第一篇：智能故障診斷技術(shù)淺析論文

引言

自進(jìn)入21世紀(jì)以來，信息技術(shù)為廣大居民的生產(chǎn)生活帶來了很大的變化，機(jī)電設(shè)施也在整個(gè)生產(chǎn)過程發(fā)生著變化。在機(jī)械采礦中，添加了多種智能、自動(dòng)化設(shè)施。由于是機(jī)械設(shè)施，在生產(chǎn)與運(yùn)行中很容易出現(xiàn)各種問題，從而影響礦業(yè)發(fā)展。因此，在現(xiàn)實(shí)工作中，必須將診斷與維修技術(shù)作為研究重點(diǎn)，在將要發(fā)生或者發(fā)生故障時(shí)，對其進(jìn)行預(yù)警，控制故障延伸，確保工作人員安全。

1故障診斷技術(shù)的總體概括

1.1設(shè)備診斷技術(shù)概念

從整體來看：故障診斷技術(shù)屬于防護(hù)方式，它是在確保生產(chǎn)過程的條件下，讓各個(gè)設(shè)備的參數(shù)滿足最佳狀態(tài)，然后再通過精密的儀表、儀器檢測設(shè)備是否滿足運(yùn)行要求，是否有數(shù)值變化和破損現(xiàn)象。如果有異常，明確出現(xiàn)異常的原因，破壞程度，能否持續(xù)利用，能夠持續(xù)利用的時(shí)間，然后再結(jié)合設(shè)備的受損度，看能否利用代替性的設(shè)備延伸時(shí)間，減小成本消耗。當(dāng)然，這一切工作都是在正常的運(yùn)行狀態(tài)中才有效。

1.2故障診斷的技術(shù)原理

目前，應(yīng)用在礦山機(jī)電設(shè)備智能故障診斷的技術(shù)主要包含：數(shù)字建模、數(shù)據(jù)采集、識(shí)別分析、狀態(tài)預(yù)測和信息處理。數(shù)字建模是診斷智能故障的總規(guī)劃和原則，它要求展現(xiàn)智能分析優(yōu)勢。例如：在數(shù)學(xué)模糊診斷中，A是可能發(fā)生的事實(shí)案例，B是數(shù)據(jù)庫事例，通過對比A與B，在分析權(quán)值與特征的條件下得到準(zhǔn)確的結(jié)果。數(shù)據(jù)采集，是礦山機(jī)電設(shè)備事先制定好參數(shù)值，然后再診斷設(shè)備，進(jìn)行數(shù)值采集，用建模的方式對兩份數(shù)值進(jìn)行比對。一旦數(shù)值參數(shù)大于預(yù)設(shè)范疇、曲線變化，那么說明機(jī)電設(shè)備還存在問題。識(shí)別分析，是在掌握機(jī)電設(shè)備測試參數(shù)與原始參數(shù)的情況下，結(jié)合參數(shù)變化，從故障庫中找到類似樣本，再確認(rèn)產(chǎn)生故障的原因。也只有智能分析與識(shí)別，機(jī)電設(shè)備診斷與檢測才能達(dá)到智能要求。狀態(tài)預(yù)測，是在預(yù)測、識(shí)別現(xiàn)有參數(shù)后，結(jié)合相關(guān)資料，驗(yàn)證機(jī)電設(shè)備運(yùn)行狀態(tài)，同時(shí)這種結(jié)果具有很好的可信性與真實(shí)性，該預(yù)測結(jié)果同時(shí)也是深入機(jī)電設(shè)備運(yùn)行的有效條件。信息處理，則是一份有效的測試參數(shù)，它要求將數(shù)據(jù)模型變成參數(shù)模型，再通過分析等形式進(jìn)行處理。它能準(zhǔn)確分辨無用與有用信息，通過綜合處理信息，找準(zhǔn)診斷結(jié)果和過程分析后，最后得出一份理想的分析報(bào)告。

2礦山機(jī)電設(shè)備出現(xiàn)故障的原因

2.1配合關(guān)系

從檢查已有設(shè)備故障反饋的信息來看，大多數(shù)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(shè)計(jì)與形態(tài)出現(xiàn)偏離，這種偏離多數(shù)是機(jī)械使用或者內(nèi)部因素所致。常見的零件損傷體現(xiàn)為：意外和老化損傷所致。

2.2超出設(shè)備負(fù)荷

在相關(guān)設(shè)備設(shè)計(jì)之前，工作人員都會(huì)對參數(shù)極限進(jìn)行限制，一旦其輸出參數(shù)超過設(shè)計(jì)極限時(shí)，它的運(yùn)行狀態(tài)就會(huì)遭到破壞，甚至出現(xiàn)不同程度的故障。如果是超負(fù)荷造成的故障，就必須對技術(shù)參數(shù)和相關(guān)設(shè)備進(jìn)行調(diào)整，并且采用適當(dāng)?shù)姆绞?，以幫助其改善承受力?/p>

2.3設(shè)備損耗

設(shè)備損耗是在內(nèi)外因素的共同作用下，隨空間與時(shí)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(jī)件剛性不夠、間隙過大、部件磨損與老化、相關(guān)設(shè)施磨損、系數(shù)過大、負(fù)荷增加、關(guān)鍵負(fù)荷的聯(lián)接發(fā)生磨損與變形等。

3故障診斷在礦山機(jī)電維修中的運(yùn)用

3.1診斷類別

從故障診斷的目的來看：它是對機(jī)電設(shè)施的計(jì)劃與檢修，以此保障各種生產(chǎn)設(shè)施運(yùn)行的連續(xù)性。大致分成：事后檢修、根據(jù)周期檢修和狀態(tài)檢修。事后維修是機(jī)電設(shè)施發(fā)生故障的治理方案，不屬于主動(dòng)對策的范疇，而是大多數(shù)機(jī)電設(shè)施在沒有準(zhǔn)備的狀態(tài)下采用的方法。因此，將事后診斷應(yīng)用在礦山機(jī)電設(shè)施中的效果并不太理想，其檢修質(zhì)量也有待提高。周期檢修相對固定，并且?guī)е鴱?qiáng)制的特征，同時(shí)也是負(fù)責(zé)的展現(xiàn)。該方式方便易操作，大多數(shù)情況下是結(jié)合維修或者使用周期操作，從外看這種似乎會(huì)增加工人成本，事實(shí)上它是不可缺少的打基礎(chǔ)部分，從某種角度來看它也是節(jié)約成本的體現(xiàn)，通過積極防護(hù)設(shè)施，延長相關(guān)設(shè)備的使用年限和周期，并且及時(shí)發(fā)現(xiàn)和修復(fù)問題，最大程度的避免問題帶來的停產(chǎn)損失。因此，固定維修對礦山機(jī)電設(shè)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(jīng)濟(jì)損失。狀態(tài)檢修，是在數(shù)據(jù)分析的條件上，讓每個(gè)工作人員負(fù)起對應(yīng)的責(zé)任，然后再結(jié)合各種部件出現(xiàn)問題的時(shí)間推斷故障時(shí)間。雖然這種預(yù)測不能準(zhǔn)確捕捉時(shí)間，甚至還存在誤差，但是能給企業(yè)警告的作用，避免措手不及的狀況發(fā)生。在爭取將設(shè)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(chǎn)正常進(jìn)行。

3.2診斷方法

首先是參考?xì)v史進(jìn)行診斷記錄，通過對局部系統(tǒng)和元器件進(jìn)行排查，找出問題癥結(jié)，這也是礦山機(jī)電設(shè)施診斷與維護(hù)的主要方法之一。一旦出現(xiàn)故障，對相關(guān)結(jié)論進(jìn)行精細(xì)歸納，最后生成診斷集。第二次出現(xiàn)類似故障時(shí)，就能借用診斷路徑與經(jīng)驗(yàn)對其進(jìn)行處理與診斷。它的優(yōu)點(diǎn)是相同故障發(fā)生時(shí)，定位快速。其次是智能診斷，在控制系統(tǒng)、模擬人腦的基礎(chǔ)上，獲取、再生、傳遞、利用相關(guān)信息，最后利用已經(jīng)準(zhǔn)備好的經(jīng)驗(yàn)策略。其具體包含灰色系統(tǒng)、模糊診斷、專家診斷、神經(jīng)網(wǎng)絡(luò)等方法。當(dāng)前，應(yīng)用最廣的是神經(jīng)網(wǎng)和專家體系，讓診斷更加智能化。礦山機(jī)電設(shè)備故障診斷具有隱蔽性與復(fù)雜性，通過傳統(tǒng)的方法進(jìn)行精確、迅速的診斷。同時(shí)，專家系統(tǒng)能精確的應(yīng)用專業(yè)知識(shí)與經(jīng)驗(yàn)，通過模擬思維，對故障進(jìn)行求解，最后得到結(jié)論。在人工智能診斷的基礎(chǔ)上，借助計(jì)算機(jī)系統(tǒng)與已有經(jīng)驗(yàn)解決故障。

