感谢你在百忙之中抽出时间阅读混合故障诊断专家系统这篇文章。关于混合故障诊断专家系统这篇文章的任何评论都可以告诉小编。你的每一个建议都是对小编辑的肯定和鼓舞。接下来让我们一起来了解混合故障诊断专家系统。
模式识别与人工智能混合故障诊断专家系统张定会戴曝光上巧理工大学光学与电子信息工程学院上海200093病要对大型复杂生产系统进行状态监测和故障诊断难用单诊断理论和技术实现。将协同计算机网络、专家系统、神经网错和小波分析等先进理论和技术有机地结合起来，研究和构造7模块化的混合故巧诊断专家系统，实现对某巧厂大型复杂自动化冷化生产线进行状态胜测和故障诊断。研究结果表明，混合专家系统为大型复森系统的状态监和故障谗断提供7崭新而有效的技术手段，中田法分冀号了口18，TP277由于传统诊断理论和技术的诸多局限性，为了使状态监测和故障诊断更有效，同时又能满足实时性要求，必须寻找其它先进诊断理论和技术。现代生产系统大而复杂，自动化程度高，难用单的诊断方法完成对整个生产系统的状态监测和故障诊断，因此，将几种先进的诊断理论和技术手段结合起来，构成个统的整体，就可《对整个生产系统进行状态监测和故障诊断了，人工智能理论和技术，知识专家系统和人工神经网络，为状态监测和故障诊断提供了崭新的理论方法和技术手段，克服了传统诊断理论和技术的局限性，使些传统诊断理论和技术手段长期无法解决的难题得《顺利解决，同时又使状态监测和故障诊断智能化和简单化1，小波分析是近年来国际上掀起热潮的个前沿研究领域，是付立叶分析方法的突破性进展，因而为信号分析提供了强有力的分析手段。小波分析在故障诊断领域具有广阔的应用前景，本文研究的课题是：对某钢厂大型复杂的冷化自动化生产线系统进行实时状态监测和故睹诊断。
利用基于知识专家系统、人工神经网络和小波分析理论和技术，组成几个相对独立的诊断模块，分别诊断冷扣生产线系统的某些特定故障，从而实现对整个冷扣生产线系统进行状态监测和故障诊断。将几种先进的诊断理论和技术结合起来，组成统的整体，构造个混合故睹诊断专家系统。混合故障诊断专家系统既能充分发挥每种理论和技术故诊断的专长，又能使各个部分协调工作，使难用种诊断理论和技术手段实现对整个生产系统进行状态监测和故障诊断的难题迎刃而解，2故障诊断系统结构冷化生产线是套大型的自动化生产线。它的控制系统レッ德国西口子SENSR30过程控制计算机为控制核屯、；传感器，检测，显示，记录和控制仪表等中间控制单元为基础自动化。执行机构包括导银，开卷机，焊接机，清洗槽，入口活套，初涂炉，巧涂炉，出口活套，剪切机，卷取机等。整个系统的运行由过程计算机进行实时监测和控制。本系统的过程计算机发送和接收数据是分时进行的机和过程计算化之间隔5秒钟交换数据次，采用半双工通信方式。混合故障诊断专家系统根据过程计算机采集的现场实时数据对整个冷礼生产线系统进行实时状态监测和故障诊断。如果发生故障，混合专家系统将确定故障类型、发生时刻和发生部位并报警，对某些故摩还可向过程计算机发出自动排障指令。故障该断系统结构如图1所示，故度唆断系统结构模块诊断结果的数据，既保存了跟踪生产系统的原始数据，又保存7混合故障诊断专家系统进行状态监测和故障诊断的信息，便有关人员随时分析研究，及时了解生产系统的运行状态，分析发生故障的原因、部位、严重程度等1并及时采取相应措施，排除故障，使生产系统始终保持良好的运行状态。历史数据库每隔段时间如天，个星期等刷新次。
3.1协巧化构化调机构是混合故障诊断专家系统的关键部件1它起着承上启下的作用，使混合故障诊断专家系统各个部分有《不奈地工作，充分发挥各部分的作用。协调机构由数据分类处理模块、诊断结果汇总模块和添加训练模块组成，如图3所示。图3中实框部分为协调机构，虚框部分为协调机构的相关部分。
