第一篇：智能故障診斷技術淺析論文

引言

自進入21世紀以來，信息技術為廣大居民的生產生活帶來了很大的變化，機電設施也在整個生產過程發生著變化。在機械采礦中，添加了多種智能、自動化設施。由于是機械設施，在生產與運行中很容易出現各種問題，從而影響礦業發展。因此，在現實工作中，必須將診斷與維修技術作為研究重點，在將要發生或者發生故障時，對其進行預警，控制故障延伸，確保工作人員安全。

1故障診斷技術的總體概括

1.1設備診斷技術概念

從整體來看：故障診斷技術屬于防護方式，它是在確保生產過程的條件下，讓各個設備的參數滿足最佳狀態，然后再通過精密的儀表、儀器檢測設備是否滿足運行要求，是否有數值變化和破損現象。如果有異常，明確出現異常的原因，破壞程度，能否持續利用，能夠持續利用的時間，然后再結合設備的受損度，看能否利用代替性的設備延伸時間，減小成本消耗。當然，這一切工作都是在正常的運行狀態中才有效。

1.2故障診斷的技術原理

目前，應用在礦山機電設備智能故障診斷的技術主要包含：數字建模、數據采集、識別分析、狀態預測和信息處理。數字建模是診斷智能故障的總規劃和原則，它要求展現智能分析優勢。例如：在數學模糊診斷中，A是可能發生的事實案例，B是數據庫事例，通過對比A與B，在分析權值與特征的條件下得到準確的結果。數據采集，是礦山機電設備事先制定好參數值，然后再診斷設備，進行數值采集，用建模的方式對兩份數值進行比對。一旦數值參數大于預設范疇、曲線變化，那么說明機電設備還存在問題。識別分析，是在掌握機電設備測試參數與原始參數的情況下，結合參數變化，從故障庫中找到類似樣本，再確認產生故障的原因。也只有智能分析與識別，機電設備診斷與檢測才能達到智能要求。狀態預測，是在預測、識別現有參數后，結合相關資料，驗證機電設備運行狀態，同時這種結果具有很好的可信性與真實性，該預測結果同時也是深入機電設備運行的有效條件。信息處理，則是一份有效的測試參數，它要求將數據模型變成參數模型，再通過分析等形式進行處理。它能準確分辨無用與有用信息，通過綜合處理信息，找準診斷結果和過程分析后，最后得出一份理想的分析報告。

2礦山機電設備出現故障的原因

2.1配合關系

從檢查已有設備故障反饋的信息來看，大多數故障都是零件原配變化或者損傷造成的。在這期間，零件損傷是零件原設計與形態出現偏離，這種偏離多數是機械使用或者內部因素所致。常見的零件損傷體現為：意外和老化損傷所致。

2.2超出設備負荷

在相關設備設計之前，工作人員都會對參數極限進行限制，一旦其輸出參數超過設計極限時，它的運行狀態就會遭到破壞，甚至出現不同程度的故障。如果是超負荷造成的故障，就必須對技術參數和相關設備進行調整，并且采用適當的方式，以幫助其改善承受力。

2.3設備損耗

設備損耗是在內外因素的共同作用下，隨空間與時間的改變，其綜合能力不斷降低。造成這種情況的主要原因是：機件剛性不夠、間隙過大、部件磨損與老化、相關設施磨損、系數過大、負荷增加、關鍵負荷的聯接發生磨損與變形等。

3故障診斷在礦山機電維修中的運用

3.1診斷類別

從故障診斷的目的來看：它是對機電設施的計劃與檢修，以此保障各種生產設施運行的連續性。大致分成：事后檢修、根據周期檢修和狀態檢修。事后維修是機電設施發生故障的治理方案，不屬于主動對策的范疇，而是大多數機電設施在沒有準備的狀態下采用的方法。因此，將事后診斷應用在礦山機電設施中的效果并不太理想，其檢修質量也有待提高。周期檢修相對固定，并且帶著強制的特征，同時也是負責的展現。該方式方便易操作，大多數情況下是結合維修或者使用周期操作，從外看這種似乎會增加工人成本，事實上它是不可缺少的打基礎部分，從某種角度來看它也是節約成本的體現，通過積極防護設施，延長相關設備的使用年限和周期，并且及時發現和修復問題，最大程度的避免問題帶來的停產損失。因此，固定維修對礦山機電設備具有很好的作用，它能最大程度的做到防患于未然，從而降低經濟損失。狀態檢修，是在數據分析的條件上，讓每個工作人員負起對應的責任，然后再結合各種部件出現問題的時間推斷故障時間。雖然這種預測不能準確捕捉時間，甚至還存在誤差，但是能給企業警告的作用，避免措手不及的狀況發生。在爭取將設備控制在萌芽階段的過程中，幫助其延長使用周期，減小安全隱患，以確保生產正常進行。

3.2診斷方法

首先是參考歷史進行診斷記錄，通過對局部系統和元器件進行排查，找出問題癥結，這也是礦山機電設施診斷與維護的主要方法之一。一旦出現故障，對相關結論進行精細歸納，最后生成診斷集。第二次出現類似故障時，就能借用診斷路徑與經驗對其進行處理與診斷。它的優點是相同故障發生時，定位快速。其次是智能診斷，在控制系統、模擬人腦的基礎上，獲取、再生、傳遞、利用相關信息，最后利用已經準備好的經驗策略。其具體包含灰色系統、模糊診斷、專家診斷、神經網絡等方法。當前，應用最廣的是神經網和專家體系，讓診斷更加智能化。礦山機電設備故障診斷具有隱蔽性與復雜性，通過傳統的方法進行精確、迅速的診斷。同時，專家系統能精確的應用專業知識與經驗，通過模擬思維，對故障進行求解，最后得到結論。在人工智能診斷的基礎上，借助計算機系統與已有經驗解決故障。

4礦山機電設備故障監測的步驟

從整體來看：礦山機電設施故障診斷主要包含以下步驟：信息采集、處理、識別、建模和預測。在信息采集中，對機電設施運行參數、狀況與數據信號進行有效監測，利用傳感器傳輸的信息數據進行整理，最后放進網絡進行存儲，以備后續利用。信息處理，是對設備運行狀態進行數據整理和識別。當然，在這期間，存在有用與無用信息之分，因此必須對相關信息進行區分與整理，剔除無用信息，并且轉換數據，對具體信息進行有效分析，最后將數據變成設備能接受的信息與數據。信息處理與識別是在信息采集后，對相關信息進行識別與分析，包含數據分類、識別與分析，然后再將信息與之前得到的數據進行比對，最后得出設備運行中可能存在故障的區域、故障原因與類型。在礦山機電生產中，機電設施由多種信息數據和參數，并且和設施狀態、是否存在隱患有著直接的關系。對此，必須建立起良好的模型，以確定和反映設備狀態與故障之間的數學關系。預測技術是對機電設施的故障狀況以及剩余使用時間進行預測，它能作為機電設施故障維修與保養的條件，從而避免機電設施出現不必要的故障。

5.結語

為了推動礦業發展，提高開采安全性，在礦山開采中必須注重相關設備的故障診斷與維修技術。在開采中，做好故障記錄與整理歸檔工作，經常對壓力、溫度進行檢查，一旦發現問題立即解決，這樣才能改善故障診斷技術，進一步完善與優化診斷系統。