4礦山機(jī)電設(shè)備故障監(jiān)測的步驟

從整體來看：礦山機(jī)電設(shè)施故障診斷主要包含以下步驟：信息采集、處理、識(shí)別、建模和預(yù)測。在信息采集中，對機(jī)電設(shè)施運(yùn)行參數(shù)、狀況與數(shù)據(jù)信號(hào)進(jìn)行有效監(jiān)測，利用傳感器傳輸?shù)男畔?shù)據(jù)進(jìn)行整理，最后放進(jìn)網(wǎng)絡(luò)進(jìn)行存儲(chǔ)，以備后續(xù)利用。信息處理，是對設(shè)備運(yùn)行狀態(tài)進(jìn)行數(shù)據(jù)整理和識(shí)別。當(dāng)然，在這期間，存在有用與無用信息之分，因此必須對相關(guān)信息進(jìn)行區(qū)分與整理，剔除無用信息，并且轉(zhuǎn)換數(shù)據(jù)，對具體信息進(jìn)行有效分析，最后將數(shù)據(jù)變成設(shè)備能接受的信息與數(shù)據(jù)。信息處理與識(shí)別是在信息采集后，對相關(guān)信息進(jìn)行識(shí)別與分析，包含數(shù)據(jù)分類、識(shí)別與分析，然后再將信息與之前得到的數(shù)據(jù)進(jìn)行比對，最后得出設(shè)備運(yùn)行中可能存在故障的區(qū)域、故障原因與類型。在礦山機(jī)電生產(chǎn)中，機(jī)電設(shè)施由多種信息數(shù)據(jù)和參數(shù)，并且和設(shè)施狀態(tài)、是否存在隱患有著直接的關(guān)系。對此，必須建立起良好的模型，以確定和反映設(shè)備狀態(tài)與故障之間的數(shù)學(xué)關(guān)系。預(yù)測技術(shù)是對機(jī)電設(shè)施的故障狀況以及剩余使用時(shí)間進(jìn)行預(yù)測，它能作為機(jī)電設(shè)施故障維修與保養(yǎng)的條件，從而避免機(jī)電設(shè)施出現(xiàn)不必要的故障。

5.結(jié)語

為了推動(dòng)礦業(yè)發(fā)展，提高開采安全性，在礦山開采中必須注重相關(guān)設(shè)備的故障診斷與維修技術(shù)。在開采中，做好故障記錄與整理歸檔工作，經(jīng)常對壓力、溫度進(jìn)行檢查，一旦發(fā)現(xiàn)問題立即解決，這樣才能改善故障診斷技術(shù)，進(jìn)一步完善與優(yōu)化診斷系統(tǒng)。

第二篇：智能故障診斷報(bào)告

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

低級(jí)智能——感知環(huán)境、做出決策和控制行為

高級(jí)智能——不僅具有感知能力，更重要的是具有學(xué)習(xí)、分析、比較和推理能力，能根據(jù)復(fù)雜環(huán)境變化做出正確決策和適應(yīng)環(huán)境變化

智能的基本要素

三個(gè)基本要素：推理、學(xué)習(xí)、聯(lián)想

推理——從一個(gè)或幾個(gè)已知的判斷（前提），邏輯地推斷出一個(gè)新判斷（結(jié)論）的思維形式 學(xué)習(xí)——根據(jù)環(huán)境變化，動(dòng)態(tài)地改變知識(shí)結(jié)構(gòu)

聯(lián)想——通過與其它知識(shí)的聯(lián)系，能正確地認(rèn)識(shí)客觀事物和解決實(shí)際問題

智能應(yīng)具備的條件（能力）

三個(gè)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(shí)的能力

思維能力——就是具有記憶、聯(lián)想、推理、分析、比較、判斷、決策、學(xué)習(xí)等能力

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

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

2）設(shè)備的某些性能參數(shù)達(dá)不到設(shè)計(jì)要求，超出允許范圍；

3）設(shè)備的某些零部件發(fā)生磨損、斷裂、損壞等，致使設(shè)備不能正常工作； 4）設(shè)備工作失靈，或發(fā)生結(jié)構(gòu)性破壞，導(dǎo)致嚴(yán)重事故甚至災(zāi)難性事故。

故障的性質(zhì)

1）層次性——系統(tǒng)是有層次的，故障的產(chǎn)生對應(yīng)于系統(tǒng)的不同層次表現(xiàn)出層次性。一般可分為系統(tǒng)級(jí)、子系統(tǒng)級(jí)、部件級(jí)、元件級(jí)等多個(gè)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(shí)可采用層次診斷模型和診斷策略。

2）相關(guān)性——故障一般不會(huì)孤立存在，它們之間通常相互依存和相互影響，如系統(tǒng)故障常常由相關(guān)聯(lián)的子系統(tǒng)傳播所致。表現(xiàn)為，一種故障可能對應(yīng)多種征兆，而一種征兆可能對應(yīng)多種故障。這種故障與征兆間的復(fù)雜關(guān)系導(dǎo)致了故障診斷的困難。

3）隨機(jī)性——故障的發(fā)生常常是一個(gè)與時(shí)間相關(guān)的隨機(jī)過程，突發(fā)性故障的出現(xiàn)通常都沒有規(guī)律性；再加上某些信息的模糊性和不確定性，就構(gòu)成了故障的隨機(jī)性。4）可預(yù)測性——設(shè)備大部分故障在出現(xiàn)之前通常有一定先兆，只要及時(shí)捕捉這些征兆信息，就可以對故障進(jìn)行預(yù)測和防范。

故障診斷：就是對設(shè)備運(yùn)行狀態(tài)和異常情況做出判斷。具體說來，就是 在設(shè)備沒有發(fā)生故障之前，要對設(shè)備的運(yùn)行狀態(tài)進(jìn)行預(yù)測和預(yù)報(bào)；

在設(shè)備發(fā)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(jìn)行維修決策。故障診斷的基本思想：

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

；反之，一定的特征y也對應(yīng)確定的狀態(tài)s，即存在映射

。狀態(tài)與特征空間這一關(guān)系可表述為：

因此，故障診斷的目的就是：根據(jù)可測量的特征向量來判斷系統(tǒng)處于何種狀態(tài)，也就是找出映射關(guān)系 f

故障診斷的實(shí)質(zhì)

對于有限狀態(tài)的系統(tǒng)，令正常狀態(tài)為s0，n種故障對應(yīng)的系統(tǒng)狀態(tài)為s1, s2, …, sn；其中，處于狀態(tài)si時(shí)，對應(yīng)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(yīng)的狀態(tài)s的過程

在這種情況下，故障診斷就成為：根據(jù)特征向量對被測系統(tǒng)的狀態(tài)進(jìn)行分類的問題，或者說對特征向量進(jìn)行模式識(shí)別的問題

結(jié)論：故障診斷的實(shí)質(zhì)——模式識(shí)別（分類）問題

故障診斷的過程有三個(gè)主要步驟：

第一步是檢測設(shè)備狀態(tài)的特征信號(hào)，即信號(hào)測??；

第二步是從檢測到的特征信號(hào)中提取征兆，即征兆提??；

第三步是根據(jù)征兆和其它診斷信息來識(shí)別設(shè)備的狀態(tài)，從而完成故障診斷，即狀態(tài)識(shí)別。

——這是整個(gè)診斷過程的核心。

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

故障識(shí)別：采用合適的狀態(tài)識(shí)別方法與裝置，依據(jù)征兆而推理識(shí)別出設(shè)備的有關(guān)狀態(tài)，即狀態(tài)識(shí)別

故障分離與估計(jì)（預(yù)測）：采用合適的狀態(tài)趨勢分析法，依據(jù)征兆與狀態(tài)推理出狀態(tài)的發(fā)展趨勢，即狀態(tài)預(yù)測

故障評(píng)價(jià)與決策：采用合適的決策形成方法，依據(jù)有關(guān)的狀態(tài)和趨勢作出調(diào)整、控制、維修等，即干預(yù)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(jié)合的產(chǎn)物，主要體現(xiàn)在診斷過程中領(lǐng)域?qū)＜抑R(shí)和人工智能技術(shù)的運(yùn)用。它是一個(gè)由人（尤其是領(lǐng)域?qū)＜遥?、能模擬腦功能的硬件及其必要的外部設(shè)備、物理器件以及支持這些硬件的軟件所組成的系統(tǒng)。

