第一篇：機(jī)械故障診斷技術(shù)與應(yīng)用讀書(shū)報(bào)告

機(jī)械故障診斷技術(shù)與應(yīng)用讀書(shū)報(bào)告

姓名： 前言

機(jī)械設(shè)備運(yùn)行狀態(tài)的監(jiān)測(cè)與故障診斷很早就開(kāi)始了。剛開(kāi)始人們往往通過(guò)聽(tīng)覺(jué)、觸覺(jué)、視覺(jué)來(lái)對(duì)機(jī)器的噪聲、振動(dòng)和溫度等進(jìn)行判斷，進(jìn)而來(lái)推測(cè)設(shè)備運(yùn)行是否正常。當(dāng)時(shí)的機(jī)械設(shè)備功率普遍較小，通常是單機(jī)工作，并且更新?lián)Q代比較緩慢，人們有大量的時(shí)間進(jìn)行熟悉，探索并且逐漸掌握機(jī)器的性能和工作狀態(tài)。然而到了現(xiàn)代，企業(yè)生產(chǎn)已經(jīng)進(jìn)入了高速發(fā)展階段，以往的判斷模式已經(jīng)不能夠應(yīng)用于現(xiàn)在的生產(chǎn)模式?，F(xiàn)代工業(yè)生產(chǎn)的特點(diǎn)是生產(chǎn)系統(tǒng)大型化、連續(xù)化、高速化、自動(dòng)化、系統(tǒng)化和智能化。要求機(jī)械設(shè)備更新快，在使用過(guò)程中安全、連續(xù)、可靠、高效、低能等特點(diǎn)，為了達(dá)到這些要求，那么我們就需要借助現(xiàn)代技術(shù)進(jìn)行設(shè)備的運(yùn)行狀態(tài)的監(jiān)測(cè)與診斷。目前可以進(jìn)行實(shí)時(shí)采集機(jī)械系統(tǒng)運(yùn)行狀態(tài)并且對(duì)采集到的信息進(jìn)行分析，進(jìn)而判斷機(jī)械系統(tǒng)運(yùn)行狀態(tài)的優(yōu)劣，從而能更好的對(duì)設(shè)備進(jìn)行維護(hù)和維修，從而達(dá)到了提高生產(chǎn)效率、保障安全運(yùn)行、降低生產(chǎn)成本、節(jié)約能源消耗、延長(zhǎng)使用壽命的目的。機(jī)械設(shè)備的狀態(tài)監(jiān)測(cè)和故障診斷技術(shù)是實(shí)現(xiàn)這一目的的重要技術(shù)手段。機(jī)械設(shè)備的狀態(tài)監(jiān)測(cè)和故障診斷就是采集諸如振動(dòng)、噪聲、溫度、潤(rùn)滑油、聲發(fā)射扥等設(shè)備相關(guān)信號(hào)，從而進(jìn)行分析和處理，得到設(shè)備的運(yùn)行狀態(tài)。根據(jù)設(shè)備的部位、類型、嚴(yán)重程度、發(fā)展趨勢(shì)，對(duì)出現(xiàn)故障的設(shè)備進(jìn)行維修安排。機(jī)械故障診斷技術(shù)的發(fā)展歷程

從20世紀(jì)60年代開(kāi)始，伴隨著科學(xué)技術(shù)的不斷進(jìn)步和發(fā)展，計(jì)算機(jī)技術(shù)、網(wǎng)絡(luò)技術(shù)和信息技術(shù)迅速發(fā)展和普及，從而使機(jī)械設(shè)備運(yùn)行狀態(tài)的監(jiān)測(cè)和故障診斷技術(shù)逐漸形成為一門(mén)較為完善的綜合性工程學(xué)科，并且在全球范圍內(nèi)推廣。逐漸成為熱門(mén)學(xué)科。美國(guó)是最早開(kāi)始進(jìn)行開(kāi)發(fā)設(shè)備診斷技術(shù)的國(guó)家。1967年4月美國(guó)海軍主持召開(kāi)美國(guó)機(jī)械故障預(yù)防小組成立大會(huì)。并且從此以后美國(guó)開(kāi)始投入大量的人力物力來(lái)開(kāi)發(fā)和完善這項(xiàng)技術(shù)。在隨后的幾十年，機(jī)械故障診斷技術(shù)在美國(guó)的航空航天、軍事等尖端領(lǐng)域得到了廣泛的應(yīng)用，并一直處于領(lǐng)先地位。英國(guó)在20世紀(jì)70年代初成立了機(jī)械健康監(jiān)測(cè)組織與狀態(tài)監(jiān)測(cè)協(xié)會(huì)，對(duì)故障診斷技術(shù)的發(fā)展起到了很大的作用。我國(guó)對(duì)故障診斷技術(shù)的研究開(kāi)始于20世紀(jì)80年代。1983年初，中國(guó)機(jī)械工程學(xué)會(huì)的設(shè)備維修學(xué)會(huì)在南京召開(kāi)，交流國(guó)內(nèi)外的情況，分析國(guó)內(nèi)設(shè)備維修現(xiàn)狀以及開(kāi)展設(shè)備診斷技術(shù)專題座談會(huì)，提出了積極開(kāi)發(fā)和應(yīng)用設(shè)備診斷技術(shù)，強(qiáng)調(diào)有關(guān)技術(shù)的必要性和緊迫性。隨后這門(mén)技術(shù)在我國(guó)的冶金、石化、鐵路、電力等行業(yè)得到了廣泛的應(yīng)用和推廣。隨著對(duì)這一技術(shù)的不斷深入，我國(guó)的信號(hào)采集和分析儀器已經(jīng)接近國(guó)際水平。目前，我國(guó)各高?？蒲腥藛T正在故障診斷技術(shù)領(lǐng)域?qū)で笸黄坪蛣?chuàng)新。開(kāi)展機(jī)械故障診斷的意義

在各國(guó)工業(yè)生產(chǎn)中重點(diǎn)、關(guān)鍵性機(jī)械設(shè)備的數(shù)量越來(lái)越多，其中的大多數(shù)為大型、自動(dòng)、連續(xù)生產(chǎn)的設(shè)備，其在生產(chǎn)中的重要性是不言而喻的，對(duì)這些機(jī)械設(shè)備實(shí)施狀態(tài)監(jiān)測(cè)與故障診斷技術(shù)所帶來(lái)的經(jīng)濟(jì)效益和社會(huì)效益是巨大的。預(yù)防事故，保障人身和設(shè)備安全，推動(dòng)設(shè)備維修制度的全面改革，提高經(jīng)濟(jì)效益。機(jī)械故障診斷技術(shù)與應(yīng)用

4.1機(jī)械故障的振動(dòng)診斷

4.1.1軸承的故障診斷理論與應(yīng)用

軸承是旋轉(zhuǎn)機(jī)械中應(yīng)用最為廣泛地機(jī)械零件，也是最易破壞的元件之一。旋轉(zhuǎn)機(jī)械的許多故障都與軸承有關(guān)，軸承的工作好壞對(duì)機(jī)械的工作狀態(tài)有很大的影響，其缺陷會(huì)導(dǎo)致設(shè)備產(chǎn)生異常振動(dòng)和噪聲，甚至造成設(shè)備破壞。

軸承在運(yùn)行過(guò)程中由于裝配不當(dāng)、潤(rùn)滑不良、水分和異物入侵、腐蝕和過(guò)載等都可能使軸承過(guò)早破壞。即使不出現(xiàn)上述情況，經(jīng)過(guò)一段時(shí)間運(yùn)轉(zhuǎn)，軸承也會(huì)出現(xiàn)疲勞損傷而不能正常工作。滾動(dòng)軸承故障的主要失效形式和原因有疲勞剝落、磨損、塑性變形、銹蝕、斷裂和膠合等?；瑒?dòng)軸承的故障形式和原因有燒瓦、氣蝕、油膜渦動(dòng)和油膜振蕩。

軸承在運(yùn)轉(zhuǎn)時(shí)由于各種原因會(huì)產(chǎn)生振動(dòng)，并通過(guò)空氣傳播成為聲音，聲音中包含著軸承狀態(tài)信息。但是聲音的成分除了包含了反應(yīng)軸承工作正常與異常振動(dòng)聲外還夾雜著塵埃、其他工作件振動(dòng)聲等，因此軸承的工作聲音成分十分復(fù)雜。

利用滾動(dòng)軸承的振動(dòng)信號(hào)分析故障診斷的方法可分為簡(jiǎn)易診斷法和精密診斷法兩種。簡(jiǎn)易診斷是為了初步判斷被列為診斷對(duì)象的滾動(dòng)軸承是否出現(xiàn)了故障；精密診斷的目的是要判斷在簡(jiǎn)易診斷中被認(rèn)為出現(xiàn)了故障的軸承的故障類別及原因。滾動(dòng)軸承的簡(jiǎn)易診斷有振幅值診斷法、波形因數(shù)診斷法、波峰因數(shù)診斷法、概率密度診斷法和峭度系數(shù)診斷法。滾動(dòng)軸承的精密診斷的常用方法有低頻信號(hào)分析法和中、高頻信號(hào)絕對(duì)值分析法?；瑒?dòng)軸承的診斷方法有時(shí)域幅值診斷法、時(shí)域波形診斷法、頻域診斷法、軸心軌跡診斷法。

4.2 機(jī)械故障的聲學(xué)診斷

4.2.1機(jī)械故障的噪聲診斷理論與應(yīng)用

振動(dòng)與噪聲是機(jī)械設(shè)備在運(yùn)行過(guò)程中的一種屬性，設(shè)備內(nèi)部的缺陷或故障會(huì)引起設(shè)備在運(yùn)行過(guò)程中振動(dòng)和噪聲的變化，也就是設(shè)備的噪聲信號(hào)中攜帶了大量與機(jī)械設(shè)備內(nèi)部缺陷和故障的有關(guān)信息。因此，噪聲監(jiān)測(cè)也就成為對(duì)機(jī)械設(shè)備進(jìn)行故障診斷的重要手段。