第二篇：智能故障診斷報告

智能：是指能隨內、外部條件的變化，具有運用知識解決問題和確定正確行為的能力。表現形式：觀察、記憶、想像、思考、判斷 智能可分為低級智能和高級智能：

低級智能——感知環境、做出決策和控制行為

高級智能——不僅具有感知能力，更重要的是具有學習、分析、比較和推理能力，能根據復雜環境變化做出正確決策和適應環境變化

智能的基本要素

三個基本要素：推理、學習、聯想

推理——從一個或幾個已知的判斷（前提），邏輯地推斷出一個新判斷（結論）的思維形式 學習——根據環境變化，動態地改變知識結構

聯想——通過與其它知識的聯系，能正確地認識客觀事物和解決實際問題

智能應具備的條件（能力）

三個基本能力：感知、思維、行為

感知能力——就是能感知外界變化和獲取感性知識的能力

思維能力——就是具有記憶、聯想、推理、分析、比較、判斷、決策、學習等能力

行為能力——就是對外界刺激（輸入信號）做出反應（輸出信息）并采取相應動作的能力

故障：是指設備在規定條件下不能完成其規定功能的一種狀態。可分為以下幾種情況： 1）設備在規定的條件下喪失功能；

2）設備的某些性能參數達不到設計要求，超出允許范圍；

3）設備的某些零部件發生磨損、斷裂、損壞等，致使設備不能正常工作； 4）設備工作失靈，或發生結構性破壞，導致嚴重事故甚至災難性事故。

故障的性質

1）層次性——系統是有層次的，故障的產生對應于系統的不同層次表現出層次性。一般可分為系統級、子系統級、部件級、元件級等多個層次；高層故障可由低層故障引起，而低層故障必定引起高層故障。診斷時可采用層次診斷模型和診斷策略。

2）相關性——故障一般不會孤立存在，它們之間通常相互依存和相互影響，如系統故障常常由相關聯的子系統傳播所致。表現為，一種故障可能對應多種征兆，而一種征兆可能對應多種故障。這種故障與征兆間的復雜關系導致了故障診斷的困難。

3）隨機性——故障的發生常常是一個與時間相關的隨機過程，突發性故障的出現通常都沒有規律性；再加上某些信息的模糊性和不確定性，就構成了故障的隨機性。4）可預測性——設備大部分故障在出現之前通常有一定先兆，只要及時捕捉這些征兆信息，就可以對故障進行預測和防范。

故障診斷：就是對設備運行狀態和異常情況做出判斷。具體說來，就是 在設備沒有發生故障之前，要對設備的運行狀態進行預測和預報；

在設備發生故障之后，要對故障的原因、部位、類型、程度等做出判斷； 并進行維修決策。故障診斷的基本思想：

設被檢測對象全部可能狀態（正常和故障）組成狀態空間S，它的可觀測量特征的取值范圍全體構成特征空間Y 若系統處于某一狀態s時具有確定的特征y，即存在映射

；反之，一定的特征y也對應確定的狀態s，即存在映射

。狀態與特征空間這一關系可表述為：

因此，故障診斷的目的就是：根據可測量的特征向量來判斷系統處于何種狀態，也就是找出映射關系 f

故障診斷的實質

對于有限狀態的系統，令正常狀態為s0，n種故障對應的系統狀態為s1, s2, …, sn；其中，處于狀態si時，對應的可測量特征向量為yi =(yi1, yi2, …, yim)；故障診斷就是由特征向量y =(y1, y2, …, yk)，求出它所對應的狀態s的過程

在這種情況下，故障診斷就成為：根據特征向量對被測系統的狀態進行分類的問題，或者說對特征向量進行模式識別的問題

結論：故障診斷的實質——模式識別（分類）問題

故障診斷的過程有三個主要步驟：

第一步是檢測設備狀態的特征信號，即信號測取；

第二步是從檢測到的特征信號中提取征兆，即征兆提取；

第三步是根據征兆和其它診斷信息來識別設備的狀態，從而完成故障診斷，即狀態識別。

——這是整個診斷過程的核心。

故障診斷的任務 故障檢測：采用合適的觀測方式、在合適部位測取特征信號，即信號測取；采用合適的方法，從特征信號中提取狀態征兆，即征兆提取

故障識別：采用合適的狀態識別方法與裝置，依據征兆而推理識別出設備的有關狀態，即狀態識別

故障分離與估計（預測）：采用合適的狀態趨勢分析法，依據征兆與狀態推理出狀態的發展趨勢，即狀態預測

故障評價與決策：采用合適的決策形成方法，依據有關的狀態和趨勢作出調整、控制、維修等，即干預決策

什么是智能故障診斷？ 智能故障診斷：是人工智能和故障診斷相結合的產物，主要體現在診斷過程中領域專家知識和人工智能技術的運用。它是一個由人（尤其是領域專家）、能模擬腦功能的硬件及其必要的外部設備、物理器件以及支持這些硬件的軟件所組成的系統。

從傳統故障診斷到智能故障診斷 故障診斷技術經歷的三個階段：

第一階段對診斷信息只作簡單的數據處理

第二階段將信號處理和建模處理應用于數據處理

以上兩個階段，完全基于檢測數據處理，沒有利用領域專家知識——傳統故障診斷階段 第三階段以知識處理為核心，信號處理、建模處理與知識處理相融合——智能故障診斷階段

傳統故障診斷的局限性： 未引入人工智能技術前，直接由領域專家完成狀態識別任務，不能有效利用專家的知識和經驗；

缺乏推理能力，不具備學習機制；

對診斷結果缺乏解釋，診斷程序的修改和維護性差。智能故障診斷的優越性：

引入人工智能技術后，能模擬領域專家完成狀態識別任務（最大差別），人-機聯合診斷，達到甚至超過專家；

發展出基于知識的診斷推理機制，能模擬人類的邏輯思維和形象思維的推理過程； 能解釋自己的推理過程，并能解釋結論是如何獲得的。

智能故障診斷的研究意義：

研究如何及時發現故障和預測故障并保證設備在工作期間始終安全、高效、可靠地運行

——故障診斷技術為提高設備運行的安全性和可靠性提供了一條有效途徑

故障的隨機性、模糊性和不確定性，導致一個故障的形成往往是眾多因素造成的結果，且各因素之間的聯系又十分復雜

——傳統故障診斷方法已不能滿足現代設備的要求，必須采用智能故障診斷方法

智能故障診斷的研究目的 及時發現故障，給出故障信息，并確定故障的部位、類型和嚴重程度，同時自動地隔離故障； 預測設備運行狀態、使用壽命、故障發生和發展；

針對故障的不同部位、類型和程度，給出相應的控制和處理方案，并進行技術實現；

自動對故障進行削弱、補償、切換、消除和修復，以保證設備出現故障時的性能盡可能地接近原來正常工作時的性能，或以犧牲部分性能指標為代價來保證設備繼續完成其規定功能； 進行維修決策，減少維修費用，提高設備利用率。

智能故障診斷的國內外研究概況

20世紀60年代末開始，已歷經三個階段：

美國從1967年開始，NASA、ONR率先在故障機理研究和故障檢測、診斷和預測等方面取得實用性研究成果；此后，在水泵、空壓機、軸承、潤滑油、內燃機、汽車發電機組、大型客機等方面都取得了許多研究成果

英國和日本相繼在20世紀70年代初開始故障診斷的研究，并在鍋爐、壓力容器、核發電站、核反應堆、鐵路機車等方面取得了許多研究成果

國外，設備維修費平均降低15～20%，技術投入占生產成本的比例，美國7.2%、日本5.6%、德國9.4% 我國從20世紀80年代初開始這方面研究，在石化、冶金、電力等行業得到應用；90年代后在各行業快速發展

目前智能故障診斷的幾個重要研究方向 1）集成化智能故障診斷研究：

現代設備復雜性和故障不確定性，單一方法不能滿足要求；集成多種方法進行診斷，取長補短，提高診斷智能化水平。2）網絡化智能故障診斷研究：

現有診斷大都面向單臺或單類設備，可擴充性、靈活性、通用性差，信息不能有效交互和共享；分布式智能診斷能充分發揮各專家的特點，做到資源共享、協調診斷。3）適應型智能故障診斷研究：

利用智能結構、智能Agent的特性，構建滿足現場需要，并對故障具有自修復、自補償、自抑制、自消除等適應型智能故障診斷，也是一個很有前途的研究方向。

第三篇：飛機故障診斷技術

1．故障是指產品喪失了規定的功能，或產品的一個或幾個性能指標超過了規定的范圍。它是產品的一種不合格狀態。

2．故障按其對功能的影響分為兩類：功能故障和潛在故障。

功能故障是指被考察的對象不能到達規定的性能指標；潛在故障又稱作故障先兆，它是一種預示功能故障即將發生的可以鑒別的實際狀態或事件。

3．故障按其后果分四類：

平安性后果故障：采取預防維修的方式；使用性后果故障：對使用能力有直接的不利影響，通常是在預防維修的費用低于故障的間接經濟損失和直接修理費用之和時，才采用預防維修方式；非使用性后果故障：對平安性及使用性均沒有直接的不利影響，只是使系統處于能工作但并非良好的狀態，只有當預防維修費用低于故障后的直接維修費用時才進行預防維修，否那么一般采用事后維修方式；隱患性后果故障：通常須做預定維修工作。