從傳統(tǒng)故障診斷到智能故障診斷 故障診斷技術(shù)經(jīng)歷的三個(gè)階段：

第一階段對診斷信息只作簡單的數(shù)據(jù)處理

第二階段將信號(hào)處理和建模處理應(yīng)用于數(shù)據(jù)處理

以上兩個(gè)階段，完全基于檢測數(shù)據(jù)處理，沒有利用領(lǐng)域?qū)＜抑R(shí)——傳統(tǒng)故障診斷階段 第三階段以知識(shí)處理為核心，信號(hào)處理、建模處理與知識(shí)處理相融合——智能故障診斷階段

傳統(tǒng)故障診斷的局限性： 未引入人工智能技術(shù)前，直接由領(lǐng)域?qū)＜彝瓿蔂顟B(tài)識(shí)別任務(wù)，不能有效利用專家的知識(shí)和經(jīng)驗(yàn)；

缺乏推理能力，不具備學(xué)習(xí)機(jī)制；

對診斷結(jié)果缺乏解釋，診斷程序的修改和維護(hù)性差。智能故障診斷的優(yōu)越性：

引入人工智能技術(shù)后，能模擬領(lǐng)域?qū)＜彝瓿蔂顟B(tài)識(shí)別任務(wù)（最大差別），人-機(jī)聯(lián)合診斷，達(dá)到甚至超過專家；

發(fā)展出基于知識(shí)的診斷推理機(jī)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(jié)論是如何獲得的。

智能故障診斷的研究意義：

研究如何及時(shí)發(fā)現(xiàn)故障和預(yù)測故障并保證設(shè)備在工作期間始終安全、高效、可靠地運(yùn)行

——故障診斷技術(shù)為提高設(shè)備運(yùn)行的安全性和可靠性提供了一條有效途徑

故障的隨機(jī)性、模糊性和不確定性，導(dǎo)致一個(gè)故障的形成往往是眾多因素造成的結(jié)果，且各因素之間的聯(lián)系又十分復(fù)雜

——傳統(tǒng)故障診斷方法已不能滿足現(xiàn)代設(shè)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(shí)發(fā)現(xiàn)故障，給出故障信息，并確定故障的部位、類型和嚴(yán)重程度，同時(shí)自動(dòng)地隔離故障； 預(yù)測設(shè)備運(yùn)行狀態(tài)、使用壽命、故障發(fā)生和發(fā)展；

針對故障的不同部位、類型和程度，給出相應(yīng)的控制和處理方案，并進(jìn)行技術(shù)實(shí)現(xiàn)；

自動(dòng)對故障進(jìn)行削弱、補(bǔ)償、切換、消除和修復(fù)，以保證設(shè)備出現(xiàn)故障時(shí)的性能盡可能地接近原來正常工作時(shí)的性能，或以犧牲部分性能指標(biāo)為代價(jià)來保證設(shè)備繼續(xù)完成其規(guī)定功能； 進(jìn)行維修決策，減少維修費(fèi)用，提高設(shè)備利用率。

智能故障診斷的國內(nèi)外研究概況

20世紀(jì)60年代末開始，已歷經(jīng)三個(gè)階段：

美國從1967年開始，NASA、ONR率先在故障機(jī)理研究和故障檢測、診斷和預(yù)測等方面取得實(shí)用性研究成果；此后，在水泵、空壓機(jī)、軸承、潤滑油、內(nèi)燃機(jī)、汽車發(fā)電機(jī)組、大型客機(jī)等方面都取得了許多研究成果

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

國外，設(shè)備維修費(fèi)平均降低15～20%，技術(shù)投入占生產(chǎn)成本的比例，美國7.2%、日本5.6%、德國9.4% 我國從20世紀(jì)80年代初開始這方面研究，在石化、冶金、電力等行業(yè)得到應(yīng)用；90年代后在各行業(yè)快速發(fā)展

目前智能故障診斷的幾個(gè)重要研究方向 1）集成化智能故障診斷研究：

現(xiàn)代設(shè)備復(fù)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(jìn)行診斷，取長補(bǔ)短，提高診斷智能化水平。2）網(wǎng)絡(luò)化智能故障診斷研究：

現(xiàn)有診斷大都面向單臺(tái)或單類設(shè)備，可擴(kuò)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(fā)揮各專家的特點(diǎn)，做到資源共享、協(xié)調(diào)診斷。3）適應(yīng)型智能故障診斷研究：

利用智能結(jié)構(gòu)、智能Agent的特性，構(gòu)建滿足現(xiàn)場需要，并對故障具有自修復(fù)、自補(bǔ)償、自抑制、自消除等適應(yīng)型智能故障診斷，也是一個(gè)很有前途的研究方向。

第三篇：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(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：對平安性及使用性均沒有直接的不利影響，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。對于偶然故障，通常預(yù)定維修是無效的。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，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。故障模式是由測試來判斷的，測試結(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(gè)過程的速度。

并聯(lián)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(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．故障樹分析法簡稱FTA法〔Fault

Tree

Analysis〕

故障樹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狀逐級(jí)細(xì)化的分析方法。

故障樹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)，建樹要求有經(jīng)驗(yàn)，建樹工作量大，易錯(cuò)漏。

12．頂事件和中間事件〔矩形〕

底事件〔圓形〕

開關(guān)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(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)測或控制，以便對其進(jìn)行測量、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

利用邊界條件簡化：

與門下有必不發(fā)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(fā)生事件,那么該事件可刪除;

或門下有必然發(fā)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(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，有個(gè)可能狀態(tài)，故可有個(gè)狀態(tài)向量。

17．與門結(jié)構(gòu)故障樹的結(jié)構(gòu)函數(shù)

18．或門結(jié)構(gòu)故障樹的結(jié)構(gòu)函數(shù)

19．k/n門結(jié)構(gòu)故障樹的結(jié)構(gòu)函數(shù)

20．底事件的相干性

假設(shè)對第i個(gè)底事件而言，至少存在一對狀態(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：

故障樹中底事件與頂事件均相干；

Φ(X)對各底事件的狀態(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，其結(jié)構(gòu)函數(shù)的上限為或門結(jié)構(gòu)故障樹結(jié)構(gòu)函數(shù)，而下限是與門結(jié)構(gòu)故障樹結(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(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，底事件的關(guān)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(bào)告手冊使用同一的故障碼，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；

以上信息全沒有的故障。

假設(shè)報(bào)告的問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(dòng)。

鋁合金和鎂合金腐蝕初期成呈白色斑點(diǎn)，開展后出現(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)備簡單，測法簡單可靠。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．渦流檢測的根本原理

檢測線圈通交流電，在線圈周圍產(chǎn)生交變的初級(jí)磁場，當(dāng)檢測線圈靠近被檢測的導(dǎo)電構(gòu)件時(shí)，在交變的初級(jí)磁場作用下，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，次級(jí)磁場又在線圈內(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，檢測線圈與其接近時(shí)，渦流發(fā)生畸變，影響次級(jí)磁場，進(jìn)而影響檢測線圈中的感應(yīng)電流，檢測線圈中的電流的變化，說明構(gòu)件發(fā)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(yīng)：渦流的磁場會(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。對鋁合金是首選的無損檢測方法

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

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

Q

對于鋼構(gòu)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(yīng)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(jīng)過不同介質(zhì)分界面會(huì)發(fā)生反射，檢測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)來實(shí)現(xiàn)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(jī)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(qū)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(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，檢測垂直于探測面的缺陷或損傷。

應(yīng)用：可檢測金屬、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．磁粉檢測的原理：〔通過檢測漏磁來發(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，溢出外表的磁力線叫做缺陷漏磁。漏磁場強(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(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(guī)那么出發(fā)，通過邏輯運(yùn)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(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)的元件變元或逆變元組成征兆函數(shù),待定元件變元或逆變元組成成因函數(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)看該書最后兩頁〕：

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〕、簡答〔20〕、計(jì)算〔60〕.本材料僅供參考。預(yù)祝大家考個(gè)好成績，謝謝！

第四篇：智能故障診斷技術(shù)知識(shí)總結(jié)（最終版）

智能故障診斷技術(shù)知識(shí)總結(jié)

