第四章智能诊断课件

第四章智能诊断第一节概述第二节故障诊断专家系统第三节故障诊断神经网络第一节概述一智能诊断系统的发展现状

电路和数字电子设备方面，MIT的EL系统；波音航空公司的IMA系统；意大利米兰工业大学研制用于汽车启动器电路故障诊断系统等。机电设备方面，日本日立公司用于核反应堆的故障诊断系统；法国CGE的DIVA；哈工大和上海发电设备的MMMD-2；清华大学研制的用于锅炉设备故障诊断的系统等。军事设备方面美国佛罗里达空军基地的EMMA和马里兰大学的AMM。

二现有故障诊断系统存在的问题（一）故障智能诊断的优点1.能够模拟热脑的逻辑思维过程，解决需要进行复杂推理的问题2.可以储存和推广领域专家的经验和知识，更有效地发挥各种专门人才的作用。3.故障智能诊断系统在某些发面比人类专家更可靠灵活4.故障只能诊断系统具有人机结合作完成诊断任务的功能。5.故障只能诊断系统便于用户对知识库的修改和完善。（二）存在的问题

知识库庞大解决问题能力的局限性深、浅知识结合能力差自动获取知识能力差容错能力差对不确定性知识的处理能力差第二节故障诊断专家系统专家系统包括如下一些类型：

解释型，用于解释分析各种实验或勘测的结果；诊断型，用于诊断疾病或故障；设计型，用于进行某些设计与规则；

教学型，用于计算机辅助教学咨询型，用于某些领域的咨询或顾问；工具型，用于开发专家系统；一专家系统的构成及功能

（一）知识源（二）推理机（三）解释系统

(四）专家系统的管理系统（五）外部接口用户外部接口管理系统专家系统的推理机解释系统缓冲存储器知识源知识库模型库数据库知识管理系统知识获取系统专家工程师知识二、专家系统在故障诊断中的应用

例4.1在汽车中，发动机的电子控制越来越多如图4-2所示，是发动机控制系统的框图，其关键部件借助于车内的计算机或电控模块(ECM)的电子控制组件来实施控制。废气发动机化油器电控模块ECM发动机温度节气门位置混合比控制信号点火时间发动机转速排气中氧气量冷却液温传感器混合气控制执行元件节气门位置传感器分电器氧传感器催化转换器为了诊断发动机控制系统的故障，某些公司研究了诊断专家系统，图4-3就是其中的一个框图。

不正常硬码诊断码检查基本系统检查码12码13码14码15码21码23根据经验分析故障起因诊断模块诊断码检查系统性能检查路试使用性能检查路试出厂无码或仅有软码正常不正常硬码正常无码码12—无分电器参考脉冲码13—氧传感器电路码21—节气门位置传感器电路码14—冷却液温度传感器短路码15—冷却液温度传感器断路码23—混合比控制电路图4-3汽车发动机故障诊断的专家系统例4.2液压传动系统故障诊断专家系统的设计为了便于加深对专家系统的了解，引用了某液压传动系统故障诊断专家系统的设计，为了简化和缩小建造知识库和专家系统的编程目标，达到说明故障诊断专家系统的设计过程和内函，将设计和描述范围作了如下的限定：(1)机械产品中某台设备液压传动系统出现故障；(2）液压传动系统的故障是由于液压缸不能实现正常运行而造成；(3)液压缸不动作造成运动失效，问题出在换向阀元件上；(4)换向阀出问题仅考虑阀芯、弹簧和电磁铁等出现故障。

1．知识库

通过总结分析和向领域专家学习后，提取出有关换向阀出现问题的判定和处理知识，并进行形式化，以组建知识库。油缸不移动阀芯不动阀芯不能返回中心位置旧换向阀新换向阀弹簧磨损油源污染电磁铁液压卡紧力间隙小新换向阀旧换向阀行程开关失灵短路线圈损坏推力不够漏装弹簧弹簧折断刚度不够图4-4换向阀故障诊断推理网络2．数据库数据库是存放专家系统当前情况的，即存放用户告知的一些事实及由此推得的一些事实，它也是以表的形式存放的。例如，若已知以下事实：液压缸——完全不移动；换向阀——第一次使用；阀芯——不能被卡住；该阀——是电磁换向阀；弹簧——处于正常工作位置；电磁铁——线圈有电。要将这些事实用计算机语言编码形成一个表存入计算机当前的数据库中，实际上对一般专家系统而言，就是在计算机中划分出一部分存贮单元，存放以一定形式组织的该专家系统的当前数据，这就构成了数据库。数据库可以有多个表或用其他形式构造。3．推理机