4．故障按其產生原因及故障特征分類可分為早期故障、偶然故障和損耗故障。偶然故障也稱隨機故障，它是產品由于偶然因素引起的故障。對于偶然故障，通常預定維修是無效的。耗損故障是由于產品的老化、磨損、腐蝕、疲勞等原因引起的故障。這種故障出現在產品可用壽命期的后期，故障率隨時間增長，采用定期檢查和預先更換的方式是有效的。

5．故障模式或故障類型是故障發生時的具體表現形式。故障模式是由測試來判斷的，測試結果顯示的是故障特性。

6．故障機理是故障的內因，故障特征是故障的現象，而環境應力條件是故障的外因。

7．應力-強度模型：當施加在元件、材料上的應力超過其耐受能力時，故障便發生。這是一種材料力學模型。

8．高可靠度狀態〔圖1.2-2〔a〕〕：應力和強度分布的標準差很小，且強度均值比應力均值高得多，平安余量Sm很大，所以可靠度很高。

圖1.2-2〔b〕所示為強度分布的標準差較大，應力分布標準差較小的情況，采用高應力篩選法，讓質量差的產品出現故障，以使母體強度分布截去低強度范圍的一段，使強度與應力密度曲線下重疊區域大大減小，余下的裝機件可靠度提高。

圖1.2-2〔c〕所示為強度分布標準差較小，但應力分布標準差較大的情況，解決的方法最好是減小應力分布的標準差，限制使用條件和環境影響或修改設計。

圖1.2-2

應力、強度分布對可靠性的影響

9．反響論模型：

如果產品的故障是由于產品內部某種物理、化學反響的持續進行，直到它的某些參數變化超過了一定的臨界值，產品喪失規定功能或性能，這種故障就可以用反響論模型來描述。

串連式反響過程：總反響速度主要取決于反響最慢的那個過程的速度。

并聯式反響過程：總反響速度主要取決于反響最快的過程的速度。

10．最弱環模型〔串連模型〕：認為產品或機件的故障〔或破壞〕是從缺陷最大因而也是最薄弱的部位產生

11．故障樹分析法簡稱FTA法〔Fault

Tree

Analysis〕

故障樹分析法是一種將系統故障形成的原因由總體至局部按樹狀逐級細化的分析方法。

故障樹分析法將最不希望發生的故障事件作為頂事件，利用事件和邏輯門符號逐級分析故障形成原因。優點：直觀、形象，靈活性強，通用性好；缺點：理論性強，邏輯嚴謹，建樹要求有經驗，建樹工作量大，易錯漏。

12．頂事件和中間事件〔矩形〕

底事件〔圓形〕

開關事件〔房形〕

省略事件〔菱形〕

13．邏輯與門

邏輯或門

邏輯非門

異或門

表決門K/N門

表決門：僅當n個輸入事件中有k個或k個以上發生時，輸出事件才發生。

14．建樹步驟

§頂事件選取原那么：

1)必須有確切的定義，不能含混不清、模棱兩可。

2)必須是能分解的，以便分析頂事件和底事件之間的關系。

3〕能被監測或控制，以便對其進行測量、定量分析，并采取措施防止其發生。

4〕最好有代表性。

15．〔1〕系統級邊界條件

頂事件及附加條件（系統初始狀態，不允許出現事件，不加考慮事件)

〔2〕部件級邊界條件

元部件狀態及概率，底事件是重要部件級邊界

利用邊界條件簡化：

與門下有必不發生事件，其上至或門,那么或門下該分支可刪除；

與門下有必然發生事件,那么該事件可刪除;

或門下有必然發生事件，其上至與門,那么與門下該分支可刪除

或門下有必不發生事件，那么該事件可刪除

16．n個不同的獨立底事件組成的故障樹，有個可能狀態，故可有個狀態向量。

17．與門結構故障樹的結構函數

18．或門結構故障樹的結構函數

19．k/n門結構故障樹的結構函數

20．底事件的相干性

假設對第i個底事件而言，至少存在一對狀態向量Y1i=(y1,y2,…yi-1,1,yi+1,…,yn)記作(1i,Y)和Y0i=(y1,y2,…yi-1,0,yi+1,…,yn)記作(0i,Y)，滿足Φ

(1i,Y)>

Φ

(0i,Y)，而對其它一切狀態向量而言，恒有Φ

(1i,X)

≥

Φ

(0i,X)成立，那么稱第i個底事件與頂事件相干。

如果找不到狀態向量滿足Φ

(1i,X)

Φ

(0i,X)，那么稱第i個底事件與頂事件不相干。

相干結構函數：Φ(X)滿足：

故障樹中底事件與頂事件均相干；

Φ(X)對各底事件的狀態變量xi(i=1,2,…n)均為非減函數

21．相干結構函數的性質

〔1〕假設狀態向量X=(0,0,…0)，那么Φ(X)=0；

〔2〕假設狀態向量X=(1,1,…1)，那么Φ(X)=1；

〔3〕假設狀態向量X≥Y(即xi

≥yi,i=1,2,…n)，那么結構函數Φ(X)

≥

Φ(Y)；

〔4〕假設Φ(X)

是由n個獨立底事件組成的任意結構故障的相干結構函數，那么有

即任意結構故障樹，其結構函數的上限為或門結構故障樹結構函數，而下限是與門結構故障樹結構函數。

22．假設狀態向量X能使結構函數=1，那么稱此狀態向量為割向量。在割向量X中，取值為1的各分量對應的狀態變量〔或底事件〕的集合，稱作割集。割集是導致頂事件發生的假設干底事件的集合。假設狀態向量X是割向量〔即=1〕，并對任意狀態向量Z而言，只要Z

23．假設狀態向量X能使結構函數=0，那么稱此狀態向量X為路向量。在路向量X中，取值為0的各分量對應的狀態變量〔或底事件〕的集合，稱作路集。路集是使系統不發生故障的正常元件的集合。假設狀態向量X是路向量〔即=0〕，并對任意狀態向量Z而言，只要Z>X，恒有=1成立，那么稱X為最小路向量，最小路向量X中取值為0的各分量對應的底事件的集合，稱為最小路集。最小路集是使系統不發生故障的必要正常元件的集合。

24．用最小割集表示結構函數：

25．用最小路集表示結構函數：

26．掌握化相交和為不交和，求頂事件概率〔此法最簡單易于理解，故采用之〕：

式中為故障樹的最小割集，將上式化成單獨項〔形如這種形式〕的邏輯和，將式中的用代替，用代替。這樣便可得到頂事件發生的概率為：

27．底事件的發生對頂事件發生的影響，稱作底事件的重要度。

l

概率結構重要度：僅由單個底事件概率的變化而引起頂事件概率發生變化，那么頂事件概率對底事件概率的變化率稱作該底事件的概率結構重要度，簡稱概率重要度，記作。數學表達式為：

。上式可以看出概率重要度較大的底事件，其概率發生變化，那么對頂事件概率變化的影響是比擬大的。

l

結構重要度：第i個底事件的結構重要度定義為該底事件處于關鍵狀態的系統狀態數與其處于正常狀態的系統狀態數之比。當系統由n個獨立元件組成時，那么可表示為：，為該底事件處于關鍵狀態的系統狀態數，可由下式表示：

所謂底事件的關鍵狀態是指該底事件狀態變量由0變為1時〔該元件由正常變故障〕，故障樹的結構函數也由0變為1〔系統由正常變故障〕的狀態。

用以下原那么求結構重要度，在概率重要度的根底上，令各底事件的概率均為1/2，那么所求結構重要度與其底事件的概率重要度相同。

l

關鍵重要度：，由此可見，底事件的關鍵重要度是指頂事件概率相對變化量與引起此變化的底事件概率相對變化量之比的極限。

28．故障隔離手冊〔FIM〕和故障報告手冊使用同一的故障碼，該故障碼為8位數：左起前兩位為故障所在章號〔系統〕，3、4位為節號〔子系統〕，5、6位為工程號，7、8位表示故障件位置。

