机器学习在现代故障诊断专家系统中的应用

故障诊断FaultDiagnosis

机器学习在现代故障诊断专家系统中的应用

段学燕!

李世其!

刘燕

华中科技大学机械科学与工程学院工业工程系9湖北武汉430074

摘要 针对目前智能故障诊断的知识获取瓶颈问题9以及设备状态参数故障标准的划分问题9在主动维修的思想以及

油液分析技术的基础上9将决策树增量式学习方法运用于故障诊断知识库的知识积累过程中9并进一步结合其推理能力9将其应用于故障标准的划分上9辅助维修决策的制定,在设备出现问题时及时发现并进行处理9达到主动维修的目的0最后通过一个柴油机活塞部位的油样光谱分析样本9将其进行实现0

关键词 故障诊断 主动维修 决策树 增量式学习中图分类号 THl7

文献标识码 A

文章编号 l002-2333 2006 06-0l36-03

!引言数\分析趋势9发现和纠正任何可能导致设备故障的操作或运行状况9将P点提前到靠近问题点甚至比问题点更前0

在工业化进程中取得最长的机器生命周期和最少的操作维护费用9是主动维修所要达到的目标9也是故障诊断专家系统产生的原因0国内外智能故障诊断中通常存在着知识获取瓶颈问题9目前多采用机器学习方法来解决0机器学习各种方法自提出以来9在设备故障诊断\医疗决策支持\网络故障排除等专家系统方面都有了较好的应用0

归纳学习方法对领域理论要求较少,有助于对已有的知识进行抽象归纳9是故障诊断专家系统中最根本的学习方法0然而现有的机器学习故障诊断专家系统中9大多使用非增量式的机器学习方法9通常在面临新示例时需要重新学习以往所有的示例9海量数据中这样所需要花费的代价远远高于只对新示例学习的代价0并且在诊断过程中9监测状态故障标准的界定存在一定的困难9如油液分析手段中9对油液成分含量标准的制定0而系统的学习能力仅用在知识获取中9却没有利用已有的知识库中的知识\辅助维修决策和这种标准的制定0

针对这两方面问题9本文将增量式学习能力运用到故障诊断的知识学习中9使其能够在一定知识的基础上进行知识的积累而不是重新学习9并且通过积累到的经验9结合其推理能力9对于设备状态进行分析9及时找出问题所在9减小故障的可能性9达到主动维修的目的0

图!

主动维修的要求是必须能够及时发现并阻止任何可能导致严重或灾难性故障的发生0实施主动维修就必须要有更强有力的监测诊断技术做支持0油液监测就是其中一个有效的手段0其中9磨屑检测是油液分析状态监测的主要手段9它通过对油液中磨损磨粒的检测分析监测出设备的磨损状态9判断设备是否处于异常磨损状态9找出设备故障源9及时进行维护9以免发生更为严重的故障0

2.2基于一定知识基础的学习能力

在复杂系统和过程的故障诊断问题中,诊断能力主

要依赖该系统拥有的知识9特别是有关诊断对象本身的专门知识9然而由于知识获取的瓶颈问题9诊断系统中的知识是不完备的9因而要求诊断系统在面对新的示例时应该具有一定的学习能力和自适应能力0增量学习能力 在学习新示例时9仅需要对训练好的系统进行某些改动 能够给故障诊断专家系统中知识的增量获取带来很大的帮助0

"2.1

机器学习方法在故障诊断中的应用主动维修与油液监测手段

主动维修就是针对可能引起装备产生故障的C故障

源,而采取的维修和管理活动9在设备的材料和性能发生损耗或降低之前就能够采取维修0如图1所示9当设备产生问题时9如果能够及时发现并处理9便能够极大地减少维修费用9因此9当发现问题的P点的位置离产生问题的点越近9设备发生故障的可能性越小9维修费用越少9反之9P点越靠近设备出现故障的F点时9设备发生故障的可能性增大9同时所需的维修费用也随之剧增0因此9主动维修的目的就是利用监测设备和手段来监测设备状态参

!.3机器学习在故障诊断中的应用方法

将机器学习方法运用于故障诊断的整体框架如图2

所示9一方面能够通过对故障示例集的学习获得故障诊断知识规则9解决知识获取瓶颈的问题9并且能够保证系统在一定知识基础上进一步进行知识的累加 另一方面也可以根据知识库中已有的知识规则9利用其推理能力9在监测设备状态时9辅助分析故障产生原因9达到主动维

!"#

机械工程师2006年第6期

机器学习在现代故障诊断专家系统中的应用

你可能喜欢

  • 光纤传感器在电力系统中的应用
  • 单片机在电力系统中的应用
  • 专家系统材料中应用
  • 计算机在教学中的应用
  • 机器人在工业中的应用
  • 传感器在机器人中的应用
  • 专家系统的应用

机器学习在现代故障诊断专家系统中的应用相关文档

最新文档

返回顶部