本例中就换向阀故障诊断问题进行正向推理机的设计。图4-5所示为正向推理机工作示意图。当知识库和数据库构造完成以后，正向推理机的工作步骤应是：NNNYYY开始取出规则I的结论部分的事实将新事实加入数据库，记下规则I结束取出规则I的前提部分的事实令I=1令I=I+1新的事实吗？在数据库吗？I=K？第三节故障诊断神经网络一、神经网络的基本组成

神经网络是从生物学的角度来模拟人类的思维过程。由于人们对大脑的思维机制还很不了解，因此当前的人工神经网络还只能是大脑的低层次模拟。（一）神经元（二）神经元间的连接。（三）神经网络

二、人工神经网络的典型模型神经元是神经网络的基本处理单元，它一般视为多输入单输出的非线性器件，其模型如图4-6所示。-1θjω1jωnj…SiyjXnX1ωij………Σ图4-6神经元模型其中xi为输入信号，ωi示从输入信号与与第j个处理单元的连接权值，θj为该处理单元的阈值，Si表示外部输入信号(在某些情况下，它可以控制神经元，使之保持在某一状态)，yj为输出。常用的神经元非线性特性(函数)f(σ)可有如下三种类型，

1．阈值型：函数f为一阶跃函数，即当输入信号大于阈值时，神经元输出为1，否则，输出为0。

2．分段线性型：输出与输入的关系呈分段折线形。

3．S型：其输出与输入的关系特性常取对数或正切等S状函数曲线饱和特性。三、BP模型

BP模型也叫反向传播模型，它是一种多层前向网络，如图4-7（a）所示，网络除输入输出层外，还有隐层(可以是多层)。通常激发函数yj=f(σj)选S型，常用的Sigmoid函数，即该算法的学习过程由正向传播和反向传播组成。在正向传播过程中，输入信息从输入层经隐层处理，并传向输出层，每一层神经元的状态只影响下二层神经元的状态。如果在输出层不能得到期望的输出，则转入反向传播，，将误差信号沿相反的路线从输出层经隐层逐层传至输入层，在此过程中，修改各层的权值，以使误差信号最小。该模型采用梯度最速下降法，最后的目标是使误差平方和最小。

四BP算法的改进BP算法的一种综合修正：1．对样本进行分批分期学习，首先学习标准样本，为网络提供智能化初始值，再对全体样本学习，

2．用“渐进式”方式学习，BP网络对最近一次学习的样本特征起增强作用，而削弱其它样本的特征，导致网络对样本的重复学习。3．初始权重应赋予随机数，不能将同一层各权重赋以相同的值，否则将导致算法的失败。用较小的随机值[-0.5，+0.5)初始化权值，以免网络过早进入假饱和状态；

4．阈值作为网络的一个附加节点一起训练，

5．在“梯度型”算法中存在如下问题：

若μ过大导致算法在最优点附近振荡，若μ过小，则算法在开始时收敛速度极慢。在进程中进行调整，使学习可以较快的速度进行，提高了学习效率。算法为：其中β为一小正数，一般为[0.01，0.03]

五、BP算法在大型旋转机械故障诊断中的应用

例4.3表4-1是一组旋转机械故障的训练示例。表内的值表示各训练示例的特征值大小，其取值区间为[0，1]，如在不平衡训练示例中，其0～1/4倍频振动幅值的当量值为0，1～3/4倍频的振动幅值的当量值为0，3/4～1倍频的振动幅值的当量值为0，1倍频的振动幅值的当量值为0.9，2倍频的振动幅值的当量值为0.1，等等，其余类推。将这些故障示例输入到一个具有8个输入层节点，8个中间层节点，3个输出层节点的网络中，经过1200次迭代，形成了一个网络，该网络的记忆效果如表4-2所示，经过12000次迭代所形成的网络的记忆效果如表4-3所示。表4-2中第一行表示，当输入一组不平衡故障后，得出该故障的置信度为0.94，而其它故障几乎为0。第二行表