29．無空勤人員提供故障碼時的故障隔離程序

–

故障必然歸入下面四種情況之一：

有相應的EICAS信息的故障；

有機內自檢程序〔BITE〕的故障；

有適用的維修控制顯示板〔MCDP〕信息的故障；

以上信息全沒有的故障。

假設報告的問題上述三種信息均有，那么故障分析順序為優先考慮執行有EICAS信息的排故程序，其次是機內自檢程序，最后是考慮執行有MCDP信息的排故程序。

30．查找故障的典型概率法〔P75〕重點看，有計算。

概率法應用的條件：故障是由某一元件故障引起；查找故障不會引入新故障。

概率法應用的參數：

檢查次數〔一次檢查、平均檢查次數

檢查時間〔一次檢查時間ti、平均總檢查時間

檢查工作量(一次檢查工作量ti、平均總檢查工作量

檢查費用〔一次檢查費用Ci、平均總檢查費用

適用范圍

–

逐件檢查系統

–

分組檢查系統

31．32．

分組檢查的方法：兩分法、等概率法、最小時間法。

u

兩分法：要點--符合機件數大致相等的要求；

最少檢查次數與最大檢查次數：

1)

假設系統由n個機件組成，滿足2m

n

2m+1〔m為正整數〕，那么系統最少檢查次數為m次，最大檢查次數為〔m+1〕次，平均檢查次數

Sm--第m次可查出故障的機件零件號組成的集合，同理。-零件號為j的機件故障的條件概率。

2〕

假設系統機件數恰好滿足n

=

2m，那么只需且必須經過m次檢查，才能查出故障原因，平均檢查次數Nm

=

m

u

等概率法：要點--先把系統按每組各機件故障條件概率之和大致相等分成兩組，檢查故障條件概率之和較大的那組，確定故障件所在局部。再將存在故障件的那一組按每組各機件故障條件概率之和大致相等分成兩個分組，檢查故障條件概率之和較大的一組，確定故障原因所在。如此繼續下去，直至查出故障原因為止。

u

最小時間法：要點--每組各機件故障條件概率之和大致相等。

對各組計算檢查時間消耗率h，h

=

?

(bi/

ti)，選擇h較大的一組進行檢查

33．信息量應該是該信息出現概率的單調減函數

信息量＝，P——信息量出現的概率，信息量的單位是“比特(bit)〞

–

假設有n個信息同時出現，它們對故障診斷提供的信息量要比單一信息提供的信息量大

–

當n個信息相應的事件互相獨立時，n個信息共同出現時的信息量等于各個信息的信息量之和，即信息量具有可加性

34．現代信息論中，“熵〞是系統不確定程度的度量

假設系統A有n個狀態A1,A2,…,An，系統隨機處于相應狀態的概率分別為P(A1),P(A2),…,P(An)，那么系統的熵定義為

35．復合系統的熵：設系統A有n個可能狀態，系統B有m個可能狀態

從而復合系統的熵為

A、B互相獨立：H(A+B)=H(A)+H(B)

A、B統計相關：

H(AB)=H(A)+H(B/A)=H(B)+H(A/B)

A條件下B的熵值：

36．定義系統B為判斷A所處的狀態提供的平均信息量為

也被稱為系統B包含有關系統A的平均信息量。

37．目視檢查是飛機結構完整性檢查的最根本、最常用的檢查方法，也是保證飛行平安的重要手段之一。

當蒙皮離開鉚釘頭并形成目視可見的明顯間隙，鉚釘周圍有黑圈，均說明鉚釘已松動。

鋁合金和鎂合金腐蝕初期成呈白色斑點，開展后出現灰白色腐蝕產物粉末。

不銹鋼的腐蝕往往是出現黑色的坑點。

38．氣密艙的密封檢查：流量法和壓力降法。流量法更適用于泄漏量較大而容積小的氣密艙。壓力降法設備簡單，測法簡單可靠。氣密艙和結構油箱泄露包括可控制泄露和不可控制泄露。

影響密封艙結構密封性的因素：

環狀縫隙影響因素；平面縫隙影響因素；加工與裝配質量的影響。

39．渦流檢測的根本原理

檢測線圈通交流電，在線圈周圍產生交變的初級磁場，當檢測線圈靠近被檢測的導電構件時，在交變的初級磁場作用下，構件中感生交變的電流——渦流。渦流在構件中及其周圍產生一個附加的交變次級磁場，次級磁場又在線圈內產生感應電流，它的方向與原電流方向相同。當構件中產生裂紋或有其它缺陷，檢測線圈與其接近時，渦流發生畸變，影響次級磁場，進而影響檢測線圈中的感應電流，檢測線圈中的電流的變化，說明構件發生損傷。

40．渦流檢測分為高頻渦流檢測〔>50kHz〕和低頻渦流檢測。

趨膚效應：渦流的磁場會引起交變電流趨向構件外表，外表電流密度最大，隨著深度增加，電流密度減弱

41．渦流檢測法的適用范圍

Q

檢查導電構件的疲勞損傷和腐蝕損傷。對鋁合金是首選的無損檢測方法

u

不適用非金屬構件，如塑料、玻璃纖維復合材料等的損傷

Q

高頻渦流可檢測試件外表或近外表的損傷，而低頻渦流可檢測構件隱蔽面或緊固件孔壁上的損傷

Q

對于鋼構件一般不采用渦流檢測法探傷。

Q

不能檢測出平行于探測面的層狀裂紋。

Q

厚度小于1.5

mm的薄板材，板邊緣或緊固件孔邊的邊界效應較大，給檢測帶來一定的困難

42．超聲波檢測法：高頻聲束〔頻率在20kHz以上〕射入被檢材料，經過不同介質分界面會發生反射，檢測者分析反射聲束信號，便可確定缺陷或損傷的存在及其位置。

超聲波的發射與接收是利用壓電材料的壓電效應來實現的超聲波是一種波長比光波長，比普通電波短，頻率高于20kHz的機械波

43．縱波檢測法的適用范圍：

?

易檢測出與工件探測面走向平行的缺陷

?

受儀器盲區和分辨力的限制，外表和近外表檢測能力低

?

適用于檢測大面積的厚工件，定位簡單

橫波檢測法的適用范圍：

?

可發現與工件外表成一定角度的缺陷或損傷

?

輔助縱波檢測，檢測垂直于探測面的缺陷或損傷。

應用：可檢測金屬、非金屬、復合材料的內部及外表缺陷〔裂紋損傷和腐蝕損傷〕，對平面缺陷十分敏感，只要聲束方向與裂紋面夾角到達一定要求，就可清晰地顯示出裂紋損傷

44．磁粉檢測的原理：〔通過檢測漏磁來發現缺陷〕

鐵磁試件被磁化后，假設試件存在外表或近外表缺陷，會使試件外表產生漏磁。鐵磁性工件中存在著許多小磁疇，磁化前，磁疇隨機取向，磁性抵消；被磁化時，磁疇規那么排列，呈現磁極。當工件外表或近外表存在與磁化方向近于垂直的裂紋缺陷時，磁力線會彎曲，呈繞行趨勢，溢出外表的磁力線叫做缺陷漏磁。漏磁場強度取決于缺陷尺寸、方向和位置以及試件的磁化強度。漏磁場強度越大，缺陷部位越容易吸附磁粉，越能顯示出磁粉跡痕，觀察磁粉跡痕判斷缺陷所在。

l

周向磁化法：直接通電法、電極法、芯棒法

l

縱向磁化法：線圈法、電磁鐵法、感應電流法

l

復合磁化法

適用于鐵磁性構件外表或近外表缺陷〔或裂紋〕。主要檢測鍛鋼件及焊件，不適用于奧氏體不銹鋼〔非磁性材料〕。

注意：磁粉檢測后要對零件進行退磁。

45．傳統的故障診斷方法包括邏輯診斷方法、統計診斷方法和模糊診斷方法。

46．邏輯診斷法師根據故障特性〔故障信息或征兆〕與故障狀態的邏輯關系，運用推理的方式進行故障診斷的方法。

有效決策規那么：將有效邏輯基中全部變元〔取值為１〕或逆變元〔取值為０〕邏輯乘，再求邏輯和．

有效決策主范式：從決策規那么出發，通過邏輯運算，得到全部變元或逆變元邏輯乘的邏輯和．

概括邏輯診斷步驟:

