故障诊断理论方法教学讲义课件

故障诊断理论方法故障诊断理论方法1§8.1诊断方法分类常规的故障诊断方法：谱分析法、时域分析法。线性关系（一一对应）非线性对应关系§8.1诊断方法分类常规的故障诊断方法：谱分析法、时域分2状态识别状态分类模式识别征兆与故障状态为非线性对应关系给机械设备的故障状态诊断增加了困难。状态识别状态分类模式识3故障诊断理论方法教学讲义课件4故障诊断理论方法教学讲义课件5故障诊断理论方法教学讲义课件6二、函数（模型）诊断法：由征兆与状态间的数学模型进行计算诊断。根据模型结构或模型参数的变化，研究机器的运行状态。控制系统的故障诊断、化工过程的故障诊断等。返回二、函数（模型）诊断法：根据模型结构或模型参数的7三、逻辑诊断法：根据征兆与状态间的逻辑关系进行推理诊断。状态类型：好、坏有、无

三、逻辑诊断法：状态类型：好、坏8例如润滑油污染分析：通过光谱、铁谱、磁塞分析设备润滑油中所含的金属微粒的情况，作为机械设备运行的征兆，根据机器运动部分有关零件的材料与成分，从微粒变化情况推断设备磨损和零件磨损情况。物理逻辑判别根据征兆与状态之间的物理关系，进行推理。例如润滑油污染分析：通过光谱、铁谱、磁塞分析9数理逻辑判别根据征兆与状态之间的数理逻辑关系（即布尔函数），在获得征兆后，按照逻辑代数运算规则，判别工况状态。返回数理逻辑判别根据征兆与状态之间的数理逻辑关10四、模糊诊断法：考虑人对机械设备征兆与状态评价的主观不确定性或模糊性，应用模糊逻辑分析多种征兆与多种状态间的模糊关系进行分析诊断。四、模糊诊断法：11模糊关系方程：

B=RAR称为模糊关系矩阵：模糊关系方程：B=RAR称为模糊关系矩阵：12

原因征兆气门弹簧断y1喷油头积炭堵孔y2机油管破裂y3喷油过迟y4喷油泵驱动键滚键y5排气过热x10.60.400.980振

动x20.80.980.300扭矩急降x30.9500.80.30.98机油压过低x4000.9800机油耗量大x5000.900转速上不去x60.30.60.90.980.95柴油机故障的模糊关系原因气门弹喷油头积机油管喷油13最大隶属准则隶属于模糊子集，即发生了第i种故障。模糊诊断准则

模糊诊断的实质是根据模糊关系矩阵R及征兆模糊矢量A，求得状态模糊矢量B，然后根据判断准则确定有无故障。最大隶属准则隶属于模糊子集，即发生了第i种故14择近准则贴近度：一对模糊集之间的接近程度模糊聚类准则在确定模糊等价关系矩阵后，根据截集定理，在适当的限定值上进行截取，即按照不同水平对矩阵R进行分割和归类，从而获得相应的故障类别。

返回择近准则贴近度：一对模糊集之间的接近程度模糊聚类准则15五、统计诊断法：考虑到客观事物发生的不确定性，即事件按一定的概率发生，而应用统计模式识别进行分类诊断。五、统计诊断法：16故障诊断理论方法教学讲义课件17二维模式平面两类状态的理论分布

二维模式平面两类状态的理论分布18磨削烧伤在线识别方法磨削烧伤在线识别方法19贝叶斯(Bayes)分类法机械设备运行和机械制造过程的状态都是一个随机变量，事件出现的概率在很多的情况下可以通过统计的方法作出估计，这种根据先验知识对工况状态出现的概率作出的估计，称之为先验概率。前提：各类别总体的概率分布已知

进行决策分类的类别数一定贝叶斯(Bayes)分类法机械设备运行和机20状态空间可写成，其中是状态空间中的一个模式点，在工况监视过程中，主要是判别工况正常与异常两种状态，它们的先验概率用和表示，显然：假设x为特征矢量，p(x|i)是i状态下特征观察x的类条件概率密度。状态空间可写成21根据Bayes公式有：式中p(i|

x)表示已知观测样本条件下，i出现的概率，称为后验概率。根据Bayes公式有：式中p(i|x)表示已知观测样22基于最小错误率的贝叶斯决策错误率最小：

x来自于哪类的概率大，x就属于该类。决策规则：等价规则1：基于最小错误率的贝叶斯决策错误率最小：x来自于哪类的概率23等价规则2：等价规则3：似然比等价规则2：等价规则3：似然比24错误率：最优决策分类面错误率：最优决策分类面25基于最小风险（损失）的贝叶斯决策风险：决策代价；决策损失在故障诊断中，误判的概率是客观存在的，错判性质不同，后果严重性不同。把异常工况判为正常工况，即将废品判成合格品，它的影响不只局限该工件在某一工序的损失，而将影响后续工序甚至产品质量，更为严重的是把某些废品当做正品装入机器中，成为使用厂生产系统突发性故障的隐患。基于最小风险（损失）的贝叶斯决策风险：决策代价；决策损失26c……21(p,c)……(p,2)(p,1)p…………………………(2,c)……(2,2)(2,1)2(1,c)……(1,2)(1,1)1状态状态决策损失一般决策表(i,j)：属j类的样本决策到i类时的损失c……21(p,c)……(p,2)(27对于给定的x，若采取决策i，由决策表可见，对应于决策i，可以在c个(i,j)，j=1~c，中任取一个，其相应概率为P(j/x)。因此在采取决策i的情况下的条件期望损失（条件风险）为：对于给定的x，若采取决策i，由决策表可见28在考虑错判带来的损失时，如果在采取每一个决策或行动时，都使其条件风险最小，则对所有x作出决策时，其期望风险也必然最小。这样的决策就是最小风险贝叶斯决策。决策规则为：可以证明最小错误率贝叶斯决策是最小风险贝叶斯决策在0－1损失函数条件下的特例。在考虑错判带来的损失时，如果在采取每一个决策29

