首页 首页 人工智能 查看内容

基于人工智能的机械液压系统故障诊断方法研究

木马童年 2019-7-2 09:35 15 0

  摘要 本文针对机械液压系统故障的特点,分析了现有故障诊断方法,重点探讨人工智能技术及其在机械液压系统故障诊断方面的应用和实践 中国论文网 https://www.xzbu.com/8/view-8816161.htm  关键词 液压系统;故障 ...

  摘要 本文针对机械液压系统故障的特点,分析了现有故障诊断方法,重点探讨人工智能技术及其在机械液压系统故障诊断方面的应用和实践 中国论文网 https://www.xzbu.com/8/view-8816161.htm  关键词 液压系统;故障诊断;智能诊断技术

中图分类号 TH137,TP18文献标识码 A 文章编号 1674-6708(2010)16-0008-02

0 引言

现代工程机械液压系统向着高性能、高精度和复杂的方向发展,液压系统的可靠性成了一个十分突出的问题,除对液压系统进行可靠性设计外,液压系统故障检测和诊断技术越来越受到重视,成为液压技术发展的一个重要方向。

1 机械液压系统故障诊断方法

故障诊断是对液压元件与系统产生故障的原因做出分析与判断,以便找出解决问题的方法。目前,液压传动系统中的故障诊断主要有:

1)基于人的主观诊断法

基于人的主观诊断法主要是依靠简单的诊断仪器,凭借领域专家的实践经验,判断故障的部位和原因,并提出相应的排除方法。这种方法又被称为简易诊断方法,它是设备维修部门普遍采用的方法,可以通过看、听、摸、闻、阅、问等方式,简单定性地判断液压系统工作的实际状况是否出现异常。基于人的主观诊断法主要包括系统分析法、参数测量法、方框图分析法、鱼刺图分析法等。

基于人的主观诊断法只能对简单液压设备故障进行定性判断与决策,对于复杂液压设备,仅仅依靠个别专家的经验和知识是无法对故障进行准确定位与判断的。

2)基于数学模型与信息处理的诊断法

这种诊断方法是用一定的数学手段描述系统某些可测量特征量在幅值、相位、频率及相关性上与故障源之间的联系,然后通过测量、分析、处理这些信号来判断故障源所在。基于数学模型与信息处理的故障诊断方法通常有状态估计方法、参数估计方法、频谱分析法、小波分析法等。

基于数学模型与信息处理的故障诊断方法需要提取系统特征参数或对系统建模,而液压系统由于元件工作在封闭油路中,影响液压系统特性的因素多种多样且相互影响,不易得到能准确反映故障的特征参数。液压系统一般都是由机、电、液耦合而成,存在着非线性时变环节,对系统建模也显得相当困难。所以此故障诊断法在液压系统故障诊断应用中受到了一定的限制,有待于进一步改进。

3)基于智能技术的诊断法

液压故障的多样性、突发性、成因的复杂性和进行故障诊断所需要的知识对领域专家实践经验和诊断策略的依赖,使研制智能化的液压故障诊断系统成为当前的趋势。计算机技术的发展与故障诊断技术相结合,人工智能 (artificial intelligence)诊断技术应运而生。其本质特点是模拟人脑的机能,有效地获取、传递、处理、再生和利用故障信息, 运用大量独特的专家经验和诊断策略,成功地识别和预测诊断对象态。智能诊断技术在知识层次上实现了辨证逻辑与数理逻辑的集成、符号逻辑与数值处理的统一、推理过程与算法过程的统一、知识库与数据库的交互等功能,为构建智能化的液压故障诊断系统提供了坚实的基础。

目前,基于智能技术的故障诊断法主要有:基于神经网络的诊断法、基于专家系统的诊断法、基于模糊逻辑的诊断法等。

2 人工智能及智能诊断

当前,人工智能的研究是与具体领域相结合进行的。基本上有如下领域:1)专家系统,是依靠人类专家已有的知识建立起来的知识系统,它应用人工智能技术、模拟人类专家解决问题时的思维过程,来求解领域内的各种问题,达到或接近专家的水平;2)模式识别。模式识别是研究如何使机器具有感知能力,主要研究视觉模式和听觉模式的识别。近年来,迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。特别是神经网络方法在模式识别中取得较大进展;3)人工神经网络。人工神经网络是在研究人脑的奥秘中得到启发,试图用大量的处理单元(人工神经元、处理元件、电子元件等)模仿人脑神经系统工程结构和工作机理。在人工神经网络中,信息的处理是由神经元之间的相互作用来实现的,知识与信息的存储表现为网络元件互连间分布式的物理联系,网络的学习和识别取决于和神经元连接权值的动态演化过程。人工神经网络已经成为人工智能中极其重要的一个研究领域。