1.確定考慮的因素,建立決策規那么;

2.建立有效決策規那么或有效決策主范式;

3.將給定元件狀態的元件變元或逆變元組成征兆函數,待定元件變元或逆變元組成成因函數,進行狀態識別或故障診斷.注：此節求有效邏輯基，通過分析故障成因函數查找故障原因是重點。

47．統計診斷方法：

確定臨界值是重點。

根據對平均冒險率的分析，提出以下四種確定臨界值的方法：

最小冒險法、最小錯誤診斷概率方法、極小極大法和紐曼-皮爾遜方法。

n

在滿足平均冒險率最小的條件下，即使=時，確定臨界值的方法稱為最小冒險方法。

n

當==，==時，最小錯誤診斷概率方法確定臨界值得條件和最小冒險法完全相同。

n

在使平均冒險率取極大的同時，使平均冒險率取極小，這樣確定臨界值的方法稱為極小極大法。

n

紐曼-皮爾遜方法：要正確地估計錯誤診斷的代價往往是十分困難的，為此往往采用使某種診斷錯誤概率降低到最小的原那么。

例題：根據滑油中含鐵量監測發動機機匣的工作狀態。設由統計資料得到：在正常狀態下含鐵量的均值〔1p.p.m=1毫克/升〕，在異常狀態下含鐵量的均值，標準偏差為；含鐵量為正態分布，并發動機處于正常狀態的概率為=0.8。試用最小錯誤診斷概率法：

〔1〕詳細推導確定臨界值的公式

〔2〕計算臨界值x0

48．模糊診斷方法〔重點看該書最后兩頁〕：

設分別表示m種故障成因，它們是征兆群空間X〔論域U〕上的m個模糊子集，為相應的m個模糊子集的隸屬函數。對U中的任一元素，如果，那么判斷隸屬于模糊子集，這就是最大隸屬原那么。

隸屬函數計算式：其中〔i=1，……，n〕表示第i個征兆出現的狀態，征兆出現取1，不出現取0，是權系數，即診斷矩陣中第i行，第j列的元素。根據最大隸屬度原那么判斷故障成因，從而判斷故障成因。

編者注：考試題型：選擇〔10〕、填空〔10〕、簡答〔20〕、計算〔60〕.本材料僅供參考。預祝大家考個好成績，謝謝！

第四篇：智能故障診斷技術知識總結（最終版）

智能故障診斷技術知識總結

一、緒論 □ 智能：

■ 智能的概念

智能是指能隨內、外部條件的變化，具有運用知識解決問題和確定正確行為的能力。■ 低級智能和高級智能的概念

低級智能——感知環境、做出決策和控制行為

高級智能——不僅具有感知能力，更重要的是具有學習、分析、比較和推理能力，能根據復雜環境變化做出正確決策和適應環境變化

■ 智能的三要素及其含義

三個基本要素：推理、學習、聯想

推理——從一個或幾個已知的判斷（前提），邏輯地推斷出一個新判斷（結論）的思維形式 學習——根據環境變化，動態地改變知識結構

聯想——通過與其它知識的聯系，能正確地認識客觀事物和解決實際問題

□ 故障：

■ 故障的概念

故障是指設備在規定條件下不能完成其規定功能的一種狀態。可分為以下幾種情況： 1.設備在規定的條件下喪失功能；

2.設備的某些性能參數達不到設計要求，超出允許范圍；

3.設備的某些零部件發生磨損、斷裂、損壞等，致使設備不能正常工作； 4.設備工作失靈，或發生結構性破壞，導致嚴重事故甚至災難性事故。■ 故障的性質及其理解

1層次性——系統是有層次的，故障的產生對應于系統的不同層次表現出層次性。一般可分為系統級、子系統級、部件級、元件級等多個層次；高層故障可由低層故障引起，而低層故障必定引起高層故障。診斷時可采用層次診斷模型和診斷策略。

2相關性——故障一般不會孤立存在，它們之間通常相互依存和相互影響，如系統故障常常由相關聯的子系統傳播所致。表現為，一種故障可能對應多種征兆，而一種征兆可能對應多種故障。這種故障與征兆間的復雜關系導致了故障診斷的困難。

3隨機性——故障的發生常常是一個與時間相關的隨機過程，突發性故障的出現通常都沒有規律性，再加上某些信息的模糊性和不確定性，就構成了故障的隨機性。

4可預測性——設備大部分故障在出現之前通常有一定先兆，只要及時捕捉這些征

兆信息，就可以對故障進行預測和防范。

□ 故障診斷：

■ 故障診斷的概念

故障診斷就是對設備運行狀態和異常情況做出判斷。具體說來，就是在設備沒有發生故障之前，要對設備的運行狀態進行預測和預報；在設備發生故障之后，要對故障的原因、部位、類型、程度等做出判斷；并進行維修決策。■ 故障診斷的實質及其理解

故障診斷的實質——模式識別（分類）問題 ■ 故障診斷的任務及其含義

故障檢測：采用合適的觀測方式、在合適部位測取特征信號，即信號測取；采用合適的方法，從特征信號中提取狀態征兆，即征兆提取

故障識別：采用合適的狀態識別方法與裝置，依據征兆而推理識別出設備的有關狀態，即狀態識別 故障分離與估計：采用合適的狀態趨勢分析法，依據征兆與狀態推理出狀態的發展

趨勢，即狀態預測 故障評價與決策：采用合適的決策形成方法，依據有關的狀態和趨勢作出調整、控

制、維修等，即干預決策

□ 智能故障診斷：

■ 智能故障診斷的概念

智能故障診斷是人工智能和故障診斷相結合的產物，主要體現在診斷過程中領域專家知識和人工智能技術的運用。它是一個由人（尤其是領域專家）、能模擬腦功能的硬件及其必要的外部設備、物理器件以及支持這些硬件的軟件所組成的系統。