先验概率P(i)未知或可变条件下最大可能地使风险最小，即在最差情况下，争取得到最好的结果。最小最大决策先验概率P(i)未知或可变条件下最大可能地30ga*aPa*()w1FE1P()w1GBAGP()w1Pb*()w1bgb*E'F'1对应于的最小风险Pa*()w1决策域一定决策域不同风险不随P(i)的变化而变化，此时最大风险最小ga*aPa*()w1FE1P()w1GBAGP()w1Pb31距离函数分类法出发点：由n个特征参数组成的特征向量相当于n维特征空间上的一个点同类模式点具有聚类性，且不同类模式点有不同的聚类域和聚类中心以待检模式与各模式聚类中心的距离作为判别函数，判别待检状态的属性距离函数分类法出发点：32d2d1Ax1x2M0102d2d1Ax1x2M010233空间（几何）距离欧氏距离（Euclideandistance）特点：不受坐标旋转、平移的影响。特征须归一化以消除特征分量量纲对欧氏距离的影响：空间（几何）距离欧氏距离（Euclideandistan34W为权系数矩阵。当当w1、w2、…、wn取不同值时，表明矢量中各个分量对分类的作用不同。加权欧氏距离：W为权系数矩阵。当当w1、w2、…、wn取不同值时，表明35马氏距离（Mahalanobisdistance）M为聚类中心（样本X的均值），R为类样本协方差矩阵，即：优点：排除了特征参数之间的相互影响。返回马氏距离（Mahalanobisdistance）M为聚类36六、故障树分析法故障树分析法是把所研究系统的最不希望发生的故障状态作为故障分析的目标，然后寻找直接导致这一故障发生的全部因素，再找出造成下一事件发生的全部直接因素，一直追查到毋需再深究的因素为止。把最不希望发生的事件称为顶事件，毋需再深究的事件称为底事件，介于顶事件与底事件之间的一切事件称为中间事件。六、故障树分析法故障树分析法是把所研究系统的37故障树：

用相应的符号表示顶事件、中间事件和底事件，并用适当的逻辑门把顶事件、中间事件和底事件联结形成的树形图。故障树用于表示系统或设备的特定事件(不希望发生的事件)与它的各个子系统或各个部件故障事件之间的逻辑结构关系。故障树：38故障树分析的步骤如下：（1）选择顶事件；（2）建立故障树；（3）求故障树的结构函数；（4）定性分析；（5）定量分析。故障树分析的步骤如下：3945312反应装置冷却装置温度计压力计供料装置45312反应装置冷却装置温度计压力计供料装置40故障诊断理论方法教学讲义课件41振动峰峰值大

基频振动低频振动二倍频振动广谱振动

不平衡振动热弯曲油膜涡动油膜振荡支承问题轴裂纹不对中摩擦

联轴器问题初始不平衡零部件脱落......

......汽轮发电机组故障树振动峰峰值大基频振动低频振动二倍频振动广谱振动不平衡振42类别名

称符

号说

明事件符号底事件基本事件不能再分解或毋需再深究的底事件叫做基本事件，它总是某个逻辑门的输入事件而不是输出事件。未探明事件原则上应进一步探明其原因，但暂不必或暂不能探明其原因的底事件（又称省略事件或不完整事件）。结果事件顶事件由其它事件或事件组合所导致的事件，叫做结果事件，若该事件是最关心的且位于故障树顶端的最终结果事件，则叫做顶事件，位于底事件与顶事件之间的结果事件，叫做中间事件。中间事件特殊事件开关事件

在正常工作条件下必然发生或必然不发生的特殊事件。条件事件

描述逻辑门起作用的具体限制的特殊事件。故障树分析所用的符号类别名称符号说明事底基本事件43故障树分析所用的符号类别名

称符

号说

明逻辑门符号基本门与门仅当所有输入事件都发生时，输出事件才发生，与门表示了输入与输出之间的一种因果关系。或门至少一个输入事件发生时，输出事件才发生，或门并不传递输入与输出的因果关系，输入故障不是输出故障的确切原因，只表示输入故障来源的信息。非门

