11:31:41    互联网    978    当前专栏:故障诊断    分类:算法开发    本站官网:www.52phm.cn   

公众号 ...

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ANN、SVM、k-近邻算法(kNN)和概率图形模型(PGM)等。这些理论促进了IFD的出现,包括基于专家系统的方法、基于神经网络的方法、基于SVM的方法等。在这些方法中,故障特征是从收集的数据中人工提取,然后用故障特征来训练能够自动识别机器状态的诊断模型。在传统机器学习的帮助下,诊断模型开始建立所选特征与机器健康状态之间的关系,这削弱了人类劳动对机器故障诊断的贡献,将机器故障诊断推向了人工智能时代。

2、基于传统机器学习的之智能故障诊断

在过去的故障诊断体系中,一些传统的机器学习理论,如ANN和SVM,被应用于机器故障诊断。诊断程序包括三个步骤,即数据收集、故障特征提取和状态识别,如图2.1所示。



图2.1

2.1数据采集

通常数据采集的方法是将传感器安装在机器上以不断采集数据。不同的数据需要使用不同的传感器,如振动、声发射、温度和电流互感器。电流数据在电动机械的故障诊断中起着重要作用。仅使用电流互感器即可轻松收集此类数据。根据发现,来自多源传感器的数据具有互补信息,与仅使用来自单个传感器的数据相比,这些信息可以进行融合以实现更高的诊断准确率 。

2.2故障特征提取

传统机器学习理论中故障特征提取是由人手动完成的,包括两个步骤:首先,从收集的数据中提取一些常用的特征,如时域特征、频域特征和时频域特征。这些特征包含反映机器健康状态的健康信息。其次,使用特征选择方法,如过滤器、包装器和嵌入方法,从提取的特征中选择对机器健康状态敏感的特征。这有利于去除冗余信息,进一步提高诊断效果。

2.2.1冗余信息处理

冗余可能会增加计算成本,甚至导致维数灾难。为了削弱这一问题,一种方法是从收集的机器健康状态中选择敏感特征。它们可以分为三类,即基于过滤器、包装器和嵌入式方法。 基于过滤器方法直接预处理收集的特征,这些特征独立于分类器的训练。 与基于过滤器的方法不同,基于包装器的方法侧重于特征选择与训练分类器的交互作用。换句话说,分类器的性能用于评估所选特征集。如果所选特征子集不能产生最佳分类精度,则在下一次迭代中重新选择另一子集,直到所选特征以最有利的性能强制分类器。 基于嵌入式方法将特征选择与分类器训练相结合。通常,它们在分类器的优化对象上引入正则化项,并在分类器训练完成后自动选择特征。

2.3状态识别

健康状态识别使用基于机器学习的诊断模型来建立所选特征与机器健康状态之间的关系。为了达到这一目的,首先用标记样本对诊断模型进行训练。然后,当输入样本未标记时,模型能够识别机器的健康状态。

下一次的学习笔记将介绍几种使用传统机器学习的智能故障诊断方法(专家系统expert-system,人工神经网络ANN,支持向量机SVM以及kNN,PGM等)。

3、参考文献:

[1]Y. Lei, Intelligent Fault Diagnosis and Remaining Useful Life Prediction of Rotating Machinery, Butterworth-Heinemann Elsevier Ltd., Oxford, 2016.

[2]X. Dai, Z. Gao, From model, signal to knowledge: A data-driven perspective of fault detection and diagnosis, IEEE Trans. Ind. Inform. 9 (2013) 2226–2238.

[3]A. Stetco, F. Dinmohammadi, X. Zhao, V. Robu, D. Flynn, M. Barnes, J. Keane, G. Nenadic, Machine learning methods for wind turbine conditionmonitoring: A review, Renew. Energy 133 (2019) 620–635.

[4]D.T. Hoang, H.J. Kang, A survey on deep learning based bearing fault diagnosis, Neurocomputing 335 (2019) 327–335.

[5]Z. Gao, C. Cecati, S.X. Ding, A survey of fault diagnosis and fault-tolerant techniques-part II: Fault diagnosis with knowledge-based and hybrid/activeapproaches, IEEE Trans. Ind. Electron. 62 (2015) 3768–3774.

[6]L. Duan, M. Xie, J. Wang, T. Bai, Deep learning enabled intelligent fault diagnosis: Overview and applications, J. Intell. Fuzzy Syst. 35 (2018) 5771–5784.



版权声明:遵循 CC 4.0 BY-SA 版权协议
原文链接:https://blog.csdn.net/Vanderbiol/article/details/120796297

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] 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] 一篇关于轴承故障诊断的综述

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


[推荐] 机械故障诊断方法论

2021-12-13 14:48:01    互联网    1734    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



机电设备故障诊断数据集

机电设备故障诊断

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


钢板故障

钢板故障

2021-12-04 23:50:03    博客笔记    1612    分类:边缘感知    专栏:钢板   


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   


基于深度学习的滚动轴承故障诊断

本文主要介绍如何使用python搭建:一个基于深度学习的滚动轴承故障诊断系统项目中涉及使用了多种方法对比检测结果,包括:传统机器学习方法:随机森林深度学习方法:CNN增加残差模块后的深度学习方法:ResNet如各位童鞋需要更换训练数据,完全可以根据源码将图像和标注文件更换即可直接运行。

2021-12-10 18:15:00    互联网    883    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   


旋转机械故障诊断学基础知识

1. 机械故障诊断涉及哪些学科?做哪方面的科学研究?包含了哪些技术?形成了哪些方法?解决什么工程问题?(1) 涉及的学科有:机械、力学、电子、计算机、信号处理、人工智能等。(2) 机械故障诊断是研究机器或机组运行状态的变化在诊断信息中的反映,因此包括信号获取与传感技术、故障机理与征兆联系、信号处理与特征提取、识别分类与智能决策等方面的研究,根据基础和关键科学问题又可细分为机械系统运行状态下故障动态演化机理、机械系统动态信号处理的内积匹配原理与微弱信号特征增强机制、故障定量识别和剩余寿命预测原理、

2021-12-13 14:30:26    互联网    1602    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    6175    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   


故障诊断之基于振动信号的阶比谱分析

故障诊断之基于振动信号的阶比谱分析

2022-05-31 11:08:40    互联网    1284    分类:算法开发    专栏:振动信号预处理