□ 智能故障診斷的研究方法：

■ 基于知識的研究方法

基于知識的研究方法：不需要對象的精確數學模型，而是根據人們長期的實踐經驗和大量的故障信息設計出一套智能計算機程序，以此來解決復雜故障診斷問題。模糊故障診斷

專家系統故障診斷 神經網絡故障診斷 信息融合故障診斷 智能體故障診斷 集成化故障診斷 網絡化故障診斷

二、智能故障診斷的構成 □ 基本結構：

■ 智能故障診斷系統的基本結構

兩大部分：故障檢測與診斷、故障容錯控制

輸入控制執行器監控對象輸出數據庫故障檢測與診斷知識庫故障容錯控制智能故障診斷與容錯控制的基本結構

■ 智能故障檢測與診斷模塊的主要任務和基本要求

知識獲取

故障檢測與診斷：就是從監控對象中適時準確地檢測出故障信息，并對故障產生的原因、部位、類型、程度及其發展做出判斷。

其主要任務通常包含以下幾個方面的內容： 1.獲取故障信息；

2.尋找故障源，確定故障的位置、大小、類型及原因； 3.評價故障的影響程度，預測故障的發展趨勢； 4.對檢測診斷結果做出處理和決策。基本要求包括以下幾方面：

1）對故障具有強檢測能力

故障檢測能力的強弱，一方面反映了檢測診斷模塊對故障的檢測能力，另一方面也直接影響故障診斷的效果

對弱故障信號和早期故障信號，故障檢測能力尤為重要 2）對故障具有強診斷能力

能綜合運用多種信息和多種診斷方法，以靈活的診斷策略來解決診斷問題； 能通過使用專家的經驗，而盡量避開信號處理方面復雜的實時計算；

能處理帶有錯誤的信息和不確定性信息，從而相對降低對測試儀器和工作環境的要求。

3）盡量采用模塊化結構

結構應當模塊化，使之可以方便地調用其他應用程序

如維修咨詢子模塊、模擬故障診斷子模塊等 4）具有人機交互診斷功能

現代設備的復雜性，要求綜合運用多種知識源（淺、深知識）來求解復雜問題 用戶適當地實時參與，將使診斷速度更快、準確性更高

用戶參與有主動和被動兩種方式：主動參與可干預和引導推理過程；被動參與只回答提問，而不干預推理過程 5）具有多種診斷信息獲取的途徑

獲取的診斷信息越豐富，則診斷效果越好

首先，應具有自動獲取狀態信息（當前、歷史）的功能 其次，應能通過人機交互獲取狀態信息 6）對問題求解應當實時和準確

實時：一旦發現故障跡象，應立即開始診斷工作

準確：輸出結果應當細致明了，對于并發故障允許輸出多個診斷解，對于同一故障則只有一個診斷解，對于征兆不完備情況應輸出按權值排序的多個候選故障解

7）具有學習功能

現代設備的復雜性以及新知識的不斷涌現，導致專家現有知識的不足 要求系統具有被動和主動（自學習）獲取新知識的能力

8）具有預測能力

應能預測故障的發生和發展，以便在故障沒有發生之前采取措施，將故障消滅在萌芽狀態，使損失減為最小 9）具有決策能力

故障出現前，應能提前預測故障

故障出現后，應能對故障做出決策并提供維護方案

□ 構成原理：

■ 故障檢測與診斷的常用方法

1）基于數學模型的故障檢測與診斷方法

特點是必須將故障數學模型化，有時建立模型很困難 不依賴實例和經驗，適用于新的沒有成熟經驗的診斷

2）基于參數估計的故障檢測與診斷方法

特點是須先確定一個信任域，當參數超出域時認為故障 適用于故障能由參數的顯著變化來描述的診斷

3）基于信號處理的故障檢測與診斷方法

通過對檢測信號的分析處理，利用特征信號對故障進行識別和診斷。典型方法：小波變換、模態分解等

4）基于知識的故障檢測與診斷方法

不需精確的數學模型，能模擬人的思維過程，具有自學習、自組織、自推理能力

5）基于實例的故障檢測與診斷方法

是一種使用過去的經驗實例指導解決新問題的方法

優點是不需從實例中提取規則，求解快；不足是能搜集的實例是有限的，求解時可能出現誤診或漏診

6）基于模糊理論的故障檢測與診斷方法

征兆的描述、故障與征兆的關系往往具有模糊特性，模糊語言變量能更準確地表示這種模糊性的征兆和故障

問題在于知識獲取困難：如何確定故障與征兆間的模糊規則；如何實現模糊語言變量與隸屬度間的推理轉換

7）基于神經網絡的故障檢測與診斷方法

利用神經網絡的聯想、推理和記憶能力進行知識處理

適用于復雜多模式的診斷，有離線和在線診斷兩種方式

■ 智能故障診斷中的機器學習策略及其理解

簡單學習：

文獻、專家和資料所描述的關于診斷對象的結構、功能、運行約束條件等知識，機械學習機制為主；

主要用于元知識學習階段

交互學習：

知識工程師或診斷對象處理過的知識，講授學習機制為主； 主要用于領域知識學習和知識庫豐富階段 獨立學習：

推理策略面對的新知識，歸納學習機制為主； 主要用于診斷能力改善階段 文獻、專家知識工程師診斷對象簡單學習交互學習知識檢驗與評價知識庫獨立學習

□ 構成方法：

■ 智能故障診斷系統的設計要求

智能故障診斷系統的設計，一般應滿足以下要求：

1）滿足故障診斷的實際需要；

主要指標有故障診斷率、診斷結果準確率、系統可靠性和投資效益比等，一般需分階段實現系統目標。

2）建立適應不同診斷對象的知識庫；

智能故障診斷系統是基于知識的，以知識處理為研究內容，知識庫的建立是保證診斷結果正確性的前提。

3）能自動獲取征兆；

征兆的自動獲取是實現故障診斷智能化的重要環節。將征兆獲取從用戶交給計算機，既可減少人為差錯、提高診斷準確率，又可減輕操作要求、提高系統可接受性。4）診斷和推理方法應符合故障診斷要求；

應從征兆出發去診斷故障，征兆對故障的肯定和否定程度，是故障診斷的根本依據。因此，知識表示和不精確推理應當充分反映故障診斷的特點。

5）能實現計算機自動診斷；

完成系統的方案設計后，用計算機進行系統的實際開發，可以使故障診斷易于實現，并獲得最佳效果。

6）系統要經過嚴格的測試和考核。

一方面，開發進度的加快導致測試時間減少；另一方面，系統一般是由缺少現場經驗的人員研制的。

經實驗室模擬測試、現場測試后，才能投入實際應用。

三、智能故障診斷的控制方案 □ 幾種控制方案的基本原理

■ 基于狀態反饋、基于多模冗余、基于功能模塊、基于神經網絡、基于專家系統的控制方案 □基于專家系統的控制方案 ■ 結構、原理

控制方案：知識庫存放領域專家知識；數據庫存放監控對象原始數據、故障特征數據等；推理機按一定的推理規則，對監控對象進行故障識別、估計和決策，根據故障性質采取相應策略進行容錯控制。X執行機構監控對象故障檢測與分離推理機知識庫Y數據庫知識獲取 ■ 推理過程和推理機的概念，推理策略及其理解

推理：就是對故障進行識別和容錯控制

推理過程：就是將數據庫中的事實與知識庫中的規則進行匹配的過程 推理機：實際上就是實現推理過程的一種智能程序 推理方法：正向推理、反向推理、正反向混合推理

基于數據驅動的正向推理策略：推理過程較慢，適用于搜索空間較小的知識庫；

基于目標驅動的反向推理策略、正反向混合的雙向推理策略：推理效率較高，適用于搜索空間較大的知識庫或在線故障診斷。

■ 知識的分類及其理解

1）原型知識：

原型知識是領域專家指出的故障集和征兆集這兩個集合之間存在的確定的映射關系“征兆族?故障”

生成的診斷知識可由規則或框架表示 它是故障診斷必備的知識，也是推理機工作的基礎

2）關聯知識：

關聯知識是描述故障傳播特性的知識 生成的診斷知識一般由規則來表示

它表征了診斷系統內部的狀態聯系，構成了診斷問題的求解路徑，引導診斷向縱深推進直到故障的位置和原因

3）權重知識：

權重知識是領域專家對故障間關系及證據可靠度的認識 它可以有目的地引導診斷過程的進行，提高診斷效率

■ 對象的分解及其理解

1）結構分解：從結構上對系統進行分解，把系統的總體結構分解為下一層的子結構，直到最低層次的零部件

最終可確定系統故障的物理位置，但難以表達子系統間的相互關系，難以反映由聯系劣化所引起的故障

2）功能分解：從功能上對監控對象進行分解，把系統的總體功能分解為下一層次的子功能，直到最低層次的基本功能

無論子系統或與其相聯系的故障都能在功能層次中反映出來，但最終確定的診斷結果是系統劣化的功能模塊

3）故障分解：從故障類型上對監控對象進行分解，下層總是上層的特例、而上層則是下層的概括，直到最具體的故障

可反映出所有類型的故障，但難以確定故障的物理位置

綜合分解原則：在高層采用結構和功能分解，減少分類過程的搜索量；在中間和低

層采用故障分解，與診斷目的一致

四、智能故障診斷的控制策略 □ 瞬時故障的消除：

■ 幾種常見的瞬時故障消除策略

1）循環采樣技術：將信號的一次采樣改為循環采樣，通過對采集數據的類比分析，消除瞬時故障

2）自動補償技術：采用特殊結構和特殊裝置組成補償器，抵消瞬時故障影響，如溫度補償器

3）自動切換技術：設備運行中出現瞬時過載等不安全情況時，使設備有關部分或全部停止運行，消除瞬時故障影響和保護設備，如切換開關、熔斷器

4）阻尼技術：設備運行中出現過載物理量時，對其加以限制或衰減，消除瞬時故障影響，如電感器抑制過電壓、減震器吸收振動沖擊等

5）旁路技術：把瞬時過載能量或不需要的物理量從旁路泄走，如低阻通路將瞬時過載電能旁路到大地、過流閥旁路掉液壓或氣動系統能量等

6）屏蔽技術：把瞬時故障的效應屏蔽起來，以消除瞬時故障的影響，如碳纖維或形狀記憶合金等

7）隔離技術：通過設計瞬時故障隔離器來消除瞬時故障的影響，如電磁隔離等

□ 多模塊并行診斷策略：

■ 概念或原理

即對同一種故障信息，用不同的診斷模塊進行識別，若結果相同或基本相同，則認為診斷成功，并根據故障性質和故障特征，調用相應的容錯模塊對故障進行容錯控制；若診斷結果差異較大，則可采用表決方法對結果做出判斷。