输出事件是输入事件对立关系。修正门顺序与门仅当输入事件按规定的顺序依次发生时，输出事件才发生。持续时间与门仅当输入事件发生并持续一定时间时，才导致输出事件发生。表决门仅当n个输入事件中有r个或r个以上的事件发生时，输出事件发生。异或门（互斥或门）在或门诸输入事件中，仅当单个事件发生时，输出事件才发生。故障树分析所用的符号类别名称符号说44油泵驱动电路故障树油泵驱动电路故障树45故障树举例返回故障树举例返回46七、专家诊断系统专家系统：基于知识(Knowledge-based)的人工智能系统。专家系统实质是应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。专家系统能够模拟、再现、保存和复制有时还能超过人类专家的脑力劳动，是人工智能领域中目前最活跃最成功的一个分支。七、专家诊断系统专家系统：基于知识(Knowledge-ba47专家系统的基本结构及其功能专家系统的基本结构及其功能48特点：包含知识和推理的智能计算机程序求解问题的知识与程序和数据结构分离。增强了系统的适应性和灵活性五个基本组成部分：知识库、推理机、数据库以及解释程序、知识获取程序特点：49知识库知识库是专家系统的核心专家知识、经验与书本知识、常识的存储器专家诊断系统知识库通常包括：背景知识背景知识作为辅助信息，在推理过程中起着重要作用。如设备运行规范可以成为诊断过程中触发、激活某一诊断规则的依据等。

知识库50诊断知识

领域专家在长期的诊断实践中积累起来的知识和经验。产生式规则表达：IF<现象>THEN<假设>WITH<置信度>现象：观察到的机组症状假设：表示机组的故障或中间结论置信度：表示在观察到这些“现象”后，推断机组具有这类故障的可信程度。一般诊断知识按故障树结构分层组织。诊断知识51规则2=(基频振动(如果振动工频分量占通频振幅的比例大于60％0.95；

过临界转速对振幅明显增大，且相位变化大于100°0.8；稳速时，相位不随时间、负荷而变化0.8)；(则不平衡故障0.9))；

置信度规则2=(基频振动置信度52机组病例与运行档案

描述机组以往诊断病例及其安装维修的记录情况，它对如何沿最有可能的故障方向进行诊断推理具有很大影响。过程性知识

一系列分析计算程序，以独立的模块形式存在，在诊断过程中需要时被调用。如在诊断中需要获取某振动信号关于转速频率的谱峰情况，就需调用FFT频谱计算程序。

机组病例与运行档案53控制性知识

对领域知识起指导作用的知识，如引导规则的选择，控制推理路径及指明诊断系统在诊断过程中对机组运行数据进行何种分析等。决策知识

机组发生某故障时应采取的措施。它包括机组本身的运行规程和领域专家处理该类故障时的措施方法，另外还包括在不能确诊某故障时向用户建议应重点监测何种信号及注意事项。

控制性知识54

数据库专家系统中用于存放反映系统当前状态的事实数据的场所。包括：用户输入的事实，已知的事实以及推理过程中得到的中间结果等。动态数据库：保存推理过程中，产生的中间结论（包括最终结论），以及大量的症状信息和推理路径。

数据库55推理机推理机是专家系统的灵魂，它根据当前输入信息和过去历史情况，激活知识库中的有关规则，按一定的推理策略完成证据与假设之间的映射关系。推理过程中通常需要保存推理轨迹以期对诊断结果进行解释。推理策略：正向推理、反向推理和正反向混合推理推理机56解释程序对于诊断结果，若用户有疑问或不解，通过解释程序对诊断结果、推理路径和症状信息进行解释，提高系统的透明性和可信性；

知识获取研究如何把“知识”从人类专家大脑中提取和总结出来，并且保证所获取的知识间的一致性，它是专家系统开发中的一道关键工序。

解释程序57故障诊断理论方法教学讲义课件58专家系统的局限性：

知识获取的瓶颈。难于处理多个领域专家知识间的相互矛盾自学习能力几乎没有。窄台阶效应：专家系统能以专家水平处理专家知识领域以内的问题，而不能处理专家知识领域以外的任何问题。

现有逻辑理论表达和单一推理机制的局限运行过程中大量的人工干预返回专家系统的局限性：窄台阶效应：专家系统能以专家水平处理专家59§8.2灰色系统诊断方法白色系统：是指因素与系统性能特征之间有明确的映射关系。黑色系统：系统性能特征与因素间关系完全未知。灰色系统：系统信息不完全已知。大多数运行的机械设备都具有灰色系统的特征。故障诊断就是利用已知的信息去认识这个含有未知信息的系统特性、状态和发展趋势，并对未来作出预测和决策。§8.2灰色系统诊断方法白色系统：是指因素与系统性能特征60灰色系统理论的主要内容：灰色系统分析灰色系统建模灰色系统预测灰色系统决策灰色系统控制灰色系统理论的主要内容：61灰色关联诊断法设系统要建立的故障标准模式特征向量的个数，即要诊断的故障种类数为m，每种标准模式特征向量中所包含的元素个数为n，则可建立相应的故障标准模式特征向量矩阵：灰色关联诊断法设系统要建立的故障标准模式特征向量62设实测信号的待检特征向量为待检特征向量yT与标准特征向量矩阵XR中各标准模式特征向量对应的元素的最小绝对差值为：待检特征向量yT与标准特征向量矩阵XR中各标准模式特征向量对应的元素的最大绝对差值为：设实测信号的待检特征向量为待检特征向量yT与标准63待检特征向量yT与标准特征向量矩阵XR在k点的关联度系数ξij(k)的表达式为：式中ρ为分辨系数，满足(0<ρ<1)，是可事先确定的常数，一般取ρ＝0.5。相应的关联度为：待检特征向量yT与标准特征向量矩阵XR在k点的关64从而可得关联度序列[R]＝[r1，r2，…，rm]。采用优势分析的思想，根据待检信号的故障模式划归为标准故障模式的可能性大小的次序，对系统进行故障诊断时。

