人工智能方法故障诊断.pdf

人工智能方法故障诊断

人工智能方法故障诊断rr...r

。11121m

Rr12r22...r2m(r)

ijnxm

2基于人工智能的故障诊断方法的应用现状............

rr...r

n1n2nm

基于人工智能的故障诊断方法不需要知道被控

y

对象的精确模型，能很好的应对不确定性和模糊性式中:Y为诊断矩阵，为对象具有故障的隶属度yii

的随机故障。目前基于人工智能的故障诊断方法主

(i1,2,,n)x

要有以下几个方向：基于模糊的方法、基于神经网;X为起因矩阵,为对象具有症状xjj

络的方法、专家系统故障诊断方法、基于遗传算法、的隶属度(j1,2,,m);R为征兆矩阵,描述了故障

支持向量机的方法、基于数据挖掘的方法、基于图

论的模型推理方法等，以下是对几种故障诊断方法征兆故障原因之间的关系。

的具体论述。

2。1基于模糊的故障诊断方法mr1

ij(0r1;1in;1jm)

i1ij。

在模糊诊断中，各种故障征兆和故障成因之间都

存在不同程度的因果关系，但表现在故障与征兆之基于模糊的故障诊断方法的优点在于：可将人类

间并非存在一一对应的关系，故障征兆信息的随机的语言化的知识嵌入系统;可模拟人类的近似推理

性、模糊性加上某些信息的不确定性,造成了故障形能力,且通用性好，只要针对不同的故障类型对推理

式复杂多样性。这种模糊性和随机性往往不能用精规则进行修改就可以应当不同的故障诊断。但与传

确的数学公式来描述，然而用模糊逻辑、模糊诊断统的故障诊断理论和方法相比，仍有不成熟之处:基

矩阵等模糊理论来分析其故障与现象之间的不确定于模糊逻辑的故障诊断方法缺少在线学习能力，不

性关系是可行的，从模糊数学的角度看,故障诊断是适应被控对象变化的需要；模糊隶属函数和模糊推

一个模糊推理问题.因而基于模糊的诊断方法得到理规则无法保证任何情况下都为最优；尚未建立起

了长足的发展［2-4]。有效的方法来分析和设计模糊系统，主要还是依赖

故障诊断通常是基于一定的征兆,做出可能引起专家经验和试凑。

这些征兆的故障判别，而模糊逻辑系统是应用模糊2.2基于人工神经网络的故障诊断方法

理论解决问题的重要形式。研究表明，通过建立模从故障诊断的过程来讲,故障诊断实质上也是一