■ 單輸出對象：模型區域劃分、模型切換、避免切換震蕩

模型區域劃分：

僅根據控制器輸出所在的一維區域，劃分為有代表性的不同工作區段。

模型切換：

根據期望控制器輸出判斷下一時刻系統處在哪個子模型控制器的控制域內，以此切換模型。

避免切換振蕩：

擴大訓練域冗余，使相鄰訓練域相互重疊；

在總的工作范圍內離線訓練一個網絡模型，作為過渡過程使用。

■ 多輸出對象：模型區域劃分、模型切換

模型區域劃分：

不能僅根據控制器輸出所在的一維區域進行劃分，可以通過聚類方法劃分樣本空間進行子模型訓練。

模型切換：

選擇包括當前系統狀態的子模型作為控制器；

將當前輸入與各子模型工作空間的隸屬度作為權值，各子模型都對輸出進行加權貢獻。

五、智能故障診斷的實現方法 □ 故障信號檢測： ■ 可預測故障和不可預測故障的概念

1）可預測故障：是指那些可預先知道的故障。故障發生前通常都有一定征兆，只要及時捕捉這些征兆信息并采取相應措施，就可預防故障。漸發性故障是一種最常見的可預測故障。

2）不可預測故障：是指那些不可預先知道，但會影響設備正常工作的故障。突發性故障是其中最典型的一種。

可預測故障通常有一定規律性，易于檢測和防范；不可預測故障具有隨機性，且常對設備造成嚴重危害，是故障診斷研究的主要對象。

■ 故障的判斷標準

1）絕對標準：在設備的同一部位、按一定要求測得的表現設備狀態的值，與某種相應判斷標準相比較，以評定設備的狀態。

2）相對標準：對設備的同一部位、同一工況、同一測量值，用相同方法進行定期測取，按時間先后將實測值與正常狀態下的初始值進行比較來判斷。

3）類比標準：若有多臺機型相同、規格相同的設備，在相同條件下用相同方法進行測定，通過相互比較來評定設備的狀態。

■ 微弱信號檢測的概念

微弱信號檢測：分析噪聲產生的原因和規律，研究被測信號的特點和相關性，檢測被噪聲淹沒的微弱有用信號、或從強噪聲中提取有用信號、或采用其他新技術和新方法來提高檢測系統輸出信號的信噪比。

■ 早期故障的主要特點及其理解

1）早期故障信號很微弱：早期故障屬于輕微故障，其故障信號分量通常很小，不易察覺；

2）早期故障信號表征不明顯：早期故障信號的幅值、相位、時頻特性等變化很小，表征很不明顯；

3）早期故障信號容易被噪聲信號淹沒：由于噪聲信號通常會夾雜在故障信號中，當故障信號很弱時噪聲信號就相對較強，早期故障信號常被噪聲信號所淹沒，具有很大的隱蔽性。

□ 故障特征識別： ■ 故障識別的內容

1）正確選擇與設備狀態有關的特征信號

特征信號是指與設備功能緊密相關的、最有用的、能代表設備運行狀態的信號

應根據不同監控對象，選取最能反映其運行狀態的那部分信息作為特征信號 選擇特征信號依據：經濟性好、信息量大、敏感度高

2）正確地從特征信號中提取征兆

對特征信號進行處理，提取出與設備狀態相關的、能直接用于診斷的征兆信息

3）正確地根據征兆對設備進行狀態識別

征兆是故障診斷的基本信息

采用合適的故障診斷理論與方法對征兆加以處理，對不同的設備狀態進行模式識別

4）正確地根據識別結果對設備進行狀態診斷

有故障時，分析故障的位置、類型、性質、原因與趨勢——故障定位 無故障時，分析狀態趨勢，預計未來情況——故障預測 5）正確地根據狀態診斷對設備進行干預決策

干預設備及其工作進程，保證設備安全可靠高效運行

■ 故障識別的內容

故障識別過程可分為以下四步進行：

1）特征信號檢測

2）征兆信息提取 3）設備狀態識別 4）故障維修決策

原始信號特征信號征兆信號設備維修決策信號檢測特征提取狀態預測狀態診斷狀態識別 ■ 組合思維的概念、基于組合思維的識別方法

專家系統知識處理模擬的是人的邏輯思維，神經網絡知識處理模擬的是人的經驗思維，將邏輯思維、經驗思維和創造性思維集成在一起，就形成組合思維

首先用經驗思維進行識別；當經驗思維無法解決問題時，轉向高一層的邏輯思維；當邏輯思維也無法解決復雜問題時，轉向更高一層的創造性思維，即通過提出新的假設，經過檢驗后再發現新理論和解決問題的新方法

矛盾新假設檢驗新知識創造性思維知識庫x故障特征提取邏輯思維規則匹配模式匹配邏輯推理經驗思維報警y

考試說明

□ 考試方式：

■ 閉卷，試卷成績60%，平時成績40% □ 考試題型：

■

一、名次解釋：6題，5分/題，共30分

■

二、簡答：8題，3題10分、5題8分，共70分 □ 考試時間：

■ 第10周周四（5月2日）下午14:30-16:30 □ 考試要求：

■ 嚴禁一切作弊行為

第五篇：先進制造技術論文智能制造

智能制造

作者：王玉石

湖北文理學院機械與汽車工程學院工業工程1311班 學號2013123106

摘要：介紹了智能制造提出的背景、主要研究內容和目標,人工智能與IMT、IM的關系,IMS和CIMS,智能制造的物質基礎及理論基礎,智能制造系統的特征及框架結構,并簡要介紹了智能加工中心IMC,智能制造技木的發展趨勢，以及智能制造系統研究成果及存在問題。