噪聲監(jiān)測(cè)的原理是當(dāng)機(jī)器的零件或部件開(kāi)始磨損或者經(jīng)歷某些其他的物理變化時(shí)，其聲音信號(hào)的特征就發(fā)生變化。監(jiān)測(cè)這些特征就有可能檢測(cè)到機(jī)械運(yùn)行狀態(tài)的變化，精確地指出正在劣化的那些零部件。噪聲監(jiān)測(cè)中的主要內(nèi)容之一就是通過(guò)噪聲測(cè)量與分析確定設(shè)備故障的部位和程度。為此，首先必須尋找和估計(jì)機(jī)器中產(chǎn)生噪聲的聲源，進(jìn)而從聲源出發(fā)，研究其頻率組成和各分量的變化情況，從中提取機(jī)器運(yùn)行狀態(tài)的信息。噪聲監(jiān)測(cè)的方法有主觀評(píng)價(jià)和估計(jì)法、近場(chǎng)測(cè)量法、表面振速測(cè)量法、頻譜分析法和聲強(qiáng)法。4.2.2機(jī)械故障的超聲診斷理論與應(yīng)用

超聲波用于機(jī)械設(shè)備故障診斷領(lǐng)域，主要是利用材料本身或內(nèi)部缺陷對(duì)超聲波傳播的影響，來(lái)檢測(cè)判斷結(jié)構(gòu)內(nèi)部或表面缺陷的大小、形狀以及分布情況。在一些機(jī)器運(yùn)行中能對(duì)材料或結(jié)構(gòu)的微觀形變、開(kāi)裂以及裂紋的發(fā)生和發(fā)展進(jìn)行狀態(tài)監(jiān)測(cè)。它的應(yīng)用極為廣泛，且發(fā)展迅速。超聲波的檢測(cè)方法按原理分類有脈沖反射法，其中脈沖反射法包括缺陷回波法、低波高度法和次多底波法。此外還有穿透法和共振法。按波形分可以分為縱波法、橫波法、表面波法、板波法和爬波法。

4.3機(jī)械故障的智能診斷

4.3.1基于專家系統(tǒng)的故障診斷

故障診斷專家系統(tǒng)是將人類在故障診斷方面的多位專家具有的知識(shí)、經(jīng)驗(yàn)、推理、技能綜合后編制成的大型計(jì)算機(jī)程序，它可以利用計(jì)算機(jī)系統(tǒng)幫助人們分析解決只能用語(yǔ)言描述、思維推理的復(fù)雜問(wèn)題，擴(kuò)展計(jì)算機(jī)系統(tǒng)原有的工作范圍，使計(jì)算機(jī)系統(tǒng)有了思維能力，能夠與決策者進(jìn)行對(duì)話，并應(yīng)用推理方式提供決策建議。4.3.2基于模糊邏輯的故障診斷

在許多情況下機(jī)器或系統(tǒng)都運(yùn)行在一個(gè)模糊環(huán)境中，運(yùn)行中各種狀況和參數(shù)都互相影響，難以用精確數(shù)學(xué)方法進(jìn)行描述。模糊故障診斷就是一種基于知識(shí)的診斷系統(tǒng)，因?yàn)樵谠\斷過(guò)程中對(duì)模糊癥狀、模糊現(xiàn)象等的描述要借助于經(jīng)驗(yàn)的操作者或?qū)＜业闹庇X(jué)經(jīng)驗(yàn)、知識(shí)等。模糊故障診斷系統(tǒng)的診斷過(guò)程，從對(duì)模糊信息的獲取，到利用模糊信息進(jìn)行模糊推理到最后做出診斷，就如同醫(yī)生根據(jù)病人的模糊癥狀進(jìn)行準(zhǔn)確診斷一樣。機(jī)械故障診斷技術(shù)的發(fā)展趨勢(shì)

隨著現(xiàn)代科學(xué)技術(shù)的發(fā)展，特別是信息技術(shù)、計(jì)算機(jī)技術(shù)、傳感器技術(shù)等多種新技術(shù)的出現(xiàn)，數(shù)據(jù)采集、信號(hào)處理和分析手段日臻完善，從無(wú)法和難以解決的故障診斷問(wèn)題變得可能和容易起來(lái)。設(shè)備故障診斷技術(shù)正在變成計(jì)算機(jī)、控制、通信和人工智能的集成技術(shù)。近半年來(lái)故障診斷技術(shù)呈現(xiàn)的發(fā)展趨勢(shì)有診斷對(duì)象的多樣化、診斷技術(shù)多元化、故障診斷實(shí)時(shí)化、診斷監(jiān)控一體化、診斷方法智能化、監(jiān)測(cè)診斷系統(tǒng)網(wǎng)絡(luò)化、診斷系統(tǒng)可擴(kuò)展化、診斷信息數(shù)據(jù)庫(kù)化、診斷技術(shù)產(chǎn)業(yè)化和機(jī)械設(shè)備診斷技術(shù)工程化?，F(xiàn)代機(jī)械故障診斷技術(shù)正在成為信息、監(jiān)控、通信、計(jì)算機(jī)和人工智能等集成技術(shù)，并逐漸發(fā)展成為一個(gè)多學(xué)科交叉的新學(xué)科。

參考文獻(xiàn)

[1] 鄧小文.旋轉(zhuǎn)機(jī)械幾種典型故障的診斷方法及軟件實(shí)現(xiàn)[D].西北工業(yè)大學(xué),1999.[2] 荊建平.旋轉(zhuǎn)機(jī)械故障診斷與壽命維護(hù)技術(shù)若干關(guān)鍵問(wèn)題研究[D].上海交通大學(xué),2004.[3] 李曉虎.旋轉(zhuǎn)機(jī)械狀態(tài)監(jiān)測(cè)與信號(hào)分析系統(tǒng)的復(fù)用研究[D].東南大學(xué),2004.[4] 黃磊.基于 Internet 的旋轉(zhuǎn)機(jī)械設(shè)備遠(yuǎn)程故障診斷技術(shù)研究[D].華南理工大學(xué),2000.[5] 徐敏,等.設(shè)備故障診斷手冊(cè)—機(jī)械設(shè)備狀態(tài)監(jiān)測(cè)和故障診斷[M].西安交通大學(xué)出版社,1998.[6] 何樹(shù)波.基于隱 Markov 模型的旋轉(zhuǎn)機(jī)械故障診斷系統(tǒng)的研究[D].浙江大學(xué),2003.[7] 劉穎峰.旋轉(zhuǎn)機(jī)械分布式監(jiān)診系統(tǒng)狀態(tài)監(jiān)測(cè)與數(shù)據(jù)管理的研究[D].浙江大學(xué),2003.[8] 鐘秉林,黃仁.機(jī)械故障診斷學(xué)[M].機(jī)械工業(yè)出版社,1997.[9] 崔彥平, 傅其鳳,等.機(jī)械設(shè)備故障診斷發(fā)展歷程及展望[J].河北工業(yè)技術(shù),2004,4.[10] 姚桂艷, 孫麗媛.機(jī)械故障診斷技術(shù)的研究現(xiàn)狀及發(fā)展趨勢(shì)[J].河北理工學(xué)院學(xué)報(bào),2005,13.[11] 張冰凌,許英姿,潘全文.智能故障診斷方法的研究和展望[J].飛機(jī)設(shè)計(jì),2007,5

第二篇：故障診斷讀書(shū)報(bào)告

《機(jī)械故障診斷技術(shù)》讀書(shū)報(bào)告

碰摩診斷案例分析綜述

Diagnosis of Rubbing Fault Case Analysis were Review

學(xué) 院：

專 業(yè)：

班 級(jí)：

姓 名：

學(xué) 號(hào)：

指導(dǎo)教師：

學(xué)年學(xué)期：

摘要

隨著機(jī)組精度的不斷提高，動(dòng)靜間隙的不斷縮小，并受到不平衡、不對(duì)中、熱彎曲等的影響，經(jīng)常發(fā)生轉(zhuǎn)子碰摩故障。本文以機(jī)組故障為實(shí)例，通過(guò)振動(dòng)信號(hào)的時(shí)域、頻譜以及轉(zhuǎn)速三維譜圖分析，對(duì)機(jī)組的碰摩故障進(jìn)行分析診斷。

關(guān)鍵詞：故障診斷；時(shí)頻分析； 理論分析

Abstract The paper discuss the important problem in software development——requirements analysis.Developer and user always ignore the communication, it causes directly the software does not meet the good demands of the user, and cost a lot of time and money.Moreover, it affects the performance of the software.So, the requirements analysis is important in the early time of the development.This paper mainly discusses the requirements analysis’s influence on the system design from requirements develop, requirement management, and requirement program.Keywords：software requirement, requirement analysis, system design

目 錄 振動(dòng)信號(hào)的分析方法.................................................................................................................1

1.1 頻域分析..........................................................................................................................1 1.2 三維頻譜圖分析..............................................................................................................1 2 轉(zhuǎn)子碰摩故障特征.....................................................................................................................1 3 故障實(shí)例.....................................................................................................................................1

3.1 煙氣輪機(jī)組碰摩故障診斷...............................................................................................1 參考文獻(xiàn)...........................................................................................................................................1 振動(dòng)信號(hào)的分析方法

1.1 頻域分析

頻域分析能通過(guò)了解測(cè)試對(duì)象的動(dòng)態(tài)特性[1]，對(duì)設(shè)備狀態(tài)作出評(píng)價(jià)，準(zhǔn)確而有效地診斷設(shè)備故障并進(jìn)行故障定位，為防止發(fā)生故障提供分析依據(jù)。