当待检模式序列和某一标准故障模式序列关联度最大时，则可认为待检模式属于相应的标准模式，从而达到对模式的真正分类识别。鉴于不同特征参数对机器运行状态影响程度的不同，对每个特征参数赋与不同的权数ω(k)，则

从而可得关联度序列[R]＝[r1，r2，…，rm]。65灰色关联诊断法计算框图灰色关联诊断法计算框图66灰色关联诊断实例：三相异步电动机故障诊断灰色关联诊断实例：三相异步电动机故障诊断67灰色关联诊断实例：三相异步电动机故障诊断三种故障状态的标准模式特征向量Xr三组待检故障状态的模式特征向量Yt灰色关联诊断实例：三相异步电动机故障诊断三种故障状态的标准模68灰色关联诊断结果：三相异步电动机故障诊断返回灰色关联诊断结果：三相异步电动机故障诊断返回69§8.3人工神经网络诊断方法ANN是在现代神经生理学和心理学的研究基础上，模仿人的大脑神经元结构特性而建立的一种非线性动力学网络系统，它由大量的简单的非线性处理单元（类似人脑的神经元）高度并联、互联而成，具有对人脑某些基本特性简单的数学模拟能力。

§8.3人工神经网络诊断方法ANN是在现70与传统计算机的比较传统计算机神经网络设计算法和/或求解规则，编制软件

无需算法或求解规则，软件编制任务相对简单

指令串行执行

高度并行处理

不能解决形象思维问题，如感知、视觉等

易于实现感知和视觉等形象思维问题

脆弱鲁棒性(Robust)、容错性强，

自适应能力差

自适应性强，

强有力的数字和逻辑运算能力，计算精度高

可以处理模糊的、概率的、含噪的或不相容的信息

与传统计算机的比较传统计算机神经网络设计算法和/或求解规则71

生物神经元(NU)生物神经元(NU)72

人工神经元令：X=(-1,x1,x2,…,xn)T

Wj=(j,wj1,wj2,wjn)T则：人工神经元令：X=(-1,x1,x2,…,xn73不含反馈的前向网络

不含反馈的前向网络74反馈网络

全互连网络反馈网络全互连网络75状态反馈网络

输出反馈网络

状态反馈网络输出反馈网络76BP网络模型BP网络模型77BP算法（反向误差传递算法）计算程序BP算法（反向误差传递算法）计算程序78人工神经网络诊断实例：三相异步电动机故障诊断三组输入样本三组输入样本依次训练后，神经网络的输出值：采用3层BP网络结构，输入层节点数为10，隐含层节点数为6，输出层节点数为3。人工神经网络诊断实例：三相异步电动机故障诊断三组输入样本三组79输入层与隐含层节点间的连接权系数及隐含层节点阀值输入层与隐含层节点间的连接权系数及隐含层节点阀值80隐含层与输出层节点间的连接权系数及输出层节点阀值隐含层与输出层节点间的连接权系数及输出层节点阀值81人工神经网络诊断结果：三组待检故障状态的模式特征向量Yt人工神经网络诊断结果：三组待检故障状态的模式特征向量Yt82第八章故障诊断理论方法

（完）第八章故障诊断理论方法

（完）83自主自主选择权与知悉真情权自主自主选择权与知悉真情权84自主选择权

是指消费者可以根据自己的消费需求，自主选择自己满意的商品或服务，决定是否购买或接受的权利。它是消费者的一项权利。自主选择权85《消费者权益保护法》第9条第1款肯定了消费者的自主选择权，第2款进一步说明自主选择权的内容和种类。表现：1、自主选择提供商品和服务的经营者。2、自主选择商品品种和服务方式。3、自主决定购买或者不购买任何一种商品，接受或者不接受任何一项服务。4、在自主选择商品或服务时，有权进行比较、鉴别和挑选。

特点1、选择的自愿性（一切消费事宜均有消费者决定，不受任何外力影响、制约和左右）2、选择的自由性（消费者的消费行为仅受自己的主观意志的支配，经营者不得进行禁止、剥夺、限制或者干涉）注：自由性是自愿性的必然反映和当然要求，它是自愿性的外在表现。3、消费者自主选择商品和服务的行为必须是合法行为《消费者权益保护法》第9条第1款肯定了消费者的自主选择权，第86如何加强消费者自主选择权的保护？1、完善法律法规对消费者自主选择权的保护（1）、修订并完善保护消费者自主选择权的法律条款（2）、立法上应当明确相关政府部门分工，加大执法力度2、建立健全各种维护消费者权益的法律机制（1）、各地消费者协会加强保护消费者权益（2）、建立独立的消费者争议仲裁制度保护消费者权益（3）、在法院专门设立小额消费纠纷法庭3、提高消费者对自身权利的认识以及权利被侵害时的救济的认识如何加强消费者自主选择权的保护？1、完善法律法规对消费者自主87知悉真权