3 液压故障的智能诊断技术

目前的研究主要从两方面展开,即基于专家系统的液压系统故障智能诊断技术和基于神经网络的液压系统故障智能诊断技术。

3.1 液压故障诊断专家系统

故障诊断专家系统(ES)是研究最多、应用最广的一类智能诊断系统。主要用于没有精确数学模型或很难建立数学模型的复杂系统。液压系统故障诊断专家系统是在采用先进传感技术与信号处理技术的基础上研制开发的。用专家系统诊断液压系统故障的一般过程是通过用户接口将故障现象输入计算机,由计算机根据输入的故障现象及知识库中的知识,按推理机中存放的推理方法,推理出故障原因,提出维修和预防措施。

3.1.1 知识库

知识库是故障诊断专家系统的基础, 如何建立有效的知识库是诊断系统的重要环节,知识库的模型不仅要符合专家诊断推理的思维,同时还要具备不断自我充实的能力,以提高专家系统的性能。知识库中存放各种故障现象、引起故障的原因及原因和现象间的关系,知识包括领域专家的启发性知识和液压系统的结构原理性知识。前者源于领域专家在长期实践中的知识积累,后者来自于对液压系统结构、原理和性能的深层次研究。通过对液压系统结构、功能和故障机理特征的分析可将其各部分的隶属关系描述成一种树状结构,如系统级、子系统级、部件级和元件级等若干层次。

3.1.2 推理机

推理机是专家系统的核心,实际上是计算机的控制模块,根据输入的设备症状,利用知识库中存贮的专家知识,按一定的推理策略解决诊断问题。通常采用的推理策略有正向推理、反向推理、正反向混合推理;常用的知识表达方式有产生式规则、框架、谓词逻辑等。

在液压故障模糊推理诊断过程中,一般坚持以下原则:分层分段诊断, 逐步深入原则、假设与验证相结合原则、综合评判原则、获取信息原则、通过对外在性能的考证来判断系统内部结构的劣化原则,对比判别确定原则,找出最严重的故障点原则等。

3.1.3 专家系统的实现

根据知识库模型和知识推断处理方法,专家系统的实现主要由图1所示的几个模块组成。

图1 液压系统故障诊断专家系统结构图

3.2 液压故障诊断神经网络系统

专家系统在发展中会遇到知识获取“瓶颈”问题,知识库过于庞大和非结构性、求解方法单一等困难,使其支持能力受限。而人工神经网络为液压系统的智能诊断开辟了新的空间。人工神经网络是利用神经网络具有的容错能力、学习功能、联想记忆功能、分布式并行信息处理功能等,较好地解决了传统方法在知识表达、获取和并行推理等问题上的“瓶颈”问题,特别是它不需要进行树搜索,使系统开发周期大大减少而提高求解效率。其具体应用方式有:从模式识别角度应用神经网络作为分类器进行液压系统故障诊断;从故障预测角度应用神经网络作为动态模型进行液压系统故障预测;从检测故障的角度应用神经网络得到残差进行液压系统故障检测。

基于神经网络系统的诊断基本原则是:把领域专家的经验输入网络,通过对故障实例和诊断经验的训练学习,依据一定的训练算法,使网络的实际输出在某种数学意义下是理想输出的最佳接近,对应于特定的输入征兆,产生故障输出模式,可以模仿人类专家的直觉、联想、记忆等能力,能较好地解决知识不完全性或不确定情况下的故障诊断问题。

转载注明来源:https://www.xzbu.com/8/view-8816161.htm

在不久的将来,多智时代一定会彻底走入我们的生活,有兴趣入行未来前沿产业的朋友,可以收藏多智时代,及时获取人工智能、大数据、云计算和物联网的前沿资讯和基础知识,让我们一起携手,引领人工智能的未来!

人工智能 智能诊断 数学模型 信息处理 智能技术 智能化
0