頻譜分析可以解決以下問(wèn)題：

（1）求得振動(dòng)參量中各個(gè)頻率成分和頻率分布的范圍；

（2）求出振動(dòng)參量各個(gè)頻率成分的幅值或能量，從而得到影響設(shè)備運(yùn)行狀態(tài)的主要頻率值及其對(duì)應(yīng)的幅值。

1.2 三維頻譜圖分析

三維頻譜圖對(duì)于分析振動(dòng)故障是很有用的手段，特別是以轉(zhuǎn)速作為第三維的三維頻譜圖，能較清晰地顯示各倍頻分量隨轉(zhuǎn)速的變化情況。清楚地顯示出基頻、二倍頻、三倍頻等諸分量隨轉(zhuǎn)速升高時(shí)的分布情況。轉(zhuǎn)子碰摩故障特征

高速葉輪機(jī)械發(fā)生轉(zhuǎn)子碰摩故障時(shí)有許多明顯的特征，如表 1所示。

表 1 高速葉輪機(jī)械轉(zhuǎn)子碰摩故障特征

特征參數(shù) 主特征頻率 常伴頻率

故障特征

低次諧波、高次諧波、組合諧波 工頻（一倍頻）故障實(shí)例

3.1 煙氣輪機(jī)組碰摩故障診斷

某煙氣輪機(jī)組（結(jié)構(gòu)簡(jiǎn)圖如圖 1所示），在正常檢修后開(kāi)車時(shí)發(fā)現(xiàn)前端振值較大且不穩(wěn)定，并呈持續(xù)緩慢上升狀態(tài)，停機(jī)時(shí)振值已達(dá)再次試運(yùn)時(shí)進(jìn)行了跟蹤測(cè)試。機(jī)組轉(zhuǎn)速在低于時(shí)振值及相位均穩(wěn)定且隨轉(zhuǎn)速變化不大，軸心軌跡穩(wěn)定；轉(zhuǎn)速達(dá)到（電機(jī)投用）后軸心軌跡開(kāi)始變得雜亂，且煙機(jī)前端水平向振動(dòng)明顯增大；頻譜圖上三倍頻處出現(xiàn)一個(gè)振動(dòng)頻帶，且隨轉(zhuǎn)速上升振動(dòng)能量越來(lái)越大，時(shí)域波形有明顯的削波現(xiàn)象。

圖 1 煙氣輪機(jī)組結(jié)構(gòu)簡(jiǎn)圖

頻譜分析得出的結(jié)論是機(jī)組存在嚴(yán)重的碰摩故障。解體檢修發(fā)現(xiàn)，煙機(jī)葉輪上葉片根部鎖緊銷釘與隔板發(fā)生嚴(yán)重的整周碰摩，整周的銷釘已磨損掉。修復(fù)葉片根部鎖緊銷釘并重新調(diào)整了煙機(jī)葉輪的位置后開(kāi)車，機(jī)組振動(dòng)恢復(fù)正常。結(jié)論

1.碰摩通常發(fā)生在不應(yīng)接觸的相對(duì)運(yùn)動(dòng)的表面，影響碰摩的因素比較復(fù)雜，在出現(xiàn)故障時(shí)，都會(huì)有故障特征，可通過(guò)振動(dòng)信號(hào)分析對(duì)故障進(jìn)行診斷。一般來(lái)說(shuō)，轉(zhuǎn)子與靜止件發(fā)生摩擦?xí)r，受到的靜止件附加作用力是非線形的和時(shí)變的，因此使轉(zhuǎn)子產(chǎn)生非線性振動(dòng)，在頻譜圖上表現(xiàn)出頻譜成分豐富，不僅有工頻，還有高次和低次諧波分量。碰摩嚴(yán)重時(shí)，各頻率成分幅值迅速增大，轉(zhuǎn)子失穩(wěn)前頻譜豐富、波形畸變、軸心軌跡不規(guī)則變化、正進(jìn)動(dòng)，轉(zhuǎn)子失穩(wěn)后波形嚴(yán)重畸變、軸心軌跡發(fā)散、反進(jìn)動(dòng)、時(shí)域波形有明顯的削波現(xiàn)象。

2.在汽輪機(jī)起動(dòng)發(fā)生動(dòng)靜碰磨時(shí)，要根據(jù)現(xiàn)場(chǎng)的情況靈活的采取措施，如果是軸封與轉(zhuǎn)子碰磨，在條件許可或有把握的情況下，在較低的轉(zhuǎn)速下可以通過(guò)“磨齒”的方法來(lái)擴(kuò)大汽封間隙，減弱動(dòng)靜碰磨，但更換蜂窩汽封后發(fā)生動(dòng)靜碰磨，應(yīng)視情況揭缸處理。

參考文獻(xiàn)

[1] 軟件需求．劉偉琴 劉洪濤譯 Karl E.Wiegers中文版[M]．北京：清華大學(xué)出版社，2004． [2] 面向?qū)ο蟮南到y(tǒng)分析.邵維忠 楊芙清．北京：清華大學(xué)出版社，2006． [3] 面向?qū)ο蟮南到y(tǒng)設(shè)計(jì).邵維忠 楊芙清．北京：清華大學(xué)出版社，2006．

第三篇：多媒體技術(shù)及應(yīng)用讀書(shū)報(bào)告

多媒體技術(shù)及應(yīng)用讀書(shū)報(bào)告—計(jì)本034班03190436俞曉鋒

多媒體技術(shù)在教學(xué)中的應(yīng)用

--多媒體技術(shù)及應(yīng)用讀書(shū)報(bào)告

計(jì)本034班 03190436 俞曉鋒

多媒體技術(shù)的應(yīng)用領(lǐng)域極其廣泛，隨著科技的進(jìn)步發(fā)展其功能也更加的多樣化。多媒體技術(shù)在各行各業(yè)逐漸滲透和應(yīng)用，極大推動(dòng)了社會(huì)的進(jìn)步和經(jīng)濟(jì)的發(fā)展。在教育領(lǐng)域，多媒體技術(shù)也逐漸起到了不可替代的作用。多媒體技術(shù)的應(yīng)用不僅為教學(xué)提供了形象逼真的效果、豐富了教學(xué)手段，優(yōu)化了教學(xué)過(guò)程，也增添了學(xué)生的學(xué)習(xí)樂(lè)趣，學(xué)習(xí)積極性也得到了提高。

多媒體技術(shù)是一種把文字、圖形、圖像、視頻同像、動(dòng)畫(huà)和聲音等運(yùn)載信息的媒體結(jié)合在一起。并通過(guò)計(jì)算機(jī)進(jìn)行綜合處理和控制。在屏幕上將多媒體各個(gè)要素進(jìn)行有機(jī)組合，并完成一系列隨機(jī)性交互式操作的信息技術(shù)。多媒體技術(shù)的關(guān)鍵特性．主要表現(xiàn)在媒體的多樣性和處理信息的集成性、交互性、實(shí)時(shí)性、協(xié)調(diào)性，控制性和非線性。

集成性：以計(jì)算機(jī)為中心的綜合處理多種信息媒體的特性，包括信息媒體的集成和處理這些媒體的設(shè)備的集成兩方面。

交互性：把人的活動(dòng)作為一種媒體加入到信息傳播過(guò)程中，使信息交互的參與各方都可以對(duì)信息進(jìn)行編輯、控制和傳遞的特性。

實(shí)時(shí)性：及時(shí)響應(yīng)用戶的需求。

協(xié)調(diào)性：各種媒體之間必須有機(jī)配合，達(dá)到協(xié)調(diào)一致。

控制性：以計(jì)算機(jī)為中心，綜合處理和控制多媒體信息，使之按用戶習(xí)慣顯示在屏幕上。

非線性：打破時(shí)間、空間的限制，使信息傳遞滿足用戶的需求。

隨著科技的進(jìn)步，信息技術(shù)的不斷發(fā)展，多媒體技術(shù)在各個(gè)領(lǐng)域的應(yīng)用愈加廣泛，尤其是在教育領(lǐng)域，更是發(fā)揮其不可替代的作用。同以往任何一種媒體的應(yīng)用相比，多媒體技術(shù)的引入，促使傳統(tǒng)的教育方式發(fā)生了深刻的改革，教育質(zhì)量和教學(xué)效率也有了顯著提高。這其中最主要因素是多媒體技術(shù)對(duì)教育有著臣大的促進(jìn)作用。傳統(tǒng)的課堂教學(xué)，其知識(shí)的傳授，主要靠教師的言傳身教，使用的是黑板加粉筆。因此，整個(gè)過(guò)程基本都是言語(yǔ)的描述雖然這也能重現(xiàn)客觀真實(shí)，但畢竟還是抽象的，學(xué)生在領(lǐng)會(huì)后，需要再憑著理解在自己的腦中努力拼湊，去重現(xiàn)客觀存在，這個(gè)過(guò)程不僅相當(dāng)困難還容易出現(xiàn)偏差。而使用多媒體技術(shù)，就可直接把現(xiàn)實(shí)世界表現(xiàn)出來(lái)。例如，宏觀的宇宙運(yùn)動(dòng)、微觀的分子結(jié)構(gòu)如用語(yǔ)言描述得到正確的概念對(duì)教學(xué)而言是比較困難的。但在今天的多媒體時(shí)代，可以使用虛擬仿真．就能使內(nèi)容、結(jié)構(gòu)變得非常直觀、容易了解。