也称了解权、知情权，指消费者享有知悉其购买、使用的商品或者接受的服务的真实情况的权利。情必须是真实情况知悉真权88对于知情权，当前存在的主要问题是？一：商品情况标示不全二：商品情况的标示和说明有欺骗性三：商品标志不科学、不通俗对于知情权，一：商品情况标示不全二：商品情况的标示和说明有欺89如何加强消费者知悉真情权的保护？1.维护消费者的知悉真情权需要政府保护执法信息公开。如公开商品质量抽检、消费者投诉举报的信息，公布产品质量检验报告，公示企业信用信息等；2.加强消费者知悉真情权的法律方面的保护。（1）完善相关立法，尤其是服务领域的相关立法。如加大执法力度，加强行政职能部门的协作和配合，做到以较小的社会投入，更好地保护消费者权益，抓紧制订消费者援助制度，加大法律知识普及力度；（2）提高消费者自身素质。我们不仅要提高消费者权益保护意识，还要提高消费者权益自我保护能力。（3）加强监督工作完善消费者权益保护。可以通过加强政府的监管工作，加强新闻监督，实行举报有奖制度，加强社会监督作用来加强对消费市场的监管。如何加强消费者知悉真情权的保护？1.维护消费者的知悉真情权需902009年底，邹某通过电话联系甲公司某市分公司人员办理了某套餐。2011年1月，邹某发现其使用手机话费异常，查询后发现其手机自2010年8月至2011年1月，每月均被收取上网费合计181.32元，遂至甲公司某市分公司营业厅申请取消GPRS功能，后诉至法院，请求判决甲公司某市分公司双倍退还已收取的上网使用费计362.64元。经查，邹某使用的某套餐必须由用户在甲公司某市分公司的实体营业厅办理，该套餐中包含GPRS功能，按照实际上网流量收费，甲公司某市分公司未能提供邹某开通某套餐的业务受理单。相关练习2009年底，邹某通过电话联系甲公司某市分公司人员办理了某套91答案要点：法院认为，甲公司某分公司不能提供业务受理单等证据证实邹某知晓开通了GPRS功能，且使用该功能会产生相应费用，亦不能证明已告知邹某使用GPRS功能将另行收费，侵犯了邹某作为消费者的知情权和自由选择权，并造成了邹某财产损失，应当承担相应的赔偿责任，但邹某所称的上网费损失是在其知悉手机有上网功能后上网产生，不符合民事欺诈的构成要件，遂判决甲公司某市分公司退还邹某上网费181.32元。答案要点：法院认为，甲公司某分公司不能提供业务受理单等证据证92谢谢观看。谢谢观看。93故障诊断理论方法故障诊断理论方法94§8.1诊断方法分类常规的故障诊断方法：谱分析法、时域分析法。线性关系（一一对应）非线性对应关系§8.1诊断方法分类常规的故障诊断方法：谱分析法、时域分95状态识别状态分类模式识别征兆与故障状态为非线性对应关系给机械设备的故障状态诊断增加了困难。状态识别状态分类模式识96故障诊断理论方法教学讲义课件97故障诊断理论方法教学讲义课件98故障诊断理论方法教学讲义课件99二、函数（模型）诊断法：由征兆与状态间的数学模型进行计算诊断。根据模型结构或模型参数的变化，研究机器的运行状态。控制系统的故障诊断、化工过程的故障诊断等。返回二、函数（模型）诊断法：根据模型结构或模型参数的100三、逻辑诊断法：根据征兆与状态间的逻辑关系进行推理诊断。状态类型：好、坏有、无

三、逻辑诊断法：状态类型：好、坏101例如润滑油污染分析：通过光谱、铁谱、磁塞分析设备润滑油中所含的金属微粒的情况，作为机械设备运行的征兆，根据机器运动部分有关零件的材料与成分，从微粒变化情况推断设备磨损和零件磨损情况。物理逻辑判别根据征兆与状态之间的物理关系，进行推理。例如润滑油污染分析：通过光谱、铁谱、磁塞分析102数理逻辑判别根据征兆与状态之间的数理逻辑关系（即布尔函数），在获得征兆后，按照逻辑代数运算规则，判别工况状态。返回数理逻辑判别根据征兆与状态之间的数理逻辑关103四、模糊诊断法：考虑人对机械设备征兆与状态评价的主观不确定性或模糊性，应用模糊逻辑分析多种征兆与多种状态间的模糊关系进行分析诊断。四、模糊诊断法：104模糊关系方程：

B=RAR称为模糊关系矩阵：模糊关系方程：B=RAR称为模糊关系矩阵：105

原因征兆气门弹簧断y1喷油头积炭堵孔y2机油管破裂y3喷油过迟y4喷油泵驱动键滚键y5排气过热x10.60.400.980振

动x20.80.980.300扭矩急降x30.9500.80.30.98机油压过低x4000.9800机油耗量大x5000.900转速上不去x60.30.60.90.980.95柴油机故障的模糊关系原因气门弹喷油头积机油管喷油106最大隶属准则隶属于模糊子集，即发生了第i种故障。模糊诊断准则

