工程機(jī)械故障診斷算法比較分析

陳 靜

（江蘇省靖江中等專業(yè)學(xué)校，江蘇 靖江 214500）

1 工程機(jī)械故障診斷中常用的三種基本算法分析

1.1 基于神經(jīng)網(wǎng)絡(luò)的故障診斷分析法

神經(jīng)網(wǎng)絡(luò)是由大量并行分布處理器按一定方式連接而成的信息網(wǎng)絡(luò)處理系統(tǒng)，它是對現(xiàn)代神經(jīng)科學(xué)研究成果的應(yīng)用，是對人腦思維的抽象，簡化和模擬。利用神經(jīng)網(wǎng)絡(luò)機(jī)械故障診斷的主要思想就是由工程機(jī)械各個系統(tǒng)的信息提取故障特征，并通過學(xué)習(xí)訓(xùn)練樣本生成機(jī)械故障的判決規(guī)則或判決器，最后利用判決器對實(shí)時提取的工程機(jī)械信息進(jìn)行故障診斷。

(1)基于BAM神經(jīng)網(wǎng)絡(luò)的故障診斷分析法。BAM神經(jīng)網(wǎng)絡(luò)又稱雙向聯(lián)想網(wǎng)絡(luò)（由B.kosko提出），是一種雙層反饋網(wǎng)絡(luò)?；贐AM神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)如圖1 所示，具體步驟為：首先，通過對工程機(jī)械各部分部件進(jìn)行大量的信息采樣，獲得基礎(chǔ)信息；其次，利用除噪、增強(qiáng)以及復(fù)原等一系列的技術(shù)手段對所得到的基礎(chǔ)信息進(jìn)行預(yù)處理，獲得原始有效信息；再次，將原始有效的數(shù)據(jù)進(jìn)行數(shù)學(xué)描述并對其進(jìn)行數(shù)學(xué)變換處理，得到能夠反映故障本質(zhì)的特征向量；然后，對所得到的特征向量進(jìn)行學(xué)習(xí)得到神經(jīng)網(wǎng)絡(luò)的具體系統(tǒng)參數(shù)，構(gòu)造出該工程機(jī)械的故障判決規(guī)則或者判決器；再然后，通過實(shí)時獲取機(jī)械信息對前一步所建立的故障判決規(guī)則進(jìn)行不斷的訓(xùn)練，不斷調(diào)整神經(jīng)網(wǎng)絡(luò)中的各具體系統(tǒng)參數(shù)，使得該工程機(jī)械的故障判決規(guī)則不斷的進(jìn)行完善，最終達(dá)到最優(yōu)；最后，利用所得到的最優(yōu)故障判別規(guī)則對該工程機(jī)械進(jìn)行正常的故障診斷。

(2)基于BP神經(jīng)網(wǎng)絡(luò)的液壓故障分析法。BP神經(jīng)網(wǎng)絡(luò)又稱Back propagation網(wǎng)絡(luò)于1986年提出，是一種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過反向傳播不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閥值使網(wǎng)絡(luò)的誤差平方和最小?；贐P神經(jīng)網(wǎng)絡(luò)的液壓故障診斷[2]的具體步驟為：首先，通過系統(tǒng)數(shù)據(jù)的實(shí)時采集，得到液壓的上升段壓力信號的AR模型參數(shù)構(gòu)成特征量，并由上升段壓力脈沖信號中提取出特征量；其次，求得正常和異常狀態(tài)下AR模型的各均值模型參數(shù)向量并且進(jìn)行比較計(jì)算，得到馬氏距離和庫爾拜克距離作為特征向量；再次，對所得到的特征向量進(jìn)行訓(xùn)練學(xué)習(xí)得到一個3層的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，生成該工程機(jī)械液壓的故障判決規(guī)則或者判決器。

圖1 基于BAM神經(jīng)網(wǎng)絡(luò)的故障診斷模型

1.2 基于模糊數(shù)學(xué)的故障診斷分析法

基于模糊數(shù)學(xué)的故障診斷方法就是通過將故障的現(xiàn)象與故障原因之間建立起一種模糊關(guān)系，并且求出故障現(xiàn)象的隸屬度和故障原因的隸屬度，來表征各種故障現(xiàn)象或者原因的傾向性，來減少不確定度或者不可知度，從而提高了故障診斷的效率。

基于模糊數(shù)學(xué)的故障診斷模型的具體步驟為：首先，將每一個故障原因或者故障現(xiàn)象生成集合，建立故障現(xiàn)象與原因的模糊關(guān)系集；再次，通過標(biāo)準(zhǔn)模式的模糊子集與待識別模糊子集通過引入隸屬度的概念來比較漢明距離；最后，通過就近原則選擇漢明距離小的為判別標(biāo)準(zhǔn)。