例如在一節(jié)語(yǔ)文課的教學(xué)中。我們可以憑借多媒體課件的聲像手段，創(chuàng)造教學(xué)意境，帶領(lǐng)學(xué)生走進(jìn)教材，開(kāi)發(fā)思維?！妒镩L(zhǎng)街 送總理》一課，是一篇有強(qiáng)烈感情的文章。采用多媒體課件。可讓學(xué)生重見(jiàn)當(dāng)年“靈車四周掛著黑色和黃色的挽幢，上面佩著大白花，莊嚴(yán)肅穆”的情景，給人以莊嚴(yán)肅穆之感 ．使學(xué)生更能感受到此時(shí)沉痛不僅籠罩著靈車，更是籠罩著每個(gè)人的心：更能體味文中的一段話，“人們心情沉痛，目光隨著靈車移動(dòng)，好像有誰(shuí)在無(wú)聲地指揮．老人、青年、小孩都不約而同地站直了身體，摘下帽子，跟睜睜地望著靈車，哭泣著顧不得擦 去腮邊的淚水?！笔箤W(xué)生不自覺(jué)地進(jìn)入角色，猶如置身于當(dāng)時(shí)的情境多媒體技術(shù)及應(yīng)用讀書(shū)報(bào)告—計(jì)本034班03190436俞曉鋒

之中，從而。把學(xué)生對(duì)總理的熱愛(ài)以及失去總理的悲痛情感推向高潮。其思維活動(dòng)也在借助于觀察、想象的基礎(chǔ)上，通過(guò)分析推理向更高階段發(fā)展。

而在相應(yīng)的練習(xí)課的教學(xué)中，傳統(tǒng)的做法是大家做一樣的練習(xí)。聽(tīng)一樣的講解，這樣就不能很好地滿足學(xué)生的實(shí)際需要，相對(duì)呆板且無(wú)法做到因人施教，因?yàn)閷W(xué)生的個(gè)體差異，就要求教學(xué)過(guò)程中有一定的適應(yīng)性即適應(yīng)不同程度學(xué)生的學(xué)習(xí)。而多媒體教學(xué)就可以讓學(xué)生根據(jù)自身的情況選擇練習(xí)的內(nèi)容，練習(xí)的方式……做到因人施救．以提高學(xué)生的學(xué)習(xí)的質(zhì)量，這對(duì)個(gè)別化教學(xué)有重大意義。

在各個(gè)學(xué)科的教學(xué)中。使用多媒體提高教學(xué)效率，優(yōu)化教學(xué)過(guò)程。加大教學(xué)信息，提高教學(xué)質(zhì)量的案例不勝枚舉。多媒體技術(shù)的應(yīng)用，彌補(bǔ)了傳統(tǒng)教學(xué)手段的某些不足。它使學(xué)習(xí)參與者得到主動(dòng)觸覺(jué)的感受，具有生動(dòng)性和真實(shí)性的整體效果。學(xué)生在學(xué)習(xí)中擔(dān)當(dāng)更為主動(dòng)的角色。從而使其學(xué)習(xí)變得更賦有獨(dú)立性和創(chuàng)造性；同時(shí)，多媒體技術(shù)還有助于教師對(duì)教學(xué)經(jīng)驗(yàn)的總結(jié)、積累，延長(zhǎng)知識(shí)的存儲(chǔ)期限。

多媒體技術(shù)在教學(xué)中應(yīng)用的優(yōu)勢(shì)：

1．視聽(tīng)結(jié)合調(diào)動(dòng)學(xué)生的情緒。吸引學(xué)生的注意力研究表明，人們讀過(guò)文字材料后可記住內(nèi)容的 lO％，聽(tīng)過(guò)語(yǔ)音后可記住2O％的內(nèi)容。通過(guò)看視頻圖像可記住 3O％的內(nèi)容，如 果又聽(tīng)又看，可記住 50％的內(nèi)容。多媒體教學(xué)由于其視聽(tīng)結(jié)合、手眼耳并用的特點(diǎn)。通過(guò)應(yīng)用圖像、圖形和文字等形式的信息，使學(xué)生可以記住絕大部分的內(nèi)容，以及模擬、反饋、個(gè)別指導(dǎo)和游戲的內(nèi)在感染力?？梢约ぐl(fā)學(xué)生學(xué)習(xí)的熱情，提高了學(xué)生的積極性和學(xué)習(xí)效率。

2．立體性教學(xué)空間，促進(jìn)學(xué)生思維發(fā)展。多媒體教學(xué)文、圖、聲、像并存．能夠多層次、多角度地呈現(xiàn)教學(xué)內(nèi)容，創(chuàng)造立體性的教學(xué)空間，促進(jìn)抽象恩維的發(fā)展，提高學(xué)生的思維索質(zhì)。多媒體技術(shù)能將抽象空洞的概念以鮮明生動(dòng)的形象伴以清晰悅耳的聲音展現(xiàn)在學(xué)生面前，從而激發(fā)學(xué)生的積極性能夠使深?yuàn)W的理論簡(jiǎn)單化。抽象的理論具體化，便于學(xué)生理解和掌握。

3．突破時(shí)空的限制，對(duì)真實(shí)情景再現(xiàn)和模擬。教學(xué)中常有一些自然現(xiàn)象、逝去的景色或需長(zhǎng)時(shí)間才能感知的事物，由于受到時(shí)間和空間的限制無(wú)法讓學(xué)生親眼看見(jiàn)；一些微觀的事物和微小的變化．無(wú)法通過(guò)儀器設(shè)備讓學(xué)生進(jìn)行觀察，而這些叉常是課堂教學(xué)的重點(diǎn)。此時(shí)，我們使用多媒體教學(xué)就能突破時(shí)間和空間的限制，對(duì)真實(shí)情景再現(xiàn)和模擬。為學(xué)生提供生動(dòng)形象，內(nèi)容豐富，具有很強(qiáng)感染力的感性認(rèn)識(shí)材料，讓學(xué)生看到事物的運(yùn)動(dòng)、發(fā)展、變化，有利于學(xué)生人情人境，借境悟理。

4．信息量大，節(jié)約了空間和時(shí)間，提高了教學(xué)效率。多媒體教學(xué)一般是通過(guò)事先設(shè)計(jì)好的課件進(jìn)行的，經(jīng)點(diǎn)擊、放映等進(jìn) 行講 解的，這樣就節(jié)省了大量的板書(shū)時(shí)間，節(jié)約了掛圖、模具等占用的空間，在相同的教學(xué)時(shí)間和空間內(nèi)，為學(xué)生提供更多的信息，提高了教學(xué)效率。

5．交互性強(qiáng)，使學(xué)生有更多的參與，學(xué)習(xí)更為主動(dòng)。傳統(tǒng)的教學(xué)模式是以教師為中心，在課堂教學(xué)中始終以教師為中心進(jìn)行滿堂灌式的教學(xué)，學(xué)生是被動(dòng)的接受，教學(xué)信息的傳送也是單向的。例如：影像、聲音……的傳送，這就無(wú)法很好的實(shí)現(xiàn)信息的反饋與交漉。而多媒體教學(xué)交互性強(qiáng)。學(xué)生與“教師”之間可以較好的實(shí)現(xiàn)人機(jī)對(duì)話，使學(xué)生有更多韻參與機(jī)會(huì)，學(xué)習(xí)更為主動(dòng)，使針對(duì)不同層次學(xué)生的教學(xué)成為可能。

多媒體教學(xué)相對(duì)于傳統(tǒng)教學(xué)有很多的優(yōu)勢(shì)，但應(yīng)用時(shí)也需要有所考慮，要注意避免一些問(wèn)題。多媒體技術(shù)及應(yīng)用讀書(shū)報(bào)告—計(jì)本034班03190436俞曉鋒

首先，要注意教學(xué)理念、教學(xué)模式的改變不應(yīng)儀把多媒體設(shè)備作為講解、演示的工具，僅將投影代替黑板，教師依然是教學(xué)的中心。教學(xué)理念、教學(xué)模式?jīng)]有改變，學(xué)生仍然在被動(dòng)地接受，我們使用多媒體只是將原來(lái)的“人灌”成多媒體的“機(jī)灌”，這樣使用多媒體就失去了其應(yīng)有的意義。

其次，要注意選擇要傳遞的信息。通過(guò)各種渠道能獲取的信息很多，課堂能上傳遞的教學(xué)信息量也很大。這時(shí)教師應(yīng)該注意對(duì)信息的甄選，不應(yīng)找到什么就給學(xué)生傳遞什么，應(yīng)該明確自己的需求，挑選最能幫助學(xué)生學(xué)習(xí)，最符合教學(xué)需求的信息。

再次，要注意選擇信息傳遞的方式。把一個(gè)信息傳遞給學(xué)生的方式可以有很多。但不是每一種傳遞方式都會(huì)取得相同的效果。這時(shí)教師應(yīng)該注意對(duì)傳遞方式的選擇，教師應(yīng)該根據(jù)教學(xué)目標(biāo)，學(xué)生的水平去選擇一種最優(yōu)的方式。當(dāng)然不可能有一種傳遞方式在任何方面都比其它方式好，但是總有一種方式可以以最少們代價(jià)得到想要的效果。

多媒技術(shù)在教學(xué) 中應(yīng)用，是對(duì)傳統(tǒng)教學(xué)方式的挑戰(zhàn)，但不會(huì)也不能取代傳統(tǒng)的教學(xué)模式。教學(xué)過(guò)程是一種知識(shí)的傳遞和情感的交流過(guò)程，多媒體教學(xué)只能是教學(xué)的一種輔助手段。在教學(xué)中應(yīng)該將各種教學(xué)手段和教學(xué)媒體優(yōu)勢(shì)互補(bǔ)、取長(zhǎng)補(bǔ)短，使其更好的服務(wù)于教學(xué)。使教學(xué)取得最佳的效果。

第四篇：飛機(jī)故障診斷技術(shù)

1．故障是指產(chǎn)品喪失了規(guī)定的功能，或產(chǎn)品的一個(gè)或幾個(gè)性能指標(biāo)超過(guò)了規(guī)定的范圍。它是產(chǎn)品的一種不合格狀態(tài)。