一、緒論 □ 智能：

■ 智能的概念

智能是指能隨內(nèi)、外部條件的變化，具有運(yùn)用知識(shí)解決問題和確定正確行為的能力?！?低級(jí)智能和高級(jí)智能的概念

低級(jí)智能——感知環(huán)境、做出決策和控制行為

高級(jí)智能——不僅具有感知能力，更重要的是具有學(xué)習(xí)、分析、比較和推理能力，能根據(jù)復(fù)雜環(huán)境變化做出正確決策和適應(yīng)環(huán)境變化

■ 智能的三要素及其含義

三個(gè)基本要素：推理、學(xué)習(xí)、聯(lián)想

推理——從一個(gè)或幾個(gè)已知的判斷（前提），邏輯地推斷出一個(gè)新判斷（結(jié)論）的思維形式 學(xué)習(xí)——根據(jù)環(huán)境變化，動(dòng)態(tài)地改變知識(shí)結(jié)構(gòu)

聯(lián)想——通過與其它知識(shí)的聯(lián)系，能正確地認(rèn)識(shí)客觀事物和解決實(shí)際問題

□ 故障：

■ 故障的概念

故障是指設(shè)備在規(guī)定條件下不能完成其規(guī)定功能的一種狀態(tài)?？煞譃橐韵聨追N情況： 1.設(shè)備在規(guī)定的條件下喪失功能；

2.設(shè)備的某些性能參數(shù)達(dá)不到設(shè)計(jì)要求，超出允許范圍；

3.設(shè)備的某些零部件發(fā)生磨損、斷裂、損壞等，致使設(shè)備不能正常工作； 4.設(shè)備工作失靈，或發(fā)生結(jié)構(gòu)性破壞，導(dǎo)致嚴(yán)重事故甚至災(zāi)難性事故。■ 故障的性質(zhì)及其理解

1層次性——系統(tǒng)是有層次的，故障的產(chǎn)生對應(yīng)于系統(tǒng)的不同層次表現(xiàn)出層次性。一般可分為系統(tǒng)級(jí)、子系統(tǒng)級(jí)、部件級(jí)、元件級(jí)等多個(gè)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(shí)可采用層次診斷模型和診斷策略。

2相關(guān)性——故障一般不會(huì)孤立存在，它們之間通常相互依存和相互影響，如系統(tǒng)故障常常由相關(guān)聯(lián)的子系統(tǒng)傳播所致。表現(xiàn)為，一種故障可能對應(yīng)多種征兆，而一種征兆可能對應(yīng)多種故障。這種故障與征兆間的復(fù)雜關(guān)系導(dǎo)致了故障診斷的困難。

3隨機(jī)性——故障的發(fā)生常常是一個(gè)與時(shí)間相關(guān)的隨機(jī)過程，突發(fā)性故障的出現(xiàn)通常都沒有規(guī)律性，再加上某些信息的模糊性和不確定性，就構(gòu)成了故障的隨機(jī)性。

4可預(yù)測性——設(shè)備大部分故障在出現(xiàn)之前通常有一定先兆，只要及時(shí)捕捉這些征

兆信息，就可以對故障進(jìn)行預(yù)測和防范。

□ 故障診斷：

■ 故障診斷的概念

故障診斷就是對設(shè)備運(yùn)行狀態(tài)和異常情況做出判斷。具體說來，就是在設(shè)備沒有發(fā)生故障之前，要對設(shè)備的運(yùn)行狀態(tài)進(jìn)行預(yù)測和預(yù)報(bào)；在設(shè)備發(fā)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(jìn)行維修決策?！?故障診斷的實(shí)質(zhì)及其理解

故障診斷的實(shí)質(zhì)——模式識(shí)別（分類）問題 ■ 故障診斷的任務(wù)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(hào)，即信號(hào)測??；采用合適的方法，從特征信號(hào)中提取狀態(tài)征兆，即征兆提取

故障識(shí)別：采用合適的狀態(tài)識(shí)別方法與裝置，依據(jù)征兆而推理識(shí)別出設(shè)備的有關(guān)狀態(tài)，即狀態(tài)識(shí)別 故障分離與估計(jì)：采用合適的狀態(tài)趨勢分析法，依據(jù)征兆與狀態(tài)推理出狀態(tài)的發(fā)展

趨勢，即狀態(tài)預(yù)測 故障評(píng)價(jià)與決策：采用合適的決策形成方法，依據(jù)有關(guān)的狀態(tài)和趨勢作出調(diào)整、控

制、維修等，即干預(yù)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(jié)合的產(chǎn)物，主要體現(xiàn)在診斷過程中領(lǐng)域?qū)＜抑R(shí)和人工智能技術(shù)的運(yùn)用。它是一個(gè)由人（尤其是領(lǐng)域?qū)＜遥⒛苣M腦功能的硬件及其必要的外部設(shè)備、物理器件以及支持這些硬件的軟件所組成的系統(tǒng)。

□ 智能故障診斷的研究方法：

■ 基于知識(shí)的研究方法

基于知識(shí)的研究方法：不需要對象的精確數(shù)學(xué)模型，而是根據(jù)人們長期的實(shí)踐經(jīng)驗(yàn)和大量的故障信息設(shè)計(jì)出一套智能計(jì)算機(jī)程序，以此來解決復(fù)雜故障診斷問題。模糊故障診斷

專家系統(tǒng)故障診斷 神經(jīng)網(wǎng)絡(luò)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(wǎng)絡(luò)化故障診斷

二、智能故障診斷的構(gòu)成 □ 基本結(jié)構(gòu)：

■ 智能故障診斷系統(tǒng)的基本結(jié)構(gòu)

兩大部分：故障檢測與診斷、故障容錯(cuò)控制

輸入控制執(zhí)行器監(jiān)控對象輸出數(shù)據(jù)庫故障檢測與診斷知識(shí)庫故障容錯(cuò)控制智能故障診斷與容錯(cuò)控制的基本結(jié)構(gòu)

■ 智能故障檢測與診斷模塊的主要任務(wù)和基本要求

知識(shí)獲取

故障檢測與診斷：就是從監(jiān)控對象中適時(shí)準(zhǔn)確地檢測出故障信息，并對故障產(chǎn)生的原因、部位、類型、程度及其發(fā)展做出判斷。

其主要任務(wù)通常包含以下幾個(gè)方面的內(nèi)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(píng)價(jià)故障的影響程度，預(yù)測故障的發(fā)展趨勢； 4.對檢測診斷結(jié)果做出處理和決策?；疽蟀ㄒ韵聨追矫妫?/p>

1）對故障具有強(qiáng)檢測能力

故障檢測能力的強(qiáng)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(hào)和早期故障信號(hào)，故障檢測能力尤為重要 2）對故障具有強(qiáng)診斷能力

能綜合運(yùn)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(jīng)驗(yàn)，而盡量避開信號(hào)處理方面復(fù)雜的實(shí)時(shí)計(jì)算；

能處理帶有錯(cuò)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(huán)境的要求。

3）盡量采用模塊化結(jié)構(gòu)

結(jié)構(gòu)應(yīng)當(dāng)模塊化，使之可以方便地調(diào)用其他應(yīng)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(jī)交互診斷功能

現(xiàn)代設(shè)備的復(fù)雜性，要求綜合運(yùn)用多種知識(shí)源（淺、深知識(shí)）來求解復(fù)雜問題 用戶適當(dāng)?shù)貙?shí)時(shí)參與，將使診斷速度更快、準(zhǔn)確性更高

用戶參與有主動(dòng)和被動(dòng)兩種方式：主動(dòng)參與可干預(yù)和引導(dǎo)推理過程；被動(dòng)參與只回答提問，而不干預(yù)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(yīng)具有自動(dòng)獲取狀態(tài)信息（當(dāng)前、歷史）的功能 其次，應(yīng)能通過人機(jī)交互獲取狀態(tài)信息 6）對問題求解應(yīng)當(dāng)實(shí)時(shí)和準(zhǔn)確

實(shí)時(shí)：一旦發(fā)現(xiàn)故障跡象，應(yīng)立即開始診斷工作

準(zhǔn)確：輸出結(jié)果應(yīng)當(dāng)細(xì)致明了，對于并發(fā)故障允許輸出多個(gè)診斷解，對于同一故障則只有一個(gè)診斷解，對于征兆不完備情況應(yīng)輸出按權(quán)值排序的多個(gè)候選故障解

7）具有學(xué)習(xí)功能

現(xiàn)代設(shè)備的復(fù)雜性以及新知識(shí)的不斷涌現(xiàn)，導(dǎo)致專家現(xiàn)有知識(shí)的不足 要求系統(tǒng)具有被動(dòng)和主動(dòng)（自學(xué)習(xí)）獲取新知識(shí)的能力

