首頁 > 技術資訊 > 基于人工神經網絡與計算機技術的設備故障智能診斷
當機械設備的某個零部件出現故障時有可能導致整個系統(tǒng)失效這樣不僅有可能產生嚴重的經濟損失更有甚者可能會導致人員傷亡。因此基于計算機技術的智能診斷逐漸受到越來越多的關注。隨著模糊集理論、專家系統(tǒng)、神經網絡、小波分析等檢測技術的出現故障診斷技術已發(fā)展成為一種多學科耦合的綜合技術了解并合理采用這些技術可以有效避免機械設備故障造成的生命安全及財產損失對于保證系統(tǒng)的可靠性與安全性有十分重要的意義。
基于人工神經網絡的診斷方法
基于人工神經網絡的診斷方法是從生物學的角度出發(fā)通過模擬人腦的神經結構可以快速有效地對機械設備故障進行診斷同時自主辨識工作環(huán)境真正意義上實現智能化。在診斷過程中通過捕捉并識別機械故障震動信號并進行專業(yè)化分析來診斷。由于人工神經網絡的預測模型和公式往往較為復雜因此其訓練樣本數據較大當樣本選擇不當或數據不足時有可能造成診斷結果失誤。目前對智能故障診斷的研究主要集中在：模式識別角度、預測角度以及知識角度的人工神經網絡方法。
（1）模式識別。對于人工神經網絡的故障診斷包括模式分類問題和識別問題由于神經網絡的信息存儲特性使其具有很高的容錯性因此可以有效應對模式識別中的噪聲干擾。由于人工神經網絡具有自適應學習功能，因而可以從傳統(tǒng)的經驗知識中解脫出來根據不同需求形成所需的決策區(qū)域。
（2）設備狀態(tài)預報。對機械設備的狀態(tài)預報可以在早期便發(fā)現故障，提高診斷的實時性。常用的狀態(tài)預報方式有直接預報和組合預報。其中組合預報會考慮輸入與輸出之間的動態(tài)關系，通過動態(tài)預測實現實際過程中的非線性動態(tài)系統(tǒng)建模。然而這種動態(tài)神經網絡的結構復雜性明顯提高因此訓練樣本的困難較大。
（3）基于神經網絡的智能診斷專家系統(tǒng)。該診斷系統(tǒng)結合了人工神經網絡和專家系統(tǒng)通過使用專家系統(tǒng)構造的神經網絡將基于符號的推理轉換成知識網絡結構將邏輯推理與數值運算結合利用神經網絡的學習、聯想記憶功能解決機械設備系統(tǒng)中的不確定問題提高故障診斷效率。這種智能診斷方式涉及多學科耦合問題發(fā)展并不成熟。其缺陷是系統(tǒng)的診斷仍然受到訓練樣本的限制樣本選擇不當會對診斷結果產生影響；系統(tǒng)診斷的推理過程及依據是隱式的往往難以理解；另外神經網絡與傳統(tǒng)計算技術的接口不夠成熟無法全面代替?zhèn)鹘y(tǒng)計算技術。
遠程故障診斷是將故障診斷與網絡傳輸相結合可以采用實時診斷或電子郵件診斷。實時診斷是采用在線視頻監(jiān)控系統(tǒng)對工況現場進行監(jiān)測并將相關視頻資料傳給有關專家通過專家的分析判斷實現故障診斷。采用這種故障診斷方式可以集思廣益提高診斷結果的可靠性。而采用電子郵件的診斷方式是通過現場工作人員對檢測信息的整理以電子郵件的形式傳給診斷專家再根據專家回復意見展開下一步工作。這種方式提高了故障分析的準確性但時效性較差。