2．故障按其對(duì)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(duì)象不能到達(dá)規(guī)定的性能指標(biāo)；潛在故障又稱作故障先兆，它是一種預(yù)示功能故障即將發(fā)生的可以鑒別的實(shí)際狀態(tài)或事件。

3．故障按其后果分四類：

平安性后果故障：采取預(yù)防維修的方式；使用性后果故障：對(duì)使用能力有直接的不利影響，通常是在預(yù)防維修的費(fèi)用低于故障的間接經(jīng)濟(jì)損失和直接修理費(fèi)用之和時(shí)，才采用預(yù)防維修方式；非使用性后果故障：對(duì)平安性及使用性均沒(méi)有直接的不利影響，只是使系統(tǒng)處于能工作但并非良好的狀態(tài)，只有當(dāng)預(yù)防維修費(fèi)用低于故障后的直接維修費(fèi)用時(shí)才進(jìn)行預(yù)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(yù)定維修工作。

4．故障按其產(chǎn)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(jī)故障，它是產(chǎn)品由于偶然因素引起的故障。對(duì)于偶然故障，通常預(yù)定維修是無(wú)效的。耗損故障是由于產(chǎn)品的老化、磨損、腐蝕、疲勞等原因引起的故障。這種故障出現(xiàn)在產(chǎn)品可用壽命期的后期，故障率隨時(shí)間增長(zhǎng)，采用定期檢查和預(yù)先更換的方式是有效的。

5．故障模式或故障類型是故障發(fā)生時(shí)的具體表現(xiàn)形式。故障模式是由測(cè)試來(lái)判斷的，測(cè)試結(jié)果顯示的是故障特性。

6．故障機(jī)理是故障的內(nèi)因，故障特征是故障的現(xiàn)象，而環(huán)境應(yīng)力條件是故障的外因。

7．應(yīng)力-強(qiáng)度模型：當(dāng)施加在元件、材料上的應(yīng)力超過(guò)其耐受能力時(shí)，故障便發(fā)生。這是一種材料力學(xué)模型。

8．高可靠度狀態(tài)〔圖1.2-2〔a〕〕：應(yīng)力和強(qiáng)度分布的標(biāo)準(zhǔn)差很小，且強(qiáng)度均值比應(yīng)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(qiáng)度分布的標(biāo)準(zhǔn)差較大，應(yīng)力分布標(biāo)準(zhǔn)差較小的情況，采用高應(yīng)力篩選法，讓質(zhì)量差的產(chǎn)品出現(xiàn)故障，以使母體強(qiáng)度分布截去低強(qiáng)度范圍的一段，使強(qiáng)度與應(yīng)力密度曲線下重疊區(qū)域大大減小，余下的裝機(jī)件可靠度提高。

圖1.2-2〔c〕所示為強(qiáng)度分布標(biāo)準(zhǔn)差較小，但應(yīng)力分布標(biāo)準(zhǔn)差較大的情況，解決的方法最好是減小應(yīng)力分布的標(biāo)準(zhǔn)差，限制使用條件和環(huán)境影響或修改設(shè)計(jì)。

圖1.2-2

應(yīng)力、強(qiáng)度分布對(duì)可靠性的影響

9．反響論模型：

如果產(chǎn)品的故障是由于產(chǎn)品內(nèi)部某種物理、化學(xué)反響的持續(xù)進(jìn)行，直到它的某些參數(shù)變化超過(guò)了一定的臨界值，產(chǎn)品喪失規(guī)定功能或性能，這種故障就可以用反響論模型來(lái)描述。

串連式反響過(guò)程：總反響速度主要取決于反響最慢的那個(gè)過(guò)程的速度。

并聯(lián)式反響過(guò)程：總反響速度主要取決于反響最快的過(guò)程的速度。

10．最弱環(huán)模型〔串連模型〕：認(rèn)為產(chǎn)品或機(jī)件的故障〔或破壞〕是從缺陷最大因而也是最薄弱的部位產(chǎn)生

11．故障樹(shù)分析法簡(jiǎn)稱FTA法〔Fault

Tree

Analysis〕

故障樹(shù)分析法是一種將系統(tǒng)故障形成的原因由總體至局部按樹(shù)狀逐級(jí)細(xì)化的分析方法。

故障樹(shù)分析法將最不希望發(fā)生的故障事件作為頂事件，利用事件和邏輯門(mén)符號(hào)逐級(jí)分析故障形成原因。優(yōu)點(diǎn)：直觀、形象，靈活性強(qiáng)，通用性好；缺點(diǎn)：理論性強(qiáng)，邏輯嚴(yán)謹(jǐn)，建樹(shù)要求有經(jīng)驗(yàn)，建樹(shù)工作量大，易錯(cuò)漏。

12．頂事件和中間事件〔矩形〕

底事件〔圓形〕

開(kāi)關(guān)事件〔房形〕

省略事件〔菱形〕

13．邏輯與門(mén)

邏輯或門(mén)

邏輯非門(mén)

異或門(mén)

表決門(mén)K/N門(mén)

表決門(mén)：僅當(dāng)n個(gè)輸入事件中有k個(gè)或k個(gè)以上發(fā)生時(shí)，輸出事件才發(fā)生。

14．建樹(shù)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(guān)系。

3〕能被監(jiān)測(cè)或控制，以便對(duì)其進(jìn)行測(cè)量、定量分析，并采取措施防止其發(fā)生。

4〕最好有代表性。

15．〔1〕系統(tǒng)級(jí)邊界條件

頂事件及附加條件（系統(tǒng)初始狀態(tài)，不允許出現(xiàn)事件，不加考慮事件)

〔2〕部件級(jí)邊界條件

元部件狀態(tài)及概率，底事件是重要部件級(jí)邊界

利用邊界條件簡(jiǎn)化：

與門(mén)下有必不發(fā)生事件，其上至或門(mén),那么或門(mén)下該分支可刪除；

與門(mén)下有必然發(fā)生事件,那么該事件可刪除;

或門(mén)下有必然發(fā)生事件，其上至與門(mén),那么與門(mén)下該分支可刪除

或門(mén)下有必不發(fā)生事件，那么該事件可刪除

16．n個(gè)不同的獨(dú)立底事件組成的故障樹(shù)，有個(gè)可能狀態(tài)，故可有個(gè)狀態(tài)向量。

17．與門(mén)結(jié)構(gòu)故障樹(shù)的結(jié)構(gòu)函數(shù)

18．或門(mén)結(jié)構(gòu)故障樹(shù)的結(jié)構(gòu)函數(shù)

19．k/n門(mén)結(jié)構(gòu)故障樹(shù)的結(jié)構(gòu)函數(shù)

20．底事件的相干性

假設(shè)對(duì)第i個(gè)底事件而言，至少存在一對(duì)狀態(tài)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(duì)其它一切狀態(tài)向量而言，恒有Φ

(1i,X)

≥

Φ

(0i,X)成立，那么稱第i個(gè)底事件與頂事件相干。

如果找不到狀態(tài)向量滿足Φ

(1i,X)

Φ

(0i,X)，那么稱第i個(gè)底事件與頂事件不相干。

相干結(jié)構(gòu)函數(shù)：Φ(X)滿足：

故障樹(shù)中底事件與頂事件均相干；

Φ(X)對(duì)各底事件的狀態(tài)變量xi(i=1,2,…n)均為非減函數(shù)

21．相干結(jié)構(gòu)函數(shù)的性質(zhì)

〔1〕假設(shè)狀態(tài)向量X=(0,0,…0)，那么Φ(X)=0；

〔2〕假設(shè)狀態(tài)向量X=(1,1,…1)，那么Φ(X)=1；

〔3〕假設(shè)狀態(tài)向量X≥Y(即xi

≥yi,i=1,2,…n)，那么結(jié)構(gòu)函數(shù)Φ(X)

≥

Φ(Y)；

〔4〕假設(shè)Φ(X)

是由n個(gè)獨(dú)立底事件組成的任意結(jié)構(gòu)故障的相干結(jié)構(gòu)函數(shù)，那么有

即任意結(jié)構(gòu)故障樹(shù)，其結(jié)構(gòu)函數(shù)的上限為或門(mén)結(jié)構(gòu)故障樹(shù)結(jié)構(gòu)函數(shù)，而下限是與門(mén)結(jié)構(gòu)故障樹(shù)結(jié)構(gòu)函數(shù)。

22．假設(shè)狀態(tài)向量X能使結(jié)構(gòu)函數(shù)=1，那么稱此狀態(tài)向量為割向量。在割向量X中，取值為1的各分量對(duì)應(yīng)的狀態(tài)變量〔或底事件〕的集合，稱作割集。割集是導(dǎo)致頂事件發(fā)生的假設(shè)干底事件的集合。假設(shè)狀態(tài)向量X是割向量〔即=1〕，并對(duì)任意狀態(tài)向量Z而言，只要Z

23．假設(shè)狀態(tài)向量X能使結(jié)構(gòu)函數(shù)=0，那么稱此狀態(tài)向量X為路向量。在路向量X中，取值為0的各分量對(duì)應(yīng)的狀態(tài)變量〔或底事件〕的集合，稱作路集。路集是使系統(tǒng)不發(fā)生故障的正常元件的集合。假設(shè)狀態(tài)向量X是路向量〔即=0〕，并對(duì)任意狀態(tài)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(duì)應(yīng)的底事件的集合，稱為最小路集。最小路集是使系統(tǒng)不發(fā)生故障的必要正常元件的集合。

24．用最小割集表示結(jié)構(gòu)函數(shù)：

25．用最小路集表示結(jié)構(gòu)函數(shù)：

26．掌握化相交和為不交和，求頂事件概率〔此法最簡(jiǎn)單易于理解，故采用之〕：

式中為故障樹(shù)的最小割集，將上式化成單獨(dú)項(xiàng)〔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(fā)生的概率為：