1.3 基于小波分析的故障診斷分析法

將整個工程機(jī)械作為一個系統(tǒng)，當(dāng)該系統(tǒng)產(chǎn)生故障時該傳遞函數(shù)會產(chǎn)生變化，不同頻率的幅頻特性和相頻特性也會相應(yīng)的隨之變化；對不同頻率段的輸入信號具有不同的抑制和增加作用是幅頻特性產(chǎn)生變化的主要原因。因此，工程機(jī)械是否出現(xiàn)故障可以通過輸出信號的各頻率成分能量的變化來判別。

基于小波分析的故障診斷的具體步驟為：首先，通過獲得正常工程機(jī)械的參數(shù)信息，并且以該工程機(jī)械作為一個系統(tǒng)建立起正常情況下的動態(tài)響應(yīng)；其次，將實(shí)時采集的系統(tǒng)數(shù)據(jù)進(jìn)行建模，看傳遞函數(shù)是否發(fā)生變化，若沒有，則判定為正常；若傳遞函數(shù)發(fā)生了變化，則說明機(jī)器發(fā)生故障；然后，對有故障的機(jī)器做進(jìn)一步的分析，通過小波分析將信號分解到各頻段并重構(gòu)，計(jì)算各頻段的能量值，與正常情況下各頻段的能量值作比較；最后，將比較結(jié)果作為判別準(zhǔn)則，確定故障類型。

2 工程機(jī)械故障診斷中綜合算法分析及故障診斷的發(fā)展趨勢

2.1 基于模糊邏輯與遺傳算法的工程機(jī)械故障診斷分析法

基于模糊邏輯與遺傳算法的工程機(jī)械故障診斷分析法正是結(jié)合了模糊邏輯與遺傳算法各自的優(yōu)勢，從而提高了工程機(jī)械故障診斷的效率。基于模糊邏輯與遺傳算法的工程機(jī)械故障診斷模型,具體步驟：首先，將每一個故障原因或者故障現(xiàn)象生成集合，建立故障現(xiàn)象與原因的模糊關(guān)系集；其次，對每一個可測部件技術(shù)偏移值進(jìn)行標(biāo)準(zhǔn)化并且對每一個可測部件求得其發(fā)生故障的概率；再次，通過偏移值與部件故障概率的綜合比較，判定是哪一個部件發(fā)生了故障；然后，以該部件為節(jié)點(diǎn)建議模糊有向圖，生成可能發(fā)生的故障傳播路徑；最后，利用遺傳算法在這些可能發(fā)生故障的傳播途徑中確定故障產(chǎn)生的實(shí)際傳播路徑，從而確定了故障產(chǎn)生的具體原因。

2.2 工程機(jī)械故障診斷方法的發(fā)展趨勢

從目前的情況來看，工程機(jī)械故障診斷算法的研究，已經(jīng)由最初的引入式的水平式研究方式發(fā)展到了多種算法結(jié)合共同診斷的垂直式研究方式，已經(jīng)由最初的已知故障現(xiàn)象判斷故障原因發(fā)展到目前的不需要事先提供任何故障現(xiàn)象的診斷預(yù)防為一體的整體診斷方式，如基于模糊邏輯與遺傳算法的工程機(jī)械故障診斷分析法，以及基于模糊神經(jīng)Petri網(wǎng)的故障診斷模型等等。僅僅從工程機(jī)械故障診斷算法的角度來看，未來的工程機(jī)械故障診斷研究趨勢主要有兩種：一種引入新的診斷算法和診斷思想；另一種也是最主要的一種，就是將多種算法結(jié)合起來發(fā)揮各自的優(yōu)勢的聯(lián)合診斷方法。

3 結(jié)語

本文對工程機(jī)械故障診斷的幾種算法進(jìn)行了分析研究，基于神經(jīng)網(wǎng)絡(luò)的診斷算法；基于模糊數(shù)學(xué)的診斷算法，但是在復(fù)雜的診斷系統(tǒng)中正確的模糊關(guān)系和隸屬度函數(shù)比較困難；基于小波分析的診斷算法，它是將工程機(jī)械作為一個系統(tǒng)，從系統(tǒng)響應(yīng)的角度進(jìn)行分析是否有故障并且判定故障在哪里，是診斷與預(yù)防一體化的先進(jìn)思想，這種算法思想是最優(yōu)的；基于模糊邏輯與遺傳算法的聯(lián)合診斷算法，結(jié)合了模糊邏輯與遺傳算法的各自優(yōu)勢實(shí)現(xiàn)了由傳統(tǒng)算法構(gòu)造了診斷與預(yù)防一體化的診斷方法；最后給出了工程機(jī)械故障診斷算法的未來發(fā)展方向。