3混合故障诊断专家系统的组成混合故障诊断专家系统主要由实时数据库、历史数据库、基于知识的专家系统诊断模块、基于8口神经网络的诊断模块、基于自组织神经网络的诊断模块和基于小波分析的诊断模块、协调机构和人机接口组成。混合故障诊断专家系统如图2所示。人机接口主要由输入、输出模块和显示模块组成。输入模块提供输入功能，使用户或专家可《方便地向知识库添加知识，输入人工排摩指令、调用历史数据库中数据的指令、调用显示模块的指令和修改指令等。显示模块显示相应诊断模块的诊断结果，或文宇说明，或以图表显示。实时数据库存放过程计算机采集来的现场实时数据，并隔5秒刷新次，使实时数据库中的数据始终反映生产系统的*新动态。历史数据库保存段时间实时数据库刷新的数据，诊断困3协调机构协调机构主要负责将现场实时数据进行分类，然后将数据进行预处理，并将处理后的数据送给基于知识的专家系统诊断模块、基于8神经网络的诊断模块、基于自组织神经网络诊断模块和基于小波分析诊断模块，使各个诊断模块协调有序地工作，同时又把各个诊断模块的诊断结果进行汇总，分送到相应的显示模块进行显示，大大提篼了故障诊断的效率，山满足实时性要求。协调机构利用协同计算机模式形成和模式识别原理对现场实时数据进行预处理数据去噪、数据修补等，保证送入各诊断模块的初始数据准确可靠，从而可大大提商系统故障诊断的正确率。协同计算机是协同学在认知领域的具体应用，可《用类似于8口神经网络的结构实现，但它却是种自上而下的方法，而传统神经网络是种自下而上的方法。有关协同计算机详细内容请看文献[5].只要选择足够多的受干扰的模式原型模式的变异训练协同计算机网络，协同计算机就能快速有效地识别受干扰的模式，并将它们恢复成原型模式。因此，可利用协同计算机对现场实时数据诊断输出峻断输出诊断输出多级8口神经网络结构3.2.3基于自组织神经巧络诊断巧块基于自组织神经网络诊断模块也由若干个子模块组成，与图4类似。自组织网主要负责诊断周期性信号是否正常，利用从高维到低维的映射原理，可避免传统复杂的数据处理，使故障诊断简单化和直观化。传统的信号处理，处理复杂，效果有时也不理想，技术人员根据处理结果有时不易进行有效识别，那么现场操作人员就很难判断信号是正常的还是非正常的。将周期性信号在周期内离散成多个值，作为自组织网的输入，通过自组织网映射到二维平面上，根据映射点在平面上的位置，经训练后的自组织网，二维输出平面分成正常区域和非正常区域，如果映射点落在正常区域内，则信号是正常的如果落在非正常区域内，则信号是不正常的，表明有故障发生。
操作人员只根据映射点在二维平面上的位置，判断信号是否正常，简单明了。也可设计判决函数，对映射点的位置进行判别，判别状态是正常的，还是发生了故障，还可进步根据映射点在非正常区域的位置，判断故障的类型及严重程度等。个自组织网子模块也设计成多级神经网络结构，其工作原理与图5类似。
3.2.4基于小波分析诊断巧块基于小波分析诊断模块采用小波对称变换或小波反对称变换对含有突变信号的信号进行识别，也由若干个相对独立的子模块组成，与图4类似。因为特征提取恃征巧取恃征提取断结果，整个子系统的拒绝诊断输出由该子系统*后级神经网络给出。如果某个样本在*后级神经网络被拒绝输出，则该样本为新出现的样本。在这种情况下，或重新训练神经网络，或修改网络结构后再训练网络。
预处理过的数据进行预处理。巧合故障诊断专家系统运行过程中，当基于知识专家系统出现少量新知识、神经网络出现少量样本、协同计算机网络出现少量新模式、小波分析珍断模块出现相类似的新信号时，协调机构负责新知识的添加、小波分析新诊断模块的添加及网络的重新训练，不断增强混合故障诊断专家系统的诊断功能。当出现大量新的知识样本时，新知识添加和网络训练就要由人工来完成，3.2诊断巧块混合故障诊断专家系统中每个诊断模块是针对不同类型的故摩设计的。由于篇幅限制，下面仅对各诊断模块的功能作简要的介绍，详细诊断原理从略。