關鍵詞：智能制造，IMS,IMC,IMT。1.主要研究內容和目標

智能制造在國際上尚無公認的定義。目前比較通行的一種定義是, 智能制造技術是指在制造工業的各個環節,以一種高度柔性與高度集成的方式,通過計算機來模擬人類專家的制造智能活動。因此,智能制造的研究開發對象是整個機械制造企業, 其主要研究開發目標有二: ①整個制造工作的全面智能化,它在實際制造系統中首次提出了以機器智能取代人的部腦力勞動作為主要目標,，強調整個企業生產經營過程大范圍的自組織能力;②信息和制造智能的集成與共享, 強調智能型的集成自動化。目前,IMT和IMS的研究方向已從最初的人工智能在制造領域中的應用(AiM)發展到今天IMS,研究課題涉及的范圍由最初僅一個企業內的市場分析、產品設計、生產計劃、制造加工、過程控制、信息管理、設備維護等技術型環節的自動化,發展到今天的面向世界范圍內的整個制造環境的集成化與自組織能力,包括制造智能處理技術、自組織加工單元、自組織機器人、智能生產管理信息系統、多級競爭式控制網絡、全球通訊與操作網等。2.人工智能與IMT，IMS 人工智能的研究一開始就未能擺脫制造機器生物的思想,即“機器智能化”。這種以“自主”系統為目標的研究路線,嚴重地阻礙了人工智能研究的進展。許多學者已意識到這一點, Feigenbaum、Newell、錢學森從計算機角度出發,提出了人與計算機相結合的智能系統概念。目前國外對多媒體及虛擬技術研究進行大量投資,以及日本第五代智能計算機研制計劃的擱淺等事例, 就是智能系統研究目標有所改變的明證。人工智能技術在機械制造領域中的應用涉及市場分析、產品設計、生產規劃、過程控制、質量管理、材料處理、設備維護等諸方面。結果是開發出了種類繁多的面向特定領域的獨立的專家系統、基于知識的系統或智能輔助系統,形成一系列的“智能化孤島”。隨著研究與應用的深入,人們逐漸認識到, 未來的制造自動化應是高度集成化與智能化的人—機系統的有機融合, 制造自動化程度的進一步提高要依賴于整個制造系統的自組織能力。如何提高這些“孤島”的應用范圍和在實際制造環境中處理問題的能力, 成為人們的研究焦點。在80 年代末和90年代初,一種通過集成制造自動化、新一代人工智能、計算機等科學技術而發展起來的新型制造工程—— IMT和新——代制造系統—— IMS 便脫穎而出。人工智能在制造領域中的應用與 IMT 和IMS 的一個重要區別在于, IMS 和 IMT 首次以部分取代制造中人的腦力勞動為研究目標, 而不再僅起“輔助和支持”作用,在一定范圍還需要能獨立地適應周圍環境, 開展工作。四IMS和CIMS發展的道路不是一帆風順的。今天,CIMS的發展遇到了不可逾越的障礙,可能是剛開始時就對CIMS提出了過高的要求,也可能是CIMS本身就存在某種與生俱來的缺陷,今天的CIMS在國際上已不像幾年前那樣受到極大的關注與廣泛地研究。從CIMS的發展來看,眾多研究者把重點放在計算機集成上,從科學技術的現狀看,要完成這樣一個集成系統是很困難的。CIMS作為一種連接生產線中的單個自動化子系統的策略,是一種提高制造效率的技術。它的技術基礎具有集中式結構的遞階信息網絡。盡管在這個遞階體系中有多個執行層次,但主要控制設施仍然是中心計算機。CIMS存在的一個主要問題是用于異種環境必須互連時的復雜性。在CIMS概念下,手工操作要與高度自動化或半自動化操作集成起來是非常困難和昂貴的。在CIMS深入發展和推廣應用的今天,人們已經逐漸認識到,要想讓CIMS真正發揮效益和大面積推廣應用,有兩大問題需要解決:①人在系統中的作用和地位;②在不作很大投資對現有設施進行技術改造的情況下亦能應用CIMS。現有的CIMS概念是解決不了這兩個難題的。今天,人力和自動化是一對技術矛盾,不能集成在一起,所能做的選擇,或是昂貴的全自動化生產線,或是手工操作,而缺乏的是人力和制造設備之間的相容性,人機工程只是一個方面的考慮,更重要的相容性考慮要體現在競爭、技能和決策能力上。人在制造中的作用需要被重新定義和加以重視。

3．智能制造的物質基礎及理論基礎

3.1.智能制造系統的物質基礎主要有：

(1)數控機床和加工中心美國于1952年研制成功第一臺數控銑床,使機械制造業發生一次技術革命。數控機床和加工中心是柔性制造的核心單元技術。(2)計算機輔助設計與制造提高了產品的質量和縮短產品生產周期,改變了傳統用手工繪圖、依靠圖紙組織整個生產過程的技木管理模式。

(3)工業控制技術、微電子技術與機械工業的結合———機器人開創了工業生產的新局面,使生產結構發生重大變化,使制造過程更富于柔性擴展了人類工作范圍。

(4)制造系統為智能化開發了面向制造過程

中特定環節、特定問題的“智能化孤島”,如專家系統、基干知識的系統和智能輔助系統等。

(5)智能制造系統和計算機集成制造系統用計算機一體化控制生產系統,使生產從概念、設計到制造聯成一體,做到直接面向市場進行生產,可以從事大小規模并舉的多樣化的生產;近年來,制造技術有了長足的發展和進步,也帶來了很多新問題。數控機床、自動物料系統、計算機控制系統、=機器人等在工業公司得到了廣泛的應用,越來越多的公司使用了“計算機集成制造系統(CIMS)”、“柔性制造系統(FMS)”、“工廠自動化(FA)”、“多目標智能計算機輔助設計(M1CAD)”、“模塊化制造與工廠(MXMF)、并行工程(CE)”、“智能控制系統(ICS)”以及“智能制造(IM)”、“智能制造技術(IMT)”和“智能制造系統(IMS)”等等新術語。先進的計算機技術、控制技術和制造技術向產品、工藝和系統的設計師和管理人員提出了新的挑戰,傳統的設計和管理方法不能再有效地解決現代制造系統提出的問題了。要解決這些問題、需要用現代的工具和方法,例如人工智能(AI)就為解決復雜的工業問題提出了一套最適宜的工具。3.2.智能制造技術的理論基礎

智能制造技術是采用一種全新的制造概念和實現模式。其核心特征強調整個制造系統的整體“智能化”或“自組織能力”與個體的“自主性”。“智能制造國際合作研究計劃JIRPIMS”明確提出:“智能制造系統是一種在整個制造過程中貫穿智能活動,并將這種智能活動與智能機器有機融合,將整個制造過程從訂貨、產品設計、生產到市場銷售等各個環節以柔性方式集成起來的能發揮最大生產力的先進生產系統“。基于這個觀點,在智能制造的基礎理論研究中,提出了智能制造系統及其環境的一種實現模式,這種模式給制造過程及系統的描述、建模和仿真研究賦予了全新的思想和內容,涉及制造過程和系統的計劃、管理、組織及運行各個環節,體現在制造系統中制造智能知識的獲取和運用,系統的智能調度等,亦即對制造系統內的物質流、信息流、功能決策能力和控制能力提出明確要求。作為智能制造技術基礎,各種人工智能工具,及人工智能技術研究成果在制造業中的廣泛應用,促進了智能制造技術的發展。而智能制造系統中,智能調度、智能信息處理與智能機器的有機融合而構成的復雜智能系統,主要體現在以智能加工中心為核心的智能加工系統的智能單元上。作為智能單元的神經中樞——智能數控系統,不僅需要對系統內部中各種不確定的因素如噪聲測量、傳動間隙、摩擦、外界干擾、系統內各種模型的非線性及非預見性事件實施智能控制,而且要對制造系統的各種命令請求做出智能反應。這種功能已遠非傳統的數控系統體系結構所能勝任,這是一個具有挑戰性的新課題。對此有待研究解決的問題有很多,其中包括智能制造機理、智能制造信息、制造智能和制造中的計算幾何等。總之,制造技術發展到今天,已經由一種技術發展成為包括系統論、信息論和控制論為核心的、貫穿在整個制造過程各個環節的一門新型的工程學科,即制造科學。制造系統集成與調度的關鍵是信息的傳遞與交換。從信息與控制的觀點來看,智能制造系統是一個信息處理系統,由輸入、處理、輸出和反饋等部分組成。輸入有物質(原料、設備、資金、人員)、能量與信息;輸出有產品與服務;處理包括物料的處理與信息處理;反饋有產品品質回饋與顧客反饋。制造過程實質上是信息資源的采集、輸入、加工處理和輸出的過程,而最終形成的產品可視為信息的物質表現形式。4．結語

制造業是國家經濟和綜合國力的基礎,被稱為“立國之本”。而我國的制造工業與發達國家相比,差距很大,主要表現為自主開發能力和技術創新能力薄弱,核心技術、關鍵技術仍依賴進口。對此,我國已引起重視,在“九五”科技規劃和15年科技發展規劃中,將先進制造技術列為重點發展領域之一。進入21世紀,經濟全球化的進程日益加快,制造業領域的競爭日益加劇,而競爭的核心是先進制造技術。在此環境下,我們只有抓住機遇,迎接挑戰,利用先進制造技術改造傳統產業,實現技術創新、機制創新、管理創新及人才創新,才能實現我國躋身世界制造強國的目標。

參考文獻

[1]李偉。先進制造技術。北京：機械工業出版社，2005 [2]張世昌。先進制造技術。北京:天津大學出版社，2004 [3]顏永年。先進制造技術。北京：化學工業出版社，2002 [4]張迪妮。現金制造技術。北京：北京大學出版社，2006 [5]周育才，劉忠偉。先進制造技術。北京：國防工業出版社,2011 [6]王隆太。現金指導技術。北京：機械制造出版社，2012 [7]趙云龍。先進制造技術。北京：機械工業出版社，2005 [8]張平亮。先進制造技術。北京：高等教育出版社，2012 [9]李發致。模具先進制造技術。北京;機械工業出版社，2003 [10]劉延林。柔性制造自動化概念。武漢：華中科技大學出版社，2001