27．底事件的發(fā)生對(duì)頂事件發(fā)生的影響，稱作底事件的重要度。

l

概率結(jié)構(gòu)重要度：僅由單個(gè)底事件概率的變化而引起頂事件概率發(fā)生變化，那么頂事件概率對(duì)底事件概率的變化率稱作該底事件的概率結(jié)構(gòu)重要度，簡(jiǎn)稱概率重要度，記作。數(shù)學(xué)表達(dá)式為：

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

l

結(jié)構(gòu)重要度：第i個(gè)底事件的結(jié)構(gòu)重要度定義為該底事件處于關(guān)鍵狀態(tài)的系統(tǒng)狀態(tài)數(shù)與其處于正常狀態(tài)的系統(tǒng)狀態(tài)數(shù)之比。當(dāng)系統(tǒng)由n個(gè)獨(dú)立元件組成時(shí)，那么可表示為：，為該底事件處于關(guān)鍵狀態(tài)的系統(tǒng)狀態(tài)數(shù)，可由下式表示：

所謂底事件的關(guān)鍵狀態(tài)是指該底事件狀態(tài)變量由0變?yōu)?時(shí)〔該元件由正常變故障〕，故障樹(shù)的結(jié)構(gòu)函數(shù)也由0變?yōu)?〔系統(tǒng)由正常變故障〕的狀態(tài)。

用以下原那么求結(jié)構(gòu)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(jié)構(gòu)重要度與其底事件的概率重要度相同。

l

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

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

29．無(wú)空勤人員提供故障碼時(shí)的故障隔離程序

–

故障必然歸入下面四種情況之一：

有相應(yīng)的EICAS信息的故障；

有機(jī)內(nèi)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(méi)有的故障。

假設(shè)報(bào)告的問(wèn)題上述三種信息均有，那么故障分析順序?yàn)閮?yōu)先考慮執(zhí)行有EICAS信息的排故程序，其次是機(jī)內(nèi)自檢程序，最后是考慮執(zhí)行有MCDP信息的排故程序。

30．查找故障的典型概率法〔P75〕重點(diǎn)看，有計(jì)算。

概率法應(yīng)用的條件：故障是由某一元件故障引起；查找故障不會(huì)引入新故障。

概率法應(yīng)用的參數(shù)：

檢查次數(shù)〔一次檢查、平均檢查次數(shù)

檢查時(shí)間〔一次檢查時(shí)間ti、平均總檢查時(shí)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(fèi)用〔一次檢查費(fèi)用Ci、平均總檢查費(fèi)用

適用范圍

–

逐件檢查系統(tǒng)

–

分組檢查系統(tǒng)

31．32．

分組檢查的方法：兩分法、等概率法、最小時(shí)間法。

u

兩分法：要點(diǎn)--符合機(jī)件數(shù)大致相等的要求；

最少檢查次數(shù)與最大檢查次數(shù)：

1)

假設(shè)系統(tǒng)由n個(gè)機(jī)件組成，滿足2m

n

2m+1〔m為正整數(shù)〕，那么系統(tǒng)最少檢查次數(shù)為m次，最大檢查次數(shù)為〔m+1〕次，平均檢查次數(shù)

Sm--第m次可查出故障的機(jī)件零件號(hào)組成的集合，同理。-零件號(hào)為j的機(jī)件故障的條件概率。

2〕

假設(shè)系統(tǒng)機(jī)件數(shù)恰好滿足n

=

2m，那么只需且必須經(jīng)過(guò)m次檢查，才能查出故障原因，平均檢查次數(shù)Nm

=

m

u

等概率法：要點(diǎn)--先把系統(tǒng)按每組各機(jī)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(jī)件故障條件概率之和大致相等分成兩個(gè)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(xù)下去，直至查出故障原因?yàn)橹埂?/p>

u

最小時(shí)間法：要點(diǎn)--每組各機(jī)件故障條件概率之和大致相等。

對(duì)各組計(jì)算檢查時(shí)間消耗率h，h

=

?

(bi/

ti)，選擇h較大的一組進(jìn)行檢查

33．信息量應(yīng)該是該信息出現(xiàn)概率的單調(diào)減函數(shù)

信息量＝，P——信息量出現(xiàn)的概率，信息量的單位是“比特(bit)〞

–

假設(shè)有n個(gè)信息同時(shí)出現(xiàn)，它們對(duì)故障診斷提供的信息量要比單一信息提供的信息量大

–

當(dāng)n個(gè)信息相應(yīng)的事件互相獨(dú)立時(shí)，n個(gè)信息共同出現(xiàn)時(shí)的信息量等于各個(gè)信息的信息量之和，即信息量具有可加性

34．現(xiàn)代信息論中，“熵〞是系統(tǒng)不確定程度的度量

假設(shè)系統(tǒng)A有n個(gè)狀態(tài)A1,A2,…,An，系統(tǒng)隨機(jī)處于相應(yīng)狀態(tài)的概率分別為P(A1),P(A2),…,P(An)，那么系統(tǒng)的熵定義為

35．復(fù)合系統(tǒng)的熵：設(shè)系統(tǒng)A有n個(gè)可能狀態(tài)，系統(tǒng)B有m個(gè)可能狀態(tài)

從而復(fù)合系統(tǒng)的熵為

A、B互相獨(dú)立：H(A+B)=H(A)+H(B)

A、B統(tǒng)計(jì)相關(guān)：

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(tǒng)B為判斷A所處的狀態(tài)提供的平均信息量為

也被稱為系統(tǒng)B包含有關(guān)系統(tǒng)A的平均信息量。

37．目視檢查是飛機(jī)結(jié)構(gòu)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(dāng)蒙皮離開(kāi)鉚釘頭并形成目視可見(jiàn)的明顯間隙，鉚釘周圍有黑圈，均說(shuō)明鉚釘已松動(dòng)。

鋁合金和鎂合金腐蝕初期成呈白色斑點(diǎn)，開(kāi)展后出現(xiàn)灰白色腐蝕產(chǎn)物粉末。

不銹鋼的腐蝕往往是出現(xiàn)黑色的坑點(diǎn)。

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(shè)備簡(jiǎn)單，測(cè)法簡(jiǎn)單可靠。氣密艙和結(jié)構(gòu)油箱泄露包括可控制泄露和不可控制泄露。

影響密封艙結(jié)構(gòu)密封性的因素：

環(huán)狀縫隙影響因素；平面縫隙影響因素；加工與裝配質(zhì)量的影響。

39．渦流檢測(cè)的根本原理

檢測(cè)線圈通交流電，在線圈周圍產(chǎn)生交變的初級(jí)磁場(chǎng)，當(dāng)檢測(cè)線圈靠近被檢測(cè)的導(dǎo)電構(gòu)件時(shí)，在交變的初級(jí)磁場(chǎng)作用下，構(gòu)件中感生交變的電流——渦流。渦流在構(gòu)件中及其周圍產(chǎn)生一個(gè)附加的交變次級(jí)磁場(chǎng)，次級(jí)磁場(chǎng)又在線圈內(nèi)產(chǎn)生感應(yīng)電流，它的方向與原電流方向相同。當(dāng)構(gòu)件中產(chǎn)生裂紋或有其它缺陷，檢測(cè)線圈與其接近時(shí)，渦流發(fā)生畸變，影響次級(jí)磁場(chǎng)，進(jìn)而影響檢測(cè)線圈中的感應(yīng)電流，檢測(cè)線圈中的電流的變化，說(shuō)明構(gòu)件發(fā)生損傷。

40．渦流檢測(cè)分為高頻渦流檢測(cè)〔>50kHz〕和低頻渦流檢測(cè)。

趨膚效應(yīng)：渦流的磁場(chǎng)會(huì)引起交變電流趨向構(gòu)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(cè)法的適用范圍

Q

檢查導(dǎo)電構(gòu)件的疲勞損傷和腐蝕損傷。對(duì)鋁合金是首選的無(wú)損檢測(cè)方法

u

不適用非金屬構(gòu)件，如塑料、玻璃纖維復(fù)合材料等的損傷

Q

高頻渦流可檢測(cè)試件外表或近外表的損傷，而低頻渦流可檢測(cè)構(gòu)件隱蔽面或緊固件孔壁上的損傷

Q

對(duì)于鋼構(gòu)件一般不采用渦流檢測(cè)法探傷。

Q

不能檢測(cè)出平行于探測(cè)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(yīng)較大，給檢測(cè)帶來(lái)一定的困難

42．超聲波檢測(cè)法：高頻聲束〔頻率在20kHz以上〕射入被檢材料，經(jīng)過(guò)不同介質(zhì)分界面會(huì)發(fā)生反射，檢測(cè)者分析反射聲束信號(hào)，便可確定缺陷或損傷的存在及其位置。

超聲波的發(fā)射與接收是利用壓電材料的壓電效應(yīng)來(lái)實(shí)現(xiàn)的超聲波是一種波長(zhǎng)比光波長(zhǎng)，比普通電波短，頻率高于20kHz的機(jī)械波

43．縱波檢測(cè)法的適用范圍：

?

易檢測(cè)出與工件探測(cè)面走向平行的缺陷

?

受儀器盲區(qū)和分辨力的限制，外表和近外表檢測(cè)能力低

?

適用于檢測(cè)大面積的厚工件，定位簡(jiǎn)單

橫波檢測(cè)法的適用范圍：

?

可發(fā)現(xiàn)與工件外表成一定角度的缺陷或損傷

?