模糊诊断的实质是根据模糊关系矩阵R及征兆模糊矢量A，求得状态模糊矢量B，然后根据判断准则确定有无故障。最大隶属准则隶属于模糊子集，即发生了第i种故107择近准则贴近度：一对模糊集之间的接近程度模糊聚类准则在确定模糊等价关系矩阵后，根据截集定理，在适当的限定值上进行截取，即按照不同水平对矩阵R进行分割和归类，从而获得相应的故障类别。

返回择近准则贴近度：一对模糊集之间的接近程度模糊聚类准则108五、统计诊断法：考虑到客观事物发生的不确定性，即事件按一定的概率发生，而应用统计模式识别进行分类诊断。五、统计诊断法：109故障诊断理论方法教学讲义课件110二维模式平面两类状态的理论分布

二维模式平面两类状态的理论分布111磨削烧伤在线识别方法磨削烧伤在线识别方法112贝叶斯(Bayes)分类法机械设备运行和机械制造过程的状态都是一个随机变量，事件出现的概率在很多的情况下可以通过统计的方法作出估计，这种根据先验知识对工况状态出现的概率作出的估计，称之为先验概率。前提：各类别总体的概率分布已知

进行决策分类的类别数一定贝叶斯(Bayes)分类法机械设备运行和机113状态空间可写成，其中是状态空间中的一个模式点，在工况监视过程中，主要是判别工况正常与异常两种状态，它们的先验概率用和表示，显然：假设x为特征矢量，p(x|i)是i状态下特征观察x的类条件概率密度。状态空间可写成114根据Bayes公式有：式中p(i|

x)表示已知观测样本条件下，i出现的概率，称为后验概率。根据Bayes公式有：式中p(i|x)表示已知观测样115基于最小错误率的贝叶斯决策错误率最小：

x来自于哪类的概率大，x就属于该类。决策规则：等价规则1：基于最小错误率的贝叶斯决策错误率最小：x来自于哪类的概率116等价规则2：等价规则3：似然比等价规则2：等价规则3：似然比117错误率：最优决策分类面错误率：最优决策分类面118基于最小风险（损失）的贝叶斯决策风险：决策代价；决策损失在故障诊断中，误判的概率是客观存在的，错判性质不同，后果严重性不同。把异常工况判为正常工况，即将废品判成合格品，它的影响不只局限该工件在某一工序的损失，而将影响后续工序甚至产品质量，更为严重的是把某些废品当做正品装入机器中，成为使用厂生产系统突发性故障的隐患。基于最小风险（损失）的贝叶斯决策风险：决策代价；决策损失119c……21(p,c)……(p,2)(p,1)p…………………………(2,c)……(2,2)(2,1)2(1,c)……(1,2)(1,1)1状态状态决策损失一般决策表(i,j)：属j类的样本决策到i类时的损失c……21(p,c)……(p,2)(120对于给定的x，若采取决策i，由决策表可见，对应于决策i，可以在c个(i,j)，j=1~c，中任取一个，其相应概率为P(j/x)。因此在采取决策i的情况下的条件期望损失（条件风险）为：对于给定的x，若采取决策i，由决策表可见121在考虑错判带来的损失时，如果在采取每一个决策或行动时，都使其条件风险最小，则对所有x作出决策时，其期望风险也必然最小。这样的决策就是最小风险贝叶斯决策。决策规则为：可以证明最小错误率贝叶斯决策是最小风险贝叶斯决策在0－1损失函数条件下的特例。在考虑错判带来的损失时，如果在采取每一个决策122

先验概率P(i)未知或可变条件下最大可能地使风险最小，即在最差情况下，争取得到最好的结果。最小最大决策先验概率P(i)未知或可变条件下最大可能地123ga*aPa*()w1FE1P()w1GBAGP()w1Pb*()w1bgb*E'F'1对应于的最小风险Pa*()w1决策域一定决策域不同风险不随P(i)的变化而变化，此时最大风险最小ga*aPa*()w1FE1P()w1GBAGP()w1Pb124距离函数分类法出发点：由n个特征参数组成的特征向量相当于n维特征空间上的一个点同类模式点具有聚类性，且不同类模式点有不同的聚类域和聚类中心以待检模式与各模式聚类中心的距离作为判别函数，判别待检状态的属性距离函数分类法出发点：125d2d1Ax1x2M0102d2d1Ax1x2M0102126空间（几何）距离欧氏距离（Euclideandistance）特点：不受坐标旋转、平移的影响。特征须归一化以消除特征分量量纲对欧氏距离的影响：空间（几何）距离欧氏距离（Euclideandistan127W为权系数矩阵。当当w1、w2、…、wn取不同值时，表明矢量中各个分量对分类的作用不同。加权欧氏距离：W为权系数矩阵。当当w1、w2、…、wn取不同值时，表明128马氏距离（Mahalanobisdistance）M为聚类中心（样本X的均值），R为类样本协方差矩阵，即：优点：排除了特征参数之间的相互影响。返回马氏距离（Mahalanobisdistance）M为聚类129六、故障树分析法故障树分析法是把所研究系统的最不希望发生的故障状态作为故障分析的目标，然后寻找直接导致这一故障发生的全部因素，再找出造成下一事件发生的全部直接因素，一直追查到毋需再深究的因素为止。把最不希望发生的事件称为顶事件，毋需再深究的事件称为底事件，介于顶事件与底事件之间的一切事件称为中间事件。六、故障树分析法故障树分析法是把所研究系统的130故障树：

