基于人工神经网络与计算机技术的设备故障智能诊断

当机械设备的某个零部件出现故障时有可能导致整个系统失效这样不仅有可能产生严重的经济损失更有甚者可能会导致人员伤亡。因此基于计算机技术的智能诊断逐渐受到越来越多的关注。随着模糊集理论、专家系统、神经网络、小波分析等检测技术的出现故障诊断技术已发展成为一种多学科耦合的综合技术了解并合理采用这些技术可以有效避免机械设备故障造成的生命安全及财产损失对于保证系统的可靠性与安全性有十分重要的意义。 


基于人工神经网络的诊断方法 
  
基于人工神经网络的诊断方法是从生物学的角度出发通过模拟人脑的神经结构可以快速有效地对机械设备故障进行诊断同时自主辨识工作环境真正意义上实现智能化。在诊断过程中通过捕捉并识别机械故障震动信号并进行专业化分析来诊断。由于人工神经网络的预测模型和公式往往较为复杂因此其训练样本数据较大当样本选择不当或数据不足时有可能造成诊断结果失误。目前对智能故障诊断的研究主要集中在:模式识别角度、预测角度以及知识角度的人工神经网络方法。 
  
(1)模式识别。对于人工神经网络的故障诊断包括模式分类问题和识别问题,由于神经网络的信息存储特性使其具有很高的容错性因此可以有效应对模式识别中的噪声干扰。由于人工神经网络具有自适应学习功能,因而可以从传统的经验知识中解脱出来根据不同需求形成所需的决策区域。 
  
(2)设备状态预报。对机械设备的状态预报可以在早期便发现故障,提高诊断的实时性。常用的状态预报方式有直接预报和组合预报。其中组合预报会考虑输入与输出之间的动态关系通过动态预测实现实际过程中的非线性动态系统建模。然而这种动态神经网络的结构复杂性明显提高因此训练样本的困难较大。 
  
(3)基于神经网络的智能诊断专家系统。该诊断系统结合了人工神经网络和专家系统通过使用专家系统构造的神经网络将基于符号的推理转换成知识网络结构将逻辑推理与数值运算结合利用神经网络的学习、联想记忆功能解决机械设备系统中的不确定问题提高故障诊断效率。这种智能诊断方式涉及多学科耦合问题发展并不成熟。其缺陷是系统的诊断仍然受到训练样本的限制样本选择不当会对诊断结果产生影响;系统诊断的推理过程及依据是隐式的往往难以理解;另外神经网络与传统计算技术的接口不够成熟无法全面代替传统计算技术。 
    
远程故障诊断是将故障诊断与网络传输相结合可以采用实时诊断或电子邮件诊断。实时诊断是采用在线视频监控系统对工况现场进行监测并将相关视频资料传给有关专家通过专家的分析判断实现故障诊断。采用这种故障诊断方式可以集思广益提高诊断结果的可靠性。而采用电子邮件的诊断方式是通过现场工作人员对检测信息的整理以电子邮件的形式传给诊断专家再根据专家回复意见展开下一步工作。这种方式提高了故障分析的准确性但时效性较差。

相关推荐:

上一篇:使用损伤造成的轴承异常所产生的振动分析

下一篇:如何采用振动算法对设备运行状态进行监测诊断