安全生产智能化保障技术 第2版 课件 第七章 智能故障诊断与预测

智能故障诊断与预测1安全生产智能保障技术

21.概述2.智能故障诊断3.智能故障预测4.智能诊断与预测系统主要内容3概述过去矿工用金丝雀检测其矿井安全的方法，来说明目前复杂设备中应用智能机器故障诊断与预测技术背景下的模式变化内容。“旧”的方式是将金丝雀放在矿井中，周期性地观察它，如果它死了，可以判断矿井的空气出现问题，变得糟糕了。“新”的方式是采用目前已有的技术和智能诊断预测技术连续地检测金丝雀的健康状况，并尽早地得到矿井空气变糟的征兆，从而预测矿并中金丝雀的剩余寿命，这明显改进了矿井的维修和健康管理模式，并使金丝雀具有了重复利用的价值。概述智能故障诊断与预测的概念智能故障诊断是人工智能和故障诊断相结合的产物，主要体现在诊断过程中领域专家知识和人工智能技术的运用。它是一个由人（尤其是领域专家）、能模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。智能预测

智能预测就是通过智能科学的思想和方法，设法把不同的预测模型有机地结合起来，综合利用各种预测方法和知识所提供的信息，以适当的综合准则得出综合预测模型，实现科学的预测。概述智能故障诊断与预测的概念故障失效的诊断与预测关系概述智能故障诊断与预测的诞生及现状原始诊断阶段

原始诊断始于19世纪末至20世纪中期，这个时期由于机器设备比较简单，故障诊断主要依靠设备使用专家或维修人员通过感官、经验和简单仪表，对故障进行诊断，并排除故障。基于传感器与计算机技术的诊断阶段

在这一阶段，由于传感器技术和动态测试技术的发展，使得对各种诊断信号和数据的测量变得容易和快捷，涌现了状态空间分析诊断、时域诊断、频域诊断、时频诊断、动态过程诊断和自动化诊断等方法。智能化诊断阶段

这一阶段，将智能信息处理技术的研究成果应用到故障诊断领域中，以常规信号处理和诊断方法为基础，以智能信息处理技术为核心，构建智能化故障诊断模型和系统。概述智能故障诊断与预测的诞生及现状健康管理阶段

所谓故障预测与健康管理事实上是传统的机内测试（BIT）和状态监控能力的进一步拓展。其显著特点是引入了预测能力，借助这种能力识别和管理故障的发展与变化，确定部件的残余寿命或正常工作时间长度，规划维修保障。目的是降低使用与保障费用，提高设备系统安全性、可靠性、战备完好性和任务成功性，实现真正的预知维修和自主式保障。概述智能故障诊断与预测系统的结构及特点智能诊断与预测系统的结构概述智能故障诊断与预测系统的结构及特点智能诊断与预测系统的特点系统应能综合利用多种信息、多种模型和多种诊断方法，以灵活的诊断策略来解决诊断与预测问题。系统的架构应当模块化和标准化，使之可以很方便地进行跨平台联网，扩展或调用其他专门的故障检测与诊断的应用程序，实现信息共享。系统具有良好的人机交互诊断的功能。系统具有多种诊断信息获取的途径。系统的问题求解应当实时和准确。系统应该可以使用丰富的故障诊断算法和故障预测模型。系统具有学习的功能概述智能故障诊断与预测系统未来发展趋势多种故障诊断与预测方法的结合专家系统与神经网络的结合模糊方法与神经网络相结合新的数学工具和智能算法针对高维数据会给神经网络带来结构复杂、训练速度和收敛过慢等问题，将粗糙集引入神经网络方法中为了克服专家系统存在的知识获取、自学习等问题，将具有并行计算，自学习能力的遗传算法等进化计算引入专家系统灰色理论、经验模式分解、混沌与分形、支持向量机、蚁群、粒子群等新的数学工具在故障诊断与预测中的应用崭露头角混合式智能诊断与预测系统智能故障诊断智能故障诊断基本框架智能故障诊断基于历史数据的诊断方法统计性的历史累计故障数据样本统计相关性和回归方法模糊—逻辑分类神经网络分类和聚类智能故障诊断基于数据驱动的故障分类与决策

数据驱动的故障诊断技术主要依赖于过程和测量到的设备健康数据来建立一个故障特征或故障特性指示和故障类别之间相互关系的模型。这种模型可以是专家系统、人工神经网络或者这些计算智能工具的联合运用。最终在线实现时，该方法需要一个完备的数据库(在基准线和故障状态方面)来训练和验证该诊断算法。智能故障诊断基于模型推理

基于模型的诊断方法是利用从实际设备系统或器件中得到的观察结果和信息，建立相应的系统结构和功能的数学模型，然后通过模型，对设备的故障进行诊断，基于模型的诊断方法一般采用多级诊断方式。智能故障诊断基于案例推理

基于案例的推理通过使用或采用旧问题的处理方法，可以解决新的问题。和人们日常处理问题的流程很类似。智能故障预测图中给出了故障可能的传播方法。如果在故障是4%的严重度时被发现，只需要更换组件；如果故障直到10%的严重度时才被发现，必须更换子系统；如果直到失效才发现故障的存在，整个系统都需要更换。很明显，对于故障严重度和即将发生的失效的估计是非常重要的。智能故障诊断基于模型预测技术

统计模型预测法首先对观测的历史数据模型做一定的假设，然后经过模型参数的估计得到相应的预测值。常用的参数模型入下：时间序列所测法回归分析测方法滤波器预测法智能故障诊断基于概率预测技术

这种方法比基于模型的技术需要较少的信息，因为这种方法所需的预测信息主要是不同的概率密度函数，而不是动态差分方程。它的优势在于它所需的概率密度函数，可以通过可观测的统计数据得到，并且这些概率密度函数只要是预测所感兴趣的量就足够了。这些方法通常会给出结果的置信界限。智能故障诊断基于数据驱动预测技术神经网络作函数逼近器，对系统各工况下的某些参数进行拟合预测；用动态神经网络对过程或工况参数建立动态模型，进而进行故障预测。神经网络预测支持向量机在解决小样本，非线性及高维模式识别问题中表现出许多特有的优势，它既能够由有限的训样本得到小的误差，克服了神经网络预测收敛速度慢和局部极小点等缺陷支持向量机方法专家系统预测技术由于采用了专家知识，从而具有了专家的丰富经验与判断能力，并能对用户的提问和答案的推理过程做出解释。在中长期测试中，能够对未来的不确定性因素、各对象自身发展的特殊性以及各种可能引起预测对象变化的情况加以综合考虑，从而得到较好的预测结果。基于专家系统的预测智能诊断与预测系统智能诊断与预测系统结构智能诊断与预测系统智能诊断与预测支持系统

智能诊断与预测支持系统是在诊断与预测支持系统的基础上集成人工智能方法而形成的。智能诊断与预测支持系统是智能诊断与预测系统与知识管理机制的有机集成智能诊断与预测系统基于智能故障诊断与预测的生产过程安全管理系统

系统体系结构智能诊断与预测系统基于智能故障诊断与预测的生产过程安全管理系统

系统功能结构思考题

什么是故障诊断？什么是故障预测？智能故障诊断与预测的特点是什么？试绘制智能故障诊断的基本框架。常用的智能故障诊断方法有哪些，简述各自的原理。基于历史数据的智能故障诊断常用的处理数据方