8）具有預(yù)測能力

應(yīng)能預(yù)測故障的發(fā)生和發(fā)展，以便在故障沒有發(fā)生之前采取措施，將故障消滅在萌芽狀態(tài)，使損失減為最小 9）具有決策能力

故障出現(xiàn)前，應(yīng)能提前預(yù)測故障

故障出現(xiàn)后，應(yīng)能對故障做出決策并提供維護(hù)方案

□ 構(gòu)成原理：

■ 故障檢測與診斷的常用方法

1）基于數(shù)學(xué)模型的故障檢測與診斷方法

特點(diǎn)是必須將故障數(shù)學(xué)模型化，有時(shí)建立模型很困難 不依賴實(shí)例和經(jīng)驗(yàn)，適用于新的沒有成熟經(jīng)驗(yàn)的診斷

2）基于參數(shù)估計(jì)的故障檢測與診斷方法

特點(diǎn)是須先確定一個(gè)信任域，當(dāng)參數(shù)超出域時(shí)認(rèn)為故障 適用于故障能由參數(shù)的顯著變化來描述的診斷

3）基于信號(hào)處理的故障檢測與診斷方法

通過對檢測信號(hào)的分析處理，利用特征信號(hào)對故障進(jìn)行識(shí)別和診斷。典型方法：小波變換、模態(tài)分解等

4）基于知識(shí)的故障檢測與診斷方法

不需精確的數(shù)學(xué)模型，能模擬人的思維過程，具有自學(xué)習(xí)、自組織、自推理能力

5）基于實(shí)例的故障檢測與診斷方法

是一種使用過去的經(jīng)驗(yàn)實(shí)例指導(dǎo)解決新問題的方法

優(yōu)點(diǎn)是不需從實(shí)例中提取規(guī)則，求解快；不足是能搜集的實(shí)例是有限的，求解時(shí)可能出現(xiàn)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(guān)系往往具有模糊特性，模糊語言變量能更準(zhǔn)確地表示這種模糊性的征兆和故障

問題在于知識(shí)獲取困難：如何確定故障與征兆間的模糊規(guī)則；如何實(shí)現(xiàn)模糊語言變量與隸屬度間的推理轉(zhuǎn)換

7）基于神經(jīng)網(wǎng)絡(luò)的故障檢測與診斷方法

利用神經(jīng)網(wǎng)絡(luò)的聯(lián)想、推理和記憶能力進(jìn)行知識(shí)處理

適用于復(fù)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(jī)器學(xué)習(xí)策略及其理解

簡單學(xué)習(xí)：

文獻(xiàn)、專家和資料所描述的關(guān)于診斷對象的結(jié)構(gòu)、功能、運(yùn)行約束條件等知識(shí)，機(jī)械學(xué)習(xí)機(jī)制為主；

主要用于元知識(shí)學(xué)習(xí)階段

交互學(xué)習(xí)：

知識(shí)工程師或診斷對象處理過的知識(shí)，講授學(xué)習(xí)機(jī)制為主； 主要用于領(lǐng)域知識(shí)學(xué)習(xí)和知識(shí)庫豐富階段 獨(dú)立學(xué)習(xí)：

推理策略面對的新知識(shí)，歸納學(xué)習(xí)機(jī)制為主； 主要用于診斷能力改善階段 文獻(xiàn)、專家知識(shí)工程師診斷對象簡單學(xué)習(xí)交互學(xué)習(xí)知識(shí)檢驗(yàn)與評(píng)價(jià)知識(shí)庫獨(dú)立學(xué)習(xí)

□ 構(gòu)成方法：

■ 智能故障診斷系統(tǒng)的設(shè)計(jì)要求

智能故障診斷系統(tǒng)的設(shè)計(jì)，一般應(yīng)滿足以下要求：

1）滿足故障診斷的實(shí)際需要；

主要指標(biāo)有故障診斷率、診斷結(jié)果準(zhǔn)確率、系統(tǒng)可靠性和投資效益比等，一般需分階段實(shí)現(xiàn)系統(tǒng)目標(biāo)。

2）建立適應(yīng)不同診斷對象的知識(shí)庫；

智能故障診斷系統(tǒng)是基于知識(shí)的，以知識(shí)處理為研究內(nèi)容，知識(shí)庫的建立是保證診斷結(jié)果正確性的前提。

3）能自動(dòng)獲取征兆；

征兆的自動(dòng)獲取是實(shí)現(xiàn)故障診斷智能化的重要環(huán)節(jié)。將征兆獲取從用戶交給計(jì)算機(jī)，既可減少人為差錯(cuò)、提高診斷準(zhǔn)確率，又可減輕操作要求、提高系統(tǒng)可接受性。4）診斷和推理方法應(yīng)符合故障診斷要求；

應(yīng)從征兆出發(fā)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(jù)。因此，知識(shí)表示和不精確推理應(yīng)當(dāng)充分反映故障診斷的特點(diǎn)。

5）能實(shí)現(xiàn)計(jì)算機(jī)自動(dòng)診斷；

完成系統(tǒng)的方案設(shè)計(jì)后，用計(jì)算機(jī)進(jìn)行系統(tǒng)的實(shí)際開發(fā)，可以使故障診斷易于實(shí)現(xiàn)，并獲得最佳效果。

6）系統(tǒng)要經(jīng)過嚴(yán)格的測試和考核。

一方面，開發(fā)進(jìn)度的加快導(dǎo)致測試時(shí)間減少；另一方面，系統(tǒng)一般是由缺少現(xiàn)場經(jīng)驗(yàn)的人員研制的。

經(jīng)實(shí)驗(yàn)室模擬測試、現(xiàn)場測試后，才能投入實(shí)際應(yīng)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(tài)反饋、基于多模冗余、基于功能模塊、基于神經(jīng)網(wǎng)絡(luò)、基于專家系統(tǒng)的控制方案 □基于專家系統(tǒng)的控制方案 ■ 結(jié)構(gòu)、原理

控制方案：知識(shí)庫存放領(lǐng)域?qū)＜抑R(shí)；數(shù)據(jù)庫存放監(jiān)控對象原始數(shù)據(jù)、故障特征數(shù)據(jù)等；推理機(jī)按一定的推理規(guī)則，對監(jiān)控對象進(jìn)行故障識(shí)別、估計(jì)和決策，根據(jù)故障性質(zhì)采取相應(yīng)策略進(jìn)行容錯(cuò)控制。X執(zhí)行機(jī)構(gòu)監(jiān)控對象故障檢測與分離推理機(jī)知識(shí)庫Y數(shù)據(jù)庫知識(shí)獲取 ■ 推理過程和推理機(jī)的概念，推理策略及其理解

推理：就是對故障進(jìn)行識(shí)別和容錯(cuò)控制

推理過程：就是將數(shù)據(jù)庫中的事實(shí)與知識(shí)庫中的規(guī)則進(jìn)行匹配的過程 推理機(jī)：實(shí)際上就是實(shí)現(xiàn)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(shù)據(jù)驅(qū)動(dòng)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(shí)庫；

基于目標(biāo)驅(qū)動(dòng)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(shí)庫或在線故障診斷。

■ 知識(shí)的分類及其理解

1）原型知識(shí)：

原型知識(shí)是領(lǐng)域?qū)＜抑赋龅墓收霞驼髡准@兩個(gè)集合之間存在的確定的映射關(guān)系“征兆族?故障”

生成的診斷知識(shí)可由規(guī)則或框架表示 它是故障診斷必備的知識(shí)，也是推理機(jī)工作的基礎(chǔ)

2）關(guān)聯(lián)知識(shí)：

關(guān)聯(lián)知識(shí)是描述故障傳播特性的知識(shí) 生成的診斷知識(shí)一般由規(guī)則來表示

它表征了診斷系統(tǒng)內(nèi)部的狀態(tài)聯(lián)系，構(gòu)成了診斷問題的求解路徑，引導(dǎo)診斷向縱深推進(jìn)直到故障的位置和原因

3）權(quán)重知識(shí)：

權(quán)重知識(shí)是領(lǐng)域?qū)＜覍收祥g關(guān)系及證據(jù)可靠度的認(rèn)識(shí) 它可以有目的地引導(dǎo)診斷過程的進(jìn)行，提高診斷效率

■ 對象的分解及其理解

1）結(jié)構(gòu)分解：從結(jié)構(gòu)上對系統(tǒng)進(jìn)行分解，把系統(tǒng)的總體結(jié)構(gòu)分解為下一層的子結(jié)構(gòu)，直到最低層次的零部件