輔助縱波檢測(cè)，檢測(cè)垂直于探測(cè)面的缺陷或損傷。

應(yīng)用：可檢測(cè)金屬、非金屬、復(fù)合材料的內(nèi)部及外表缺陷〔裂紋損傷和腐蝕損傷〕，對(duì)平面缺陷十分敏感，只要聲束方向與裂紋面夾角到達(dá)一定要求，就可清晰地顯示出裂紋損傷

44．磁粉檢測(cè)的原理：〔通過(guò)檢測(cè)漏磁來(lái)發(fā)現(xiàn)缺陷〕

鐵磁試件被磁化后，假設(shè)試件存在外表或近外表缺陷，會(huì)使試件外表產(chǎn)生漏磁。鐵磁性工件中存在著許多小磁疇，磁化前，磁疇隨機(jī)取向，磁性抵消；被磁化時(shí)，磁疇規(guī)那么排列，呈現(xiàn)磁極。當(dāng)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(shí)，磁力線會(huì)彎曲，呈繞行趨勢(shì)，溢出外表的磁力線叫做缺陷漏磁。漏磁場(chǎng)強(qiáng)度取決于缺陷尺寸、方向和位置以及試件的磁化強(qiáng)度。漏磁場(chǎng)強(qiáng)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(yīng)電流法

l

復(fù)合磁化法

適用于鐵磁性構(gòu)件外表或近外表缺陷〔或裂紋〕。主要檢測(cè)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(cè)后要對(duì)零件進(jìn)行退磁。

45．傳統(tǒng)的故障診斷方法包括邏輯診斷方法、統(tǒng)計(jì)診斷方法和模糊診斷方法。

46．邏輯診斷法師根據(jù)故障特性〔故障信息或征兆〕與故障狀態(tài)的邏輯關(guān)系，運(yùn)用推理的方式進(jìn)行故障診斷的方法。

有效決策規(guī)那么：將有效邏輯基中全部變?cè)踩≈禐椋薄郴蚰孀冊(cè)踩≈禐椋啊尺壿嫵耍偾筮壿嫼停?/p>

有效決策主范式：從決策規(guī)那么出發(fā)，通過(guò)邏輯運(yùn)算，得到全部變?cè)蚰孀冊(cè)壿嫵说倪壿嫼停?/p>

概括邏輯診斷步驟:

1.確定考慮的因素,建立決策規(guī)那么;

2.建立有效決策規(guī)那么或有效決策主范式;

3.將給定元件狀態(tài)的元件變?cè)蚰孀冊(cè)M成征兆函數(shù),待定元件變?cè)蚰孀冊(cè)M成成因函數(shù),進(jìn)行狀態(tài)識(shí)別或故障診斷.注：此節(jié)求有效邏輯基，通過(guò)分析故障成因函數(shù)查找故障原因是重點(diǎn)。

47．統(tǒng)計(jì)診斷方法：

確定臨界值是重點(diǎn)。

根據(jù)對(duì)平均冒險(xiǎn)率的分析，提出以下四種確定臨界值的方法：

最小冒險(xiǎn)法、最小錯(cuò)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(xiǎn)率最小的條件下，即使=時(shí)，確定臨界值的方法稱為最小冒險(xiǎn)方法。

n

當(dāng)==，==時(shí)，最小錯(cuò)誤診斷概率方法確定臨界值得條件和最小冒險(xiǎn)法完全相同。

n

在使平均冒險(xiǎn)率取極大的同時(shí)，使平均冒險(xiǎn)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(jì)錯(cuò)誤診斷的代價(jià)往往是十分困難的，為此往往采用使某種診斷錯(cuò)誤概率降低到最小的原那么。

例題：根據(jù)滑油中含鐵量監(jiān)測(cè)發(fā)動(dòng)機(jī)機(jī)匣的工作狀態(tài)。設(shè)由統(tǒng)計(jì)資料得到：在正常狀態(tài)下含鐵量的均值〔1p.p.m=1毫克/升〕，在異常狀態(tài)下含鐵量的均值，標(biāo)準(zhǔn)偏差為；含鐵量為正態(tài)分布，并發(fā)動(dòng)機(jī)處于正常狀態(tài)的概率為=0.8。試用最小錯(cuò)誤診斷概率法：

〔1〕詳細(xì)推導(dǎo)確定臨界值的公式

〔2〕計(jì)算臨界值x0

48．模糊診斷方法〔重點(diǎn)看該書(shū)最后兩頁(yè)〕：

設(shè)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(gè)模糊子集，為相應(yīng)的m個(gè)模糊子集的隸屬函數(shù)。對(duì)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(shù)計(jì)算式：其中〔i=1，……，n〕表示第i個(gè)征兆出現(xiàn)的狀態(tài)，征兆出現(xiàn)取1，不出現(xiàn)取0，是權(quán)系數(shù)，即診斷矩陣中第i行，第j列的元素。根據(jù)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(jiǎn)答〔20〕、計(jì)算〔60〕.本材料僅供參考。預(yù)祝大家考個(gè)好成績(jī)，謝謝！

第五篇：機(jī)械故障診斷論文人工智能在機(jī)械故障診斷中的應(yīng)用

人工智能在機(jī)械故障診斷中的應(yīng)用

摘要: 介紹了機(jī)械故障中應(yīng)用的各種人工智能診斷方法及理論, 包括專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等, 根據(jù)二者在機(jī)械故障診斷中的應(yīng)用情況分析了它們的優(yōu)缺點(diǎn), 并以專家系統(tǒng)在汽車故障診斷中的應(yīng)用為例, 闡述了專家系統(tǒng)在實(shí)際應(yīng)用中存在的問(wèn)題。

關(guān)鍵詞: 機(jī)械故障診斷;人工智能;專家系統(tǒng);神經(jīng)網(wǎng)絡(luò)

中圖分類號(hào): TP206

3文獻(xiàn)標(biāo)識(shí)碼: A

文章編號(hào): 1001-006X(2006)02-0023-02 Artificial Intelligence Applied in Machinery Fault DiagnosisLiMeihua, Han Daming, Lu Huaimin(Northeast Forestry University, Harbin 150040)Abstract: The methods and theories of artificial intelligence diagnosis applied in machinery fault diagnosis of each system are reviewed, including ex pert system and artificial neural network.Based on the actual application of the two methods, the advantages and disadvantages of each system are analyzed.Taking the application of expert system in automobile fault diagnosis as an example, the existing problems of ex pert system are clarified in the paper.Key words: machinery fault diagnosis;artificial intelligence;expert system;neural network 收稿日期: 2005-03-14 第一作者簡(jiǎn)介: 李美華(1981-), 黑龍江省呼蘭人, 女, 碩士研究生, 研究方向: 汽車維修理論與診斷技術(shù)。前 言

機(jī)械故障診斷是識(shí)別機(jī)器或機(jī)組運(yùn)行狀態(tài)的科學(xué), 它研究的是機(jī)器或機(jī)組運(yùn)行狀態(tài)的變化在診斷信息中的反映, 其研究?jī)?nèi)容包括對(duì)機(jī)器運(yùn)行現(xiàn)狀的識(shí)別診斷、對(duì)其運(yùn)行過(guò)程的監(jiān)測(cè)以及對(duì)其運(yùn)行發(fā)展趨勢(shì)的預(yù)測(cè)3 個(gè)方面。就其診斷方法而言, 人工智能的研究成果為機(jī)械故障診斷注入了新的活力, 如專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、分形幾何等, 但這些新的理論和技術(shù)成果大多有待完善。最近有人探索人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的專家系統(tǒng)結(jié)合起來(lái), 建造神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)。研究表明新型的專家系統(tǒng)能較好克服傳統(tǒng)的專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)在各自獨(dú)立 的缺陷而具有許多優(yōu)勢(shì)。人工智能在機(jī)械故障診斷中的應(yīng)用 21專家系統(tǒng)在機(jī)械故障診斷中的應(yīng)用

專家系統(tǒng)也稱專家咨詢系統(tǒng), 顧名思義, 專家系統(tǒng)就是能像人類專家一樣解決困難、復(fù)雜的實(shí)際問(wèn)題的計(jì)算機(jī)(軟件)系統(tǒng)。一個(gè)專家系統(tǒng)主要由知識(shí)庫(kù)、推理機(jī)、數(shù)據(jù)庫(kù)和人機(jī)接口等4 個(gè)基本部分組成, 其中知識(shí)庫(kù)和推理機(jī)是專家系統(tǒng)的核心組件。知識(shí)庫(kù)用于存放推理所需要的規(guī)則等信息, 是專家領(lǐng)域知識(shí)的集合。推理機(jī)的作用是根據(jù)所采集到的現(xiàn)場(chǎng)信息, 應(yīng)用知識(shí)庫(kù)中的知識(shí)對(duì)設(shè)備所處狀態(tài)進(jìn)行推理判斷, 給出設(shè)備有否故障或故障部位等信息。數(shù)據(jù)庫(kù)用于存放推理過(guò)程中的所需和所產(chǎn)生的各種信息,人機(jī)接口則是人與專家系統(tǒng)打交道的橋梁和窗口, 是人機(jī)信息的交接點(diǎn)。一個(gè)實(shí)用的機(jī)械設(shè)備故障診斷專家系統(tǒng)一般還包括解釋程序和知識(shí)獲取程序, 其中, 解釋程序負(fù)責(zé)回答用戶所提出的各種問(wèn)題,包括與系統(tǒng)運(yùn)行有關(guān)的問(wèn)題和與系統(tǒng)運(yùn)行無(wú)關(guān)的、關(guān)于系統(tǒng)自身的一些問(wèn)題。解釋程序是實(shí)現(xiàn)系統(tǒng)透明性的主要部件。知識(shí)獲取程序負(fù)責(zé)管理知識(shí)庫(kù)中的知識(shí), 包括根據(jù)需要修改、刪添知識(shí)及由此引起的一切必要的改動(dòng), 維護(hù)知識(shí)庫(kù)的一致性和完整性。知識(shí)獲取程序使領(lǐng)域?qū)＜铱梢孕薷闹R(shí)庫(kù)而不必了解知識(shí)庫(kù)中知識(shí)的表示方法和組織結(jié)構(gòu)等細(xì)節(jié)問(wèn)題, 從而大大提高了系統(tǒng)的可擴(kuò)充性。