3.2.1基于知识专家系统诊断巧块基于知识专家系统诊断模块是个完整的传统专家系统。它主要负责诊断确定性故障和简单的不确定性故障，知识表示主要采用产生式表达法，充分发挥知识专家系统故瞎诊断的准确性和快速性，3.2.2基于8口巧经网巧诊断块基于8神经网络诊断模块由若干个子模块组成，如图4所示。基于8神经网络诊断模块主要负责诊断较复杂的不确定性故障及与其相类似的从未出现过的故障。个子模块是个相对独立的诊断单元，分别负责移断冷化生产线系统某些部位的故甚2 6网为了提篼系统故障诊断的正确率，每个子模块设计成多级神经网络结构，般由3级或4级8神经网络组成，如图5所示。在个子模块中，所有多级神经网络，都具有相同的输入节点数和输出节点数，隐层节点数可不相同。每个神经网络，在学习阶段，对所选择的训练样本进行学习和训练在故障诊断时，神经网络则对输入到本级的数据进行智能判别，判别包括两种情况：诊断输出包括正确诊断和错误诊断输出和拒绝输出。假定在第级神经网络诊断，输入样本是恰当的，能有效地进行故障诊断，因此这些样本在这级神经网络被成功地诊断出，其余的样本由于特征不明显或含糊不清，将被拒绝诊断。被拒绝诊断的样本则被送到下级神经网络而进步进行诊断，每级子系统将给出各自的诊拒绝诊断输出系统含有数种类型的突变信号，很难选择种小波函数对这数种类型信号进行有效识别，应选择多种小波函数对这数种信号进行识别，种小波函数组成个子小波分析识别模块。
为了加对信号的识别效果，每个小波分析子模块设计成多级小波分析结构，与图5类似。每个小波分析子模块由3至5级小波分析识别单元组成，在个子模块中，所有多级小波分析识别单元选相同的小波函数，只是每级的小波函数的参数选择不样。因为识别突变信号时，小波函数形状和小波函数参数的选择对识别效果影响较大。因此，对不同的信号，应选择不同的小波函数和小波函数参数。如果小波函数或小波函数的参数选择不当，不仅识别突变信号的效果不理想，有时甚至不能识别出突变信号。小波分析子模块选择互不相同的小波函数，分别识别某些特定的突变信号。当某个信号送入某个小波分析子模块后，首先经该子模块中的第级小波识别单元识别，判决函数对识别效果进行判决，如果效果理想，则此识别结果就作为*终识别结果输出；如果识别效果不理想或识别不出，则该级小波识别单元拒绝识别，将该信号送到下级小波识别单元继续识别，下级小波的识别过程与上级样。当某个小波分析子模块不能有效识别某个新出现的信号时，就加个新的小波分析子模块来识别它。
4多级诊断系统拒绝输出策略对于多级诊断系统，采用适当的拒绝输出策略和设计适当的判决函数是十分关键的。般而言，在进行模式分类时，容易被错误识的样本主要有两种：种是该样本在特征空间比较接近两类或多类的分界处，因而容易被错误地识别，我们称这类样本为含糊样本AbiguousSaples另种是该样本在特征空间离任何类都太远，《致于不能被所学习出来的分类曲面所覆盖，我们称这类样本为离设；为输入到神经网络的特征矢量，经过神经网络运算后，；1和；2为两个*激活的输出神经元，/1与/2为它们相应的输出值，我们使用如下的拒绝策略来判断是否应该拒绝识别；。
拒绝策略主要用来处理离异样本，因为此时将可能变得非常小。拒绝策晦二主要用来拒绝含糊样本，因为此时/1与/2将可能变得十分接近。这里0、义为预先确定的常量参数，小波变换拒绝策咯：设某个待处理的信号为护，经小波变换后的信号为/，其峰值为/_或/_.，如产《，拒绝识别户。/，和/1分别为除了峰值外的零坐标上和零坐标下的任意值，3为某个给定值，尽管种诊断理论和方法有其自身的优点，然而不论哪种方法，都不可避免地存在定的局限性。
很自然地我们会有这样的想法：能否将各种诊断方法有机地结合在起，相互取长补短，从而有效地提高整个谗断系统的诊断范围和诊断性能，这就是所谓的多专家系统的基本思想。每种方法我们视为个小专家系统。近年来，多专家系统的研究已经越来越多地引起国内外学者的注意，基于多专家系统的基本思想，构造个混合故障诊断专家系统，实现对整个冷祝生产线系统的状态监测和故障诊断。
张安华。机电设备状态化和故库诊巧技术。西北工业大学出版徐常胜，周兆巧，刘思行，等。基于神经网巧和专家系统的故巧诊周怀春，韩才元，朱和平，等。基于自组织神经网络的燃烧诊断研究。控制巧论与应用，1994，：6附603崔巧泰。小波分析导论。西安交通大学出版社，1995 [巧]HakenH著，杨家本译。协同计算机和化知神经网络的自上而下方法。清华大学出版社，广西科学出版社，1994金连文，徐秉挣。基于多级神经网络结构的手写体汉字识别。通