最終可確定系統(tǒng)故障的物理位置，但難以表達(dá)子系統(tǒng)間的相互關(guān)系，難以反映由聯(lián)系劣化所引起的故障

2）功能分解：從功能上對監(jiān)控對象進(jìn)行分解，把系統(tǒng)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(tǒng)或與其相聯(lián)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(jié)果是系統(tǒng)劣化的功能模塊

3）故障分解：從故障類型上對監(jiān)控對象進(jìn)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(jié)構(gòu)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(shí)故障的消除：

■ 幾種常見的瞬時(shí)故障消除策略

1）循環(huán)采樣技術(shù)：將信號(hào)的一次采樣改為循環(huán)采樣，通過對采集數(shù)據(jù)的類比分析，消除瞬時(shí)故障

2）自動(dòng)補(bǔ)償技術(shù)：采用特殊結(jié)構(gòu)和特殊裝置組成補(bǔ)償器，抵消瞬時(shí)故障影響，如溫度補(bǔ)償器

3）自動(dòng)切換技術(shù)：設(shè)備運(yùn)行中出現(xiàn)瞬時(shí)過載等不安全情況時(shí)，使設(shè)備有關(guān)部分或全部停止運(yùn)行，消除瞬時(shí)故障影響和保護(hù)設(shè)備，如切換開關(guān)、熔斷器

4）阻尼技術(shù)：設(shè)備運(yùn)行中出現(xiàn)過載物理量時(shí)，對其加以限制或衰減，消除瞬時(shí)故障影響，如電感器抑制過電壓、減震器吸收振動(dòng)沖擊等

5）旁路技術(shù)：把瞬時(shí)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(shí)過載電能旁路到大地、過流閥旁路掉液壓或氣動(dòng)系統(tǒng)能量等

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

7）隔離技術(shù)：通過設(shè)計(jì)瞬時(shí)故障隔離器來消除瞬時(shí)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(jìn)行識(shí)別，若結(jié)果相同或基本相同，則認(rèn)為診斷成功，并根據(jù)故障性質(zhì)和故障特征，調(diào)用相應(yīng)的容錯(cuò)模塊對故障進(jìn)行容錯(cuò)控制；若診斷結(jié)果差異較大，則可采用表決方法對結(jié)果做出判斷。

■ 單輸出對象：模型區(qū)域劃分、模型切換、避免切換震蕩

模型區(qū)域劃分：

僅根據(jù)控制器輸出所在的一維區(qū)域，劃分為有代表性的不同工作區(qū)段。

模型切換：

根據(jù)期望控制器輸出判斷下一時(shí)刻系統(tǒng)處在哪個(gè)子模型控制器的控制域內(nèi)，以此切換模型。

避免切換振蕩：

擴(kuò)大訓(xùn)練域冗余，使相鄰訓(xùn)練域相互重疊；

在總的工作范圍內(nèi)離線訓(xùn)練一個(gè)網(wǎng)絡(luò)模型，作為過渡過程使用。

■ 多輸出對象：模型區(qū)域劃分、模型切換

模型區(qū)域劃分：

不能僅根據(jù)控制器輸出所在的一維區(qū)域進(jìn)行劃分，可以通過聚類方法劃分樣本空間進(jìn)行子模型訓(xùn)練。

模型切換：

選擇包括當(dāng)前系統(tǒng)狀態(tài)的子模型作為控制器；

將當(dāng)前輸入與各子模型工作空間的隸屬度作為權(quán)值，各子模型都對輸出進(jìn)行加權(quán)貢獻(xiàn)。

五、智能故障診斷的實(shí)現(xiàn)方法 □ 故障信號(hào)檢測： ■ 可預(yù)測故障和不可預(yù)測故障的概念

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

2）不可預(yù)測故障：是指那些不可預(yù)先知道，但會(huì)影響設(shè)備正常工作的故障。突發(fā)性故障是其中最典型的一種。

可預(yù)測故障通常有一定規(guī)律性，易于檢測和防范；不可預(yù)測故障具有隨機(jī)性，且常對設(shè)備造成嚴(yán)重危害，是故障診斷研究的主要對象。

■ 故障的判斷標(biāo)準(zhǔn)

1）絕對標(biāo)準(zhǔn)：在設(shè)備的同一部位、按一定要求測得的表現(xiàn)設(shè)備狀態(tài)的值，與某種相應(yīng)判斷標(biāo)準(zhǔn)相比較，以評(píng)定設(shè)備的狀態(tài)。

2）相對標(biāo)準(zhǔn)：對設(shè)備的同一部位、同一工況、同一測量值，用相同方法進(jìn)行定期測取，按時(shí)間先后將實(shí)測值與正常狀態(tài)下的初始值進(jìn)行比較來判斷。

3）類比標(biāo)準(zhǔn)：若有多臺(tái)機(jī)型相同、規(guī)格相同的設(shè)備，在相同條件下用相同方法進(jìn)行測定，通過相互比較來評(píng)定設(shè)備的狀態(tài)。

■ 微弱信號(hào)檢測的概念

微弱信號(hào)檢測：分析噪聲產(chǎn)生的原因和規(guī)律，研究被測信號(hào)的特點(diǎn)和相關(guān)性，檢測被噪聲淹沒的微弱有用信號(hào)、或從強(qiáng)噪聲中提取有用信號(hào)、或采用其他新技術(shù)和新方法來提高檢測系統(tǒng)輸出信號(hào)的信噪比。

■ 早期故障的主要特點(diǎn)及其理解

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

2）早期故障信號(hào)表征不明顯：早期故障信號(hào)的幅值、相位、時(shí)頻特性等變化很小，表征很不明顯；

3）早期故障信號(hào)容易被噪聲信號(hào)淹沒：由于噪聲信號(hào)通常會(huì)夾雜在故障信號(hào)中，當(dāng)故障信號(hào)很弱時(shí)噪聲信號(hào)就相對較強(qiáng)，早期故障信號(hào)常被噪聲信號(hào)所淹沒，具有很大的隱蔽性。

□ 故障特征識(shí)別： ■ 故障識(shí)別的內(nèi)容

1）正確選擇與設(shè)備狀態(tài)有關(guān)的特征信號(hào)

特征信號(hào)是指與設(shè)備功能緊密相關(guān)的、最有用的、能代表設(shè)備運(yùn)行狀態(tài)的信號(hào)

應(yīng)根據(jù)不同監(jiān)控對象，選取最能反映其運(yùn)行狀態(tài)的那部分信息作為特征信號(hào) 選擇特征信號(hào)依據(jù)：經(jīng)濟(jì)性好、信息量大、敏感度高

2）正確地從特征信號(hào)中提取征兆

對特征信號(hào)進(jìn)行處理，提取出與設(shè)備狀態(tài)相關(guān)的、能直接用于診斷的征兆信息

3）正確地根據(jù)征兆對設(shè)備進(jìn)行狀態(tài)識(shí)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(shè)備狀態(tài)進(jìn)行模式識(shí)別

4）正確地根據(jù)識(shí)別結(jié)果對設(shè)備進(jìn)行狀態(tài)診斷

有故障時(shí)，分析故障的位置、類型、性質(zhì)、原因與趨勢——故障定位 無故障時(shí)，分析狀態(tài)趨勢，預(yù)計(jì)未來情況——故障預(yù)測 5）正確地根據(jù)狀態(tài)診斷對設(shè)備進(jìn)行干預(yù)決策

干預(yù)設(shè)備及其工作進(jìn)程，保證設(shè)備安全可靠高效運(yùn)行

■ 故障識(shí)別的內(nèi)容

故障識(shí)別過程可分為以下四步進(jìn)行：

1）特征信號(hào)檢測

2）征兆信息提取 3）設(shè)備狀態(tài)識(shí)別 4）故障維修決策

原始信號(hào)特征信號(hào)征兆信號(hào)設(shè)備維修決策信號(hào)檢測特征提取狀態(tài)預(yù)測狀態(tài)診斷狀態(tài)識(shí)別 ■ 組合思維的概念、基于組合思維的識(shí)別方法

專家系統(tǒng)知識(shí)處理模擬的是人的邏輯思維，神經(jīng)網(wǎng)絡(luò)知識(shí)處理模擬的是人的經(jīng)驗(yàn)思維，將邏輯思維、經(jīng)驗(yàn)思維和創(chuàng)造性思維集成在一起，就形成組合思維