用相应的符号表示顶事件、中间事件和底事件，并用适当的逻辑门把顶事件、中间事件和底事件联结形成的树形图。故障树用于表示系统或设备的特定事件(不希望发生的事件)与它的各个子系统或各个部件故障事件之间的逻辑结构关系。故障树：131故障树分析的步骤如下：（1）选择顶事件；（2）建立故障树；（3）求故障树的结构函数；（4）定性分析；（5）定量分析。故障树分析的步骤如下：13245312反应装置冷却装置温度计压力计供料装置45312反应装置冷却装置温度计压力计供料装置133故障诊断理论方法教学讲义课件134振动峰峰值大

基频振动低频振动二倍频振动广谱振动

不平衡振动热弯曲油膜涡动油膜振荡支承问题轴裂纹不对中摩擦

联轴器问题初始不平衡零部件脱落......

......汽轮发电机组故障树振动峰峰值大基频振动低频振动二倍频振动广谱振动不平衡振135类别名

称符

号说

明事件符号底事件基本事件不能再分解或毋需再深究的底事件叫做基本事件，它总是某个逻辑门的输入事件而不是输出事件。未探明事件原则上应进一步探明其原因，但暂不必或暂不能探明其原因的底事件（又称省略事件或不完整事件）。结果事件顶事件由其它事件或事件组合所导致的事件，叫做结果事件，若该事件是最关心的且位于故障树顶端的最终结果事件，则叫做顶事件，位于底事件与顶事件之间的结果事件，叫做中间事件。中间事件特殊事件开关事件

在正常工作条件下必然发生或必然不发生的特殊事件。条件事件

描述逻辑门起作用的具体限制的特殊事件。故障树分析所用的符号类别名称符号说明事底基本事件136故障树分析所用的符号类别名

称符

号说

明逻辑门符号基本门与门仅当所有输入事件都发生时，输出事件才发生，与门表示了输入与输出之间的一种因果关系。或门至少一个输入事件发生时，输出事件才发生，或门并不传递输入与输出的因果关系，输入故障不是输出故障的确切原因，只表示输入故障来源的信息。非门

输出事件是输入事件对立关系。修正门顺序与门仅当输入事件按规定的顺序依次发生时，输出事件才发生。持续时间与门仅当输入事件发生并持续一定时间时，才导致输出事件发生。表决门仅当n个输入事件中有r个或r个以上的事件发生时，输出事件发生。异或门（互斥或门）在或门诸输入事件中，仅当单个事件发生时，输出事件才发生。故障树分析所用的符号类别名称符号说137油泵驱动电路故障树油泵驱动电路故障树138故障树举例返回故障树举例返回139七、专家诊断系统专家系统：基于知识(Knowledge-based)的人工智能系统。专家系统实质是应用大量人类专家的知识和推理方法求解复杂的实际问题的一种人工智能计算机程序。专家系统能够模拟、再现、保存和复制有时还能超过人类专家的脑力劳动，是人工智能领域中目前最活跃最成功的一个分支。七、专家诊断系统专家系统：基于知识(Knowledge-ba140专家系统的基本结构及其功能专家系统的基本结构及其功能141特点：包含知识和推理的智能计算机程序求解问题的知识与程序和数据结构分离。增强了系统的适应性和灵活性五个基本组成部分：知识库、推理机、数据库以及解释程序、知识获取程序特点：142知识库知识库是专家系统的核心专家知识、经验与书本知识、常识的存储器专家诊断系统知识库通常包括：背景知识背景知识作为辅助信息，在推理过程中起着重要作用。如设备运行规范可以成为诊断过程中触发、激活某一诊断规则的依据等。

知识库143诊断知识

领域专家在长期的诊断实践中积累起来的知识和经验。产生式规则表达：IF<现象>THEN<假设>WITH<置信度>现象：观察到的机组症状假设：表示机组的故障或中间结论置信度：表示在观察到这些“现象”后，推断机组具有这类故障的可信程度。一般诊断知识按故障树结构分层组织。诊断知识144规则2=(基频振动(如果振动工频分量占通频振幅的比例大于60％0.95；

过临界转速对振幅明显增大，且相位变化大于100°0.8；稳速时，相位不随时间、负荷而变化0.8)；(则不平衡故障0.9))；

置信度规则2=(基频振动置信度145机组病例与运行档案

描述机组以往诊断病例及其安装维修的记录情况，它对如何沿最有可能的故障方向进行诊断推理具有很大影响。过程性知识

一系列分析计算程序，以独立的模块形式存在，在诊断过程中需要时被调用。如在诊断中需要获取某振动信号关于转速频率的谱峰情况，就需调用FFT频谱计算程序。

机组病例与运行档案146控制性知识

对领域知识起指导作用的知识，如引导规则的选择，控制推理路径及指明诊断系统在诊断过程中对机组运行数据进行何种分析等。决策知识

机组发生某故障时应采取的措施。它包括机组本身的运行规程和领域专家处理该类故障时的措施方法，另外还包括在不能确诊某故障时向用户建议应重点监测何种信号及注意事项。

控制性知识147

数据库专家系统中用于存放反映系统当前状态的事实数据的场所。包括：用户输入的事实，已知的事实以及推理过程中得到的中间结果等。动态数据库：保存推理过程中，产生的中间结论（包括最终结论），以及大量的症状信息和推理路径。