22人工神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用人工神經(jīng)網(wǎng)絡(luò)簡(jiǎn)稱神經(jīng)網(wǎng)絡(luò),是在生物神經(jīng)學(xué)研究成果的基礎(chǔ)上提出的人工智能概念, 是對(duì)人腦神經(jīng)組織結(jié)構(gòu)和行為的模擬。就機(jī)械故障診斷而言, 神經(jīng)網(wǎng)絡(luò)使用來(lái)自機(jī)器不同狀態(tài)的振動(dòng)信號(hào),通過(guò)特征選擇,找出對(duì)于故障反映最敏感的特征信號(hào)作為神經(jīng)網(wǎng)絡(luò)的輸入向量, 建立故障模式訓(xùn)練樣本集,對(duì)網(wǎng)絡(luò)進(jìn)行訓(xùn)練;當(dāng)網(wǎng)絡(luò)訓(xùn)練完畢, 對(duì)于每一個(gè)新輸入的狀態(tài)信息, 網(wǎng)絡(luò)將迅速給出分類結(jié)果。23神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)和專家系統(tǒng)故障診斷

系統(tǒng)的融合基于神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)和基于專家系統(tǒng)的故障診斷系統(tǒng)可以相互轉(zhuǎn)化。在專家系統(tǒng)故障診斷系統(tǒng)中, 知識(shí)是通過(guò)規(guī)則的方式來(lái)表達(dá)的, 而在神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)中, 知識(shí)是通過(guò)對(duì)樣本的反復(fù)學(xué)習(xí)并在此過(guò)程中不斷調(diào)整網(wǎng)絡(luò)連接權(quán)值, 從而使網(wǎng)絡(luò)誤差收斂到全局最小點(diǎn)后儲(chǔ)存在這些連接權(quán)值中。所以, 要實(shí)現(xiàn)由基于專家系統(tǒng)的故障診斷技 術(shù)向神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù)過(guò)渡的關(guān)鍵是將規(guī)則轉(zhuǎn)化為學(xué)習(xí)樣本, 具體步驟為:

統(tǒng)計(jì)在規(guī)則表述中診斷對(duì)象可能出現(xiàn)的故障征兆與故障原因數(shù)目, 分析診斷知識(shí)結(jié)構(gòu), 確定神經(jīng)網(wǎng)絡(luò)的輸入、輸出神經(jīng)元數(shù)目及其網(wǎng)絡(luò)層次結(jié)構(gòu);

將專家系統(tǒng)知識(shí)庫(kù)的規(guī)則提取出來(lái), 形成神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本;

對(duì)神經(jīng)網(wǎng)絡(luò)樣本學(xué)習(xí), 獲取各自的連接權(quán)值, 形成神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)。由神經(jīng)網(wǎng)絡(luò)故障診斷到專家系統(tǒng)故障診斷的關(guān)鍵問(wèn)題是在現(xiàn)有的連接權(quán)值中提取規(guī)則, 具體步驟為:

已知學(xué)習(xí)樣本時(shí), 可以直接將每一個(gè)學(xué)習(xí)樣本轉(zhuǎn)化為一條規(guī)則;

未知樣本只知道連接權(quán)值時(shí), 這種情況很復(fù)雜, 一般是通過(guò)特殊的算法從網(wǎng)絡(luò)的輸入和輸出中提取規(guī)則;如果是模糊神經(jīng)網(wǎng)絡(luò), 問(wèn)題就簡(jiǎn)單了, 即可以直接從網(wǎng)絡(luò) 中提取。專家系統(tǒng)在汽車故障診斷中的應(yīng)用

汽車作為一種特殊的機(jī)械, 以汽車故障診斷專家系統(tǒng)為例。汽車故障診斷專家系統(tǒng)的開(kāi)發(fā), 自20 世紀(jì)80 年代以來(lái), 可分為雛型期、改進(jìn)期和發(fā)展期3 個(gè)階段。20 世紀(jì)70 年代后期至80 年代初期, 為了適應(yīng)對(duì)計(jì)算機(jī)應(yīng)用不斷增加的現(xiàn)實(shí), 在汽車維修行業(yè)中首先開(kāi)發(fā)的就是診斷咨詢系統(tǒng)。1986 年, 美國(guó)通用汽車公司和福特汽車公司分別推出了稱之為CAMS 和SBDS 的故障診斷咨詢系統(tǒng)。1986 年,日本豐田汽車公司的維修、信息及技術(shù)部門(mén)聯(lián)合開(kāi)發(fā)了

維修技術(shù)咨詢系統(tǒng), 1987 年8 月開(kāi)始用于豐田發(fā)動(dòng)機(jī)集中電子控制系統(tǒng)T CCS 的診斷。作為系統(tǒng)信息流, 對(duì)維修企業(yè)遇到難度較大的車輛故障診斷與維修問(wèn)題時(shí), 專業(yè)技術(shù)人員在預(yù)制的問(wèn)診表上填入有關(guān)事項(xiàng), 并電傳到豐田汽車公司維修總部。維修總部的有關(guān)人員以此為基礎(chǔ), 把信息輸入到維修技術(shù)咨詢系統(tǒng),并由專家系統(tǒng)的維修程序提出診斷結(jié)果和維修方案?，F(xiàn)場(chǎng)技術(shù)人員以此為基礎(chǔ)進(jìn)行維修工作并將結(jié)果反饋到總部, 以進(jìn)一步提高系統(tǒng)的診斷精度。進(jìn)入20 世紀(jì)90 年代, 開(kāi)始出現(xiàn)了專家系統(tǒng)工具的研究。這種專家系統(tǒng)工具具有知識(shí)獲取支援功能的專用編輯器, 不需要智能語(yǔ)言, 從而解決了過(guò)去存在的知識(shí)庫(kù)效率低的缺點(diǎn)。汽車診斷專家系統(tǒng)的功能與特點(diǎn), 概括地說(shuō)就是由計(jì)算機(jī)存儲(chǔ)的專家知識(shí), 按照需要可以調(diào)用, 即使初學(xué)者也能近似地如專家一樣進(jìn)行故障診斷?；趯＜蚁到y(tǒng)的故障診斷方法, 在實(shí)際應(yīng)用中存在問(wèn)題如下:

知識(shí)獲取的瓶頸問(wèn)題;知識(shí)難以維護(hù);

知識(shí)應(yīng)用面窄;診斷能力弱;不適應(yīng)模糊問(wèn)題。應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)可以彌補(bǔ)解決傳統(tǒng)專家系統(tǒng)在應(yīng)用中遇到的問(wèn)題。

(1)對(duì)于專家系統(tǒng)的脆弱性, 即知識(shí)和經(jīng)驗(yàn)不全面, 遇到?jīng)]解決過(guò)的問(wèn)題就無(wú)能為力。而利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能, 不斷豐富知識(shí)庫(kù)內(nèi)容,可解決知識(shí)更新的問(wèn)題。

(2)對(duì)于專家系統(tǒng)知識(shí)獲取困難這一瓶頸問(wèn)題, 利用神經(jīng)網(wǎng)絡(luò)的高效性和方便的自學(xué)習(xí)功能, 只需用領(lǐng)域?qū)＜医鉀Q問(wèn)題的實(shí)例來(lái)訓(xùn)練神經(jīng)網(wǎng)絡(luò), 使在同樣的輸入條件下, 神經(jīng)網(wǎng)絡(luò)便能獲得與專家給出的解答盡可能接近的輸出。(3)推理中的匹配沖突,組合爆炸及無(wú)窮遞歸使傳統(tǒng)專家系統(tǒng)推理速度慢、效率低。這主要是由于專家系統(tǒng)采用串行方式、推理方法簡(jiǎn)單和控制策略不靈活。而神經(jīng)網(wǎng)絡(luò)的知識(shí)推理通過(guò)神經(jīng)元之間的作用實(shí)現(xiàn), 總體上, 神經(jīng)網(wǎng)絡(luò)的推理是并行的、速度快。4

結(jié)

論

隨著人工智能的不斷發(fā)展, 各個(gè)領(lǐng)域?qū)θ斯ぶ悄艿囊笠苍絹?lái)越高。傳統(tǒng)的專家系統(tǒng)有它自身的缺點(diǎn), 神經(jīng)網(wǎng)絡(luò)也有其局限性, 正因?yàn)槿绱嗽跈C(jī)械故障診斷中, 目前將神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,建造所謂的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)。理論分析與應(yīng)用實(shí)踐表明, 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)結(jié)合了兩者的優(yōu)點(diǎn)而克服了各自的缺點(diǎn), 表現(xiàn)出強(qiáng)大的生命力。參考文獻(xiàn)

[ 1] 李國(guó)華, 張永忠.機(jī)械故障診斷[ M].北京: 化學(xué)工業(yè)出版社, 2004.[ 2] 尹朝慶, 尹皓.人工智能與專家系統(tǒng)[ M].北京: 中國(guó)水利水電出版社, 2002.[ 3] 謝慶生.機(jī)械工程中的神經(jīng)網(wǎng)絡(luò)方法[ M ].北京: 機(jī)械工業(yè)出版社, 2003.[ 4] 張銳, 姜樹(shù)海, 陸懷民, 等.機(jī)械故障診斷技術(shù)的新動(dòng)向工神經(jīng)網(wǎng)絡(luò)在其上應(yīng)用[ J].森林工程, 1999, 15(6): 38-39.[ 5] 廉師友.人工智能技術(shù)導(dǎo)論[ M].西安: 西安電子科技大學(xué)出版社, 2000.[ 6] 吳今培.模糊診斷理論及其應(yīng)用[ M].北京: 科學(xué)出版社,1995.