首先用經(jīng)驗(yàn)思維進(jìn)行識(shí)別；當(dāng)經(jīng)驗(yàn)思維無法解決問題時(shí)，轉(zhuǎn)向高一層的邏輯思維；當(dāng)邏輯思維也無法解決復(fù)雜問題時(shí)，轉(zhuǎn)向更高一層的創(chuàng)造性思維，即通過提出新的假設(shè)，經(jīng)過檢驗(yàn)后再發(fā)現(xiàn)新理論和解決問題的新方法

矛盾新假設(shè)檢驗(yàn)新知識(shí)創(chuàng)造性思維知識(shí)庫x故障特征提取邏輯思維規(guī)則匹配模式匹配邏輯推理經(jīng)驗(yàn)思維報(bào)警y

考試說明

□ 考試方式：

■ 閉卷，試卷成績60%，平時(shí)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(shí)間：

■ 第10周周四（5月2日）下午14:30-16:30 □ 考試要求：

■ 嚴(yán)禁一切作弊行為

第五篇：先進(jìn)制造技術(shù)論文智能制造

智能制造

作者：王玉石

湖北文理學(xué)院機(jī)械與汽車工程學(xué)院工業(yè)工程1311班 學(xué)號(hào)2013123106

摘要：介紹了智能制造提出的背景、主要研究內(nèi)容和目標(biāo),人工智能與IMT、IM的關(guān)系,IMS和CIMS,智能制造的物質(zhì)基礎(chǔ)及理論基礎(chǔ),智能制造系統(tǒng)的特征及框架結(jié)構(gòu),并簡要介紹了智能加工中心IMC,智能制造技木的發(fā)展趨勢，以及智能制造系統(tǒng)研究成果及存在問題。

關(guān)鍵詞：智能制造，IMS,IMC,IMT。1.主要研究內(nèi)容和目標(biāo)

智能制造在國際上尚無公認(rèn)的定義。目前比較通行的一種定義是, 智能制造技術(shù)是指在制造工業(yè)的各個(gè)環(huán)節(jié),以一種高度柔性與高度集成的方式,通過計(jì)算機(jī)來模擬人類專家的制造智能活動(dòng)。因此,智能制造的研究開發(fā)對象是整個(gè)機(jī)械制造企業(yè), 其主要研究開發(fā)目標(biāo)有二: ①整個(gè)制造工作的全面智能化,它在實(shí)際制造系統(tǒng)中首次提出了以機(jī)器智能取代人的部腦力勞動(dòng)作為主要目標(biāo),，強(qiáng)調(diào)整個(gè)企業(yè)生產(chǎn)經(jīng)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(qiáng)調(diào)智能型的集成自動(dòng)化。目前,IMT和IMS的研究方向已從最初的人工智能在制造領(lǐng)域中的應(yīng)用(AiM)發(fā)展到今天IMS,研究課題涉及的范圍由最初僅一個(gè)企業(yè)內(nèi)的市場分析、產(chǎn)品設(shè)計(jì)、生產(chǎn)計(jì)劃、制造加工、過程控制、信息管理、設(shè)備維護(hù)等技術(shù)型環(huán)節(jié)的自動(dòng)化,發(fā)展到今天的面向世界范圍內(nèi)的整個(gè)制造環(huán)境的集成化與自組織能力,包括制造智能處理技術(shù)、自組織加工單元、自組織機(jī)器人、智能生產(chǎn)管理信息系統(tǒng)、多級(jí)競爭式控制網(wǎng)絡(luò)、全球通訊與操作網(wǎng)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(jī)器生物的思想,即“機(jī)器智能化”。這種以“自主”系統(tǒng)為目標(biāo)的研究路線,嚴(yán)重地阻礙了人工智能研究的進(jìn)展。許多學(xué)者已意識(shí)到這一點(diǎn), Feigenbaum、Newell、錢學(xué)森從計(jì)算機(jī)角度出發(fā),提出了人與計(jì)算機(jī)相結(jié)合的智能系統(tǒng)概念。目前國外對多媒體及虛擬技術(shù)研究進(jìn)行大量投資,以及日本第五代智能計(jì)算機(jī)研制計(jì)劃的擱淺等事例, 就是智能系統(tǒng)研究目標(biāo)有所改變的明證。人工智能技術(shù)在機(jī)械制造領(lǐng)域中的應(yīng)用涉及市場分析、產(chǎn)品設(shè)計(jì)、生產(chǎn)規(guī)劃、過程控制、質(zhì)量管理、材料處理、設(shè)備維護(hù)等諸方面。結(jié)果是開發(fā)出了種類繁多的面向特定領(lǐng)域的獨(dú)立的專家系統(tǒng)、基于知識(shí)的系統(tǒng)或智能輔助系統(tǒng),形成一系列的“智能化孤島”。隨著研究與應(yīng)用的深入,人們逐漸認(rèn)識(shí)到, 未來的制造自動(dòng)化應(yīng)是高度集成化與智能化的人—機(jī)系統(tǒng)的有機(jī)融合, 制造自動(dòng)化程度的進(jìn)一步提高要依賴于整個(gè)制造系統(tǒng)的自組織能力。如何提高這些“孤島”的應(yīng)用范圍和在實(shí)際制造環(huán)境中處理問題的能力, 成為人們的研究焦點(diǎn)。在80 年代末和90年代初,一種通過集成制造自動(dòng)化、新一代人工智能、計(jì)算機(jī)等科學(xué)技術(shù)而發(fā)展起來的新型制造工程—— IMT和新——代制造系統(tǒng)—— IMS 便脫穎而出。人工智能在制造領(lǐng)域中的應(yīng)用與 IMT 和IMS 的一個(gè)重要區(qū)別在于, IMS 和 IMT 首次以部分取代制造中人的腦力勞動(dòng)為研究目標(biāo), 而不再僅起“輔助和支持”作用,在一定范圍還需要能獨(dú)立地適應(yīng)周圍環(huán)境, 開展工作。四IMS和CIMS發(fā)展的道路不是一帆風(fēng)順的。今天,CIMS的發(fā)展遇到了不可逾越的障礙,可能是剛開始時(shí)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(guān)注與廣泛地研究。從CIMS的發(fā)展來看,眾多研究者把重點(diǎn)放在計(jì)算機(jī)集成上,從科學(xué)技術(shù)的現(xiàn)狀看,要完成這樣一個(gè)集成系統(tǒng)是很困難的。CIMS作為一種連接生產(chǎn)線中的單個(gè)自動(dòng)化子系統(tǒng)的策略,是一種提高制造效率的技術(shù)。它的技術(shù)基礎(chǔ)具有集中式結(jié)構(gòu)的遞階信息網(wǎng)絡(luò)。盡管在這個(gè)遞階體系中有多個(gè)執(zhí)行層次,但主要控制設(shè)施仍然是中心計(jì)算機(jī)。CIMS存在的一個(gè)主要問題是用于異種環(huán)境必須互連時(shí)的復(fù)雜性。在CIMS概念下,手工操作要與高度自動(dòng)化或半自動(dòng)化操作集成起來是非常困難和昂貴的。在CIMS深入發(fā)展和推廣應(yīng)用的今天,人們已經(jīng)逐漸認(rèn)識(shí)到,要想讓CIMS真正發(fā)揮效益和大面積推廣應(yīng)用,有兩大問題需要解決:①人在系統(tǒng)中的作用和地位;②在不作很大投資對現(xiàn)有設(shè)施進(jìn)行技術(shù)改造的情況下亦能應(yīng)用CIMS。現(xiàn)有的CIMS概念是解決不了這兩個(gè)難題的。今天,人力和自動(dòng)化是一對技術(shù)矛盾,不能集成在一起,所能做的選擇,或是昂貴的全自動(dòng)化生產(chǎn)線,或是手工操作,而缺乏的是人力和制造設(shè)備之間的相容性,人機(jī)工程只是一個(gè)方面的考慮,更重要的相容性考慮要體現(xiàn)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(zhì)基礎(chǔ)及理論基礎(chǔ)

3.1.智能制造系統(tǒng)的物質(zhì)基礎(chǔ)主要有：

(1)數(shù)控機(jī)床和加工中心美國于1952年研制成功第一臺(tái)數(shù)控銑床,使機(jī)械制造業(yè)發(fā)生一次技術(shù)革命。數(shù)控機(jī)床和加工中心是柔性制造的核心單元技術(shù)。(2)計(jì)算機(jī)輔助設(shè)計(jì)與制造提高了產(chǎn)品的質(zhì)量和縮短產(chǎn)品生產(chǎn)周期,改變了傳統(tǒng)用手工繪圖、依靠圖紙組織整個(gè)生產(chǎn)過程的技木管理模式。