数据库148推理机推理机是专家系统的灵魂，它根据当前输入信息和过去历史情况，激活知识库中的有关规则，按一定的推理策略完成证据与假设之间的映射关系。推理过程中通常需要保存推理轨迹以期对诊断结果进行解释。推理策略：正向推理、反向推理和正反向混合推理推理机149解释程序对于诊断结果，若用户有疑问或不解，通过解释程序对诊断结果、推理路径和症状信息进行解释，提高系统的透明性和可信性；

知识获取研究如何把“知识”从人类专家大脑中提取和总结出来，并且保证所获取的知识间的一致性，它是专家系统开发中的一道关键工序。

解释程序150故障诊断理论方法教学讲义课件151专家系统的局限性：

知识获取的瓶颈。难于处理多个领域专家知识间的相互矛盾自学习能力几乎没有。窄台阶效应：专家系统能以专家水平处理专家知识领域以内的问题，而不能处理专家知识领域以外的任何问题。

现有逻辑理论表达和单一推理机制的局限运行过程中大量的人工干预返回专家系统的局限性：窄台阶效应：专家系统能以专家水平处理专家152§8.2灰色系统诊断方法白色系统：是指因素与系统性能特征之间有明确的映射关系。黑色系统：系统性能特征与因素间关系完全未知。灰色系统：系统信息不完全已知。大多数运行的机械设备都具有灰色系统的特征。故障诊断就是利用已知的信息去认识这个含有未知信息的系统特性、状态和发展趋势，并对未来作出预测和决策。§8.2灰色系统诊断方法白色系统：是指因素与系统性能特征153灰色系统理论的主要内容：灰色系统分析灰色系统建模灰色系统预测灰色系统决策灰色系统控制灰色系统理论的主要内容：154灰色关联诊断法设系统要建立的故障标准模式特征向量的个数，即要诊断的故障种类数为m，每种标准模式特征向量中所包含的元素个数为n，则可建立相应的故障标准模式特征向量矩阵：灰色关联诊断法设系统要建立的故障标准模式特征向量155设实测信号的待检特征向量为待检特征向量yT与标准特征向量矩阵XR中各标准模式特征向量对应的元素的最小绝对差值为：待检特征向量yT与标准特征向量矩阵XR中各标准模式特征向量对应的元素的最大绝对差值为：设实测信号的待检特征向量为待检特征向量yT与标准156待检特征向量yT与标准特征向量矩阵XR在k点的关联度系数ξij(k)的表达式为：式中ρ为分辨系数，满足(0<ρ<1)，是可事先确定的常数，一般取ρ＝0.5。相应的关联度为：待检特征向量yT与标准特征向量矩阵XR在k点的关157从而可得关联度序列[R]＝[r1，r2，…，rm]。采用优势分析的思想，根据待检信号的故障模式划归为标准故障模式的可能性大小的次序，对系统进行故障诊断时。

当待检模式序列和某一标准故障模式序列关联度最大时，则可认为待检模式属于相应的标准模式，从而达到对模式的真正分类识别。鉴于不同特征参数对机器运行状态影响程度的不同，对每个特征参数赋与不同的权数ω(k)，则

从而可得关联度序列[R]＝[r1，r2，…，rm]。158灰色关联诊断法计算框图灰色关联诊断法计算框图159灰色关联诊断实例：三相异步电动机故障诊断灰色关联诊断实例：三相异步电动机故障诊断160灰色关联诊断实例：三相异步电动机故障诊断三种故障状态的标准模式特征向量Xr三组待检故障状态的模式特征向量Yt灰色关联诊断实例：三相异步电动机故障诊断三种故障状态的标准模161灰色关联诊断结果：三相异步电动机故障诊断返回灰色关联诊断结果：三相异步电动机故障诊断返回162§8.3人工神经网络诊断方法ANN是在现代神经生理学和心理学的研究基础上，模仿人的大脑神经元结构特性而建立的一种非线性动力学网络系统，它由大量的简单的非线性处理单元（类似人脑的神经元）高度并联、互联而成，具有对人脑某些基本特性简单的数学模拟能力。

§8.3人工神经网络诊断方法ANN是在现163与传统计算机的比较传统计算机神经网络设计算法和/或求解规则，编制软件

无需算法或求解规则，软件编制任务相对简单

指令串行执行

高度并行处理

不能解决形象思维问题，如感知、视觉等

易于实现感知和视觉等形象思维问题

脆弱鲁棒性(Robust)、容错性强，

自适应能力差

自适应性强，

强有力的数字和逻辑运算能力，计算精度高

可以处理模糊的、概率的、含噪的或不相容的信息

与传统计算机的比较传统计算机神经网络设计算法和/或求解规则164

生物神经元(NU)生物神经元(NU)165

人工神经元令：X=(-1,x1,x2,…,xn)T

Wj=(j,wj1,wj2,wjn)T则：人工神经元令：X=(-1,x1,x2,…,xn166不含反馈的前向网络

不含反馈的前向网络167反馈网络

全互连网络反馈网络全互连网络168状态反馈网络

输出反馈网络

状态反馈网络