(3)工業(yè)控制技術(shù)、微電子技術(shù)與機(jī)械工業(yè)的結(jié)合———機(jī)器人開創(chuàng)了工業(yè)生產(chǎn)的新局面,使生產(chǎn)結(jié)構(gòu)發(fā)生重大變化,使制造過程更富于柔性擴(kuò)展了人類工作范圍。

(4)制造系統(tǒng)為智能化開發(fā)了面向制造過程

中特定環(huán)節(jié)、特定問題的“智能化孤島”,如專家系統(tǒng)、基干知識(shí)的系統(tǒng)和智能輔助系統(tǒng)等。

(5)智能制造系統(tǒng)和計(jì)算機(jī)集成制造系統(tǒng)用計(jì)算機(jī)一體化控制生產(chǎn)系統(tǒng),使生產(chǎn)從概念、設(shè)計(jì)到制造聯(lián)成一體,做到直接面向市場進(jìn)行生產(chǎn),可以從事大小規(guī)模并舉的多樣化的生產(chǎn);近年來,制造技術(shù)有了長足的發(fā)展和進(jìn)步,也帶來了很多新問題。數(shù)控機(jī)床、自動(dòng)物料系統(tǒng)、計(jì)算機(jī)控制系統(tǒng)、=機(jī)器人等在工業(yè)公司得到了廣泛的應(yīng)用,越來越多的公司使用了“計(jì)算機(jī)集成制造系統(tǒng)(CIMS)”、“柔性制造系統(tǒng)(FMS)”、“工廠自動(dòng)化(FA)”、“多目標(biāo)智能計(jì)算機(jī)輔助設(shè)計(jì)(M1CAD)”、“模塊化制造與工廠(MXMF)、并行工程(CE)”、“智能控制系統(tǒng)(ICS)”以及“智能制造(IM)”、“智能制造技術(shù)(IMT)”和“智能制造系統(tǒng)(IMS)”等等新術(shù)語。先進(jìn)的計(jì)算機(jī)技術(shù)、控制技術(shù)和制造技術(shù)向產(chǎn)品、工藝和系統(tǒng)的設(shè)計(jì)師和管理人員提出了新的挑戰(zhàn),傳統(tǒng)的設(shè)計(jì)和管理方法不能再有效地解決現(xiàn)代制造系統(tǒng)提出的問題了。要解決這些問題、需要用現(xiàn)代的工具和方法,例如人工智能(AI)就為解決復(fù)雜的工業(yè)問題提出了一套最適宜的工具。3.2.智能制造技術(shù)的理論基礎(chǔ)

智能制造技術(shù)是采用一種全新的制造概念和實(shí)現(xiàn)模式。其核心特征強(qiáng)調(diào)整個(gè)制造系統(tǒng)的整體“智能化”或“自組織能力”與個(gè)體的“自主性”?！爸悄苤圃靽H合作研究計(jì)劃JIRPIMS”明確提出:“智能制造系統(tǒng)是一種在整個(gè)制造過程中貫穿智能活動(dòng),并將這種智能活動(dòng)與智能機(jī)器有機(jī)融合,將整個(gè)制造過程從訂貨、產(chǎn)品設(shè)計(jì)、生產(chǎn)到市場銷售等各個(gè)環(huán)節(jié)以柔性方式集成起來的能發(fā)揮最大生產(chǎn)力的先進(jìn)生產(chǎn)系統(tǒng)“?；谶@個(gè)觀點(diǎn),在智能制造的基礎(chǔ)理論研究中,提出了智能制造系統(tǒng)及其環(huán)境的一種實(shí)現(xiàn)模式,這種模式給制造過程及系統(tǒng)的描述、建模和仿真研究賦予了全新的思想和內(nèi)容,涉及制造過程和系統(tǒng)的計(jì)劃、管理、組織及運(yùn)行各個(gè)環(huán)節(jié),體現(xiàn)在制造系統(tǒng)中制造智能知識(shí)的獲取和運(yùn)用,系統(tǒng)的智能調(diào)度等,亦即對制造系統(tǒng)內(nèi)的物質(zhì)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(shù)基礎(chǔ),各種人工智能工具,及人工智能技術(shù)研究成果在制造業(yè)中的廣泛應(yīng)用,促進(jìn)了智能制造技術(shù)的發(fā)展。而智能制造系統(tǒng)中,智能調(diào)度、智能信息處理與智能機(jī)器的有機(jī)融合而構(gòu)成的復(fù)雜智能系統(tǒng),主要體現(xiàn)在以智能加工中心為核心的智能加工系統(tǒng)的智能單元上。作為智能單元的神經(jīng)中樞——智能數(shù)控系統(tǒng),不僅需要對系統(tǒng)內(nèi)部中各種不確定的因素如噪聲測量、傳動(dòng)間隙、摩擦、外界干擾、系統(tǒng)內(nèi)各種模型的非線性及非預(yù)見性事件實(shí)施智能控制,而且要對制造系統(tǒng)的各種命令請求做出智能反應(yīng)。這種功能已遠(yuǎn)非傳統(tǒng)的數(shù)控系統(tǒng)體系結(jié)構(gòu)所能勝任,這是一個(gè)具有挑戰(zhàn)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(jī)理、智能制造信息、制造智能和制造中的計(jì)算幾何等?？傊?制造技術(shù)發(fā)展到今天,已經(jīng)由一種技術(shù)發(fā)展成為包括系統(tǒng)論、信息論和控制論為核心的、貫穿在整個(gè)制造過程各個(gè)環(huán)節(jié)的一門新型的工程學(xué)科,即制造科學(xué)。制造系統(tǒng)集成與調(diào)度的關(guān)鍵是信息的傳遞與交換。從信息與控制的觀點(diǎn)來看,智能制造系統(tǒng)是一個(gè)信息處理系統(tǒng),由輸入、處理、輸出和反饋等部分組成。輸入有物質(zhì)(原料、設(shè)備、資金、人員)、能量與信息;輸出有產(chǎn)品與服務(wù);處理包括物料的處理與信息處理;反饋有產(chǎn)品品質(zhì)回饋與顧客反饋。制造過程實(shí)質(zhì)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(chǎn)品可視為信息的物質(zhì)表現(xiàn)形式。4．結(jié)語

制造業(yè)是國家經(jīng)濟(jì)和綜合國力的基礎(chǔ),被稱為“立國之本”。而我國的制造工業(yè)與發(fā)達(dá)國家相比,差距很大,主要表現(xiàn)為自主開發(fā)能力和技術(shù)創(chuàng)新能力薄弱,核心技術(shù)、關(guān)鍵技術(shù)仍依賴進(jìn)口。對此,我國已引起重視,在“九五”科技規(guī)劃和15年科技發(fā)展規(guī)劃中,將先進(jìn)制造技術(shù)列為重點(diǎn)發(fā)展領(lǐng)域之一。進(jìn)入21世紀(jì),經(jīng)濟(jì)全球化的進(jìn)程日益加快,制造業(yè)領(lǐng)域的競爭日益加劇,而競爭的核心是先進(jìn)制造技術(shù)。在此環(huán)境下,我們只有抓住機(jī)遇,迎接挑戰(zhàn),利用先進(jìn)制造技術(shù)改造傳統(tǒng)產(chǎn)業(yè),實(shí)現(xiàn)技術(shù)創(chuàng)新、機(jī)制創(chuàng)新、管理創(chuàng)新及人才創(chuàng)新,才能實(shí)現(xiàn)我國躋身世界制造強(qiáng)國的目標(biāo)。

參考文獻(xiàn)

[1]李偉。先進(jìn)制造技術(shù)。北京：機(jī)械工業(yè)出版社，2005 [2]張世昌。先進(jìn)制造技術(shù)。北京:天津大學(xué)出版社，2004 [3]顏永年。先進(jìn)制造技術(shù)。北京：化學(xué)工業(yè)出版社，2002 [4]張迪妮?，F(xiàn)金制造技術(shù)。北京：北京大學(xué)出版社，2006 [5]周育才，劉忠偉。先進(jìn)制造技術(shù)。北京：國防工業(yè)出版社,2011 [6]王隆太。現(xiàn)金指導(dǎo)技術(shù)。北京：機(jī)械制造出版社，2012 [7]趙云龍。先進(jìn)制造技術(shù)。北京：機(jī)械工業(yè)出版社，2005 [8]張平亮。先進(jìn)制造技術(shù)。北京：高等教育出版社，2012 [9]李發(fā)致。模具先進(jìn)制造技術(shù)。北京;機(jī)械工業(yè)出版社，2003 [10]劉延林。柔性制造自動(dòng)化概念。武漢：華中科技大學(xué)出版社，2001