基于案例推理的船舶故障诊断研究及应用

《基于案例推理的船舶故障诊断研究及应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、南京航空航天大学全日制专业硕士学位论文相融合的智能故障诊断技术阶段。故障诊断涉及到智能信息处理技术、检测技术、计算机技术、知识工程等多个范畴，已经广泛应用于航空航天、电子、机械制造等多个领域，逐步成为现在的研究热点。目前已经研究出不少重要的成裂7】：(1)基于信号处理的故障诊断方法：依据当前采集到故障设备的工作信号，如果偏离了正常范围即可判断发生了故障。时域、频域以及峰值等指标是信号处理的一般对象。主要方法有时域特征参数与波形特征诊断法、信息特征法、频谱分析与频谱特征再分析法等。(2)基于物理和化学分析的诊断方法：通过对当前故障设备的物理、化学状态的观察，分析其光、味、

2、形、温度、声等变化，与正常工作时状态进行比较，参考相关资料判断当前设备是否发生故障。(3)基于数学模型【8】的故障诊断方法：该方法是以建立诊断对象的数学模型为基础，以现代控制理论和现代优化方法为指导，根据模型获得的预测状态和所测量的实体之间的差异计算出该诊断系统的最小诊断。具体方法有等价空间工程、Kal加an滤波器等。(4)基于故障树模型【91【101的诊断分析方法：故障树模型是一种基于研究对象结构与功能的模型，因此故障树诊断方法是一种基于图形的演绎方法，能够体现故障传播关系并直观表现故障、部件、系统、因素之间的相互关系。(5)基于专家系鲥11】的故障诊断理论和方法：近

3、年来人工智能和专家系统的快速发展，该方法已经取得比较显著的成就。专家系统依据专家的丰富经验，从大量的信息样本中提取出故障的特征向量，描述故障和状态之间的关系。实际进行故障诊断时，根据当前的特征，采用基于推理机的方法进行故障原因和状态匹配。(6)基于模糊集的故障诊断理论和方法：美国控制论学者Zadeh于1965年提出了模糊集理论，该理论主要是描述与处理不精确的、模糊的时间和概念，用来处理故障诊断过程中遇到的不确定信息。当前由于模糊集理论发展有限，通常需要凭借经验和大量的实验来确定。而系统本身有不确定的、模糊的信息，其应用有一定的局限性。随着理论的日益完善，该方法有较大的发

4、展前途。(7)基于神经网络【12】的故障诊断理论和方法：神经网络是当前故障诊断领域应用最成功的故障诊断方法之一。人工神经网络是模拟人思维的一种方式，它是非动力学线性系统，其特点在于其信息的分布式存储和并行协同处理，可以实现自组织、分类、优化和非线性映射等功能。在工程实践中对故障检测及诊断发挥较大作用。(8)基于小波分析【13】的故障诊断方法：20世纪80年代中期法国学者Daubeches和callet发展了小波分析理论，它能够解决许多傅立叶变换难以解决的问题。基于小波分析的故障诊断方法首先对采取到的信号进行多级小波分解，得到各子级数据，通过对小波变换系数模极大值基于案例

5、推理的船舶故障诊断研究及应用的检测来实现对信号奇异性的检测，从而判断故障发生的时间和原因。(9)组合智能故障诊断方法：专家系统的知识处理采取的是模拟人的逻辑思维，而神经网络的知识处理采取的是模拟人的经验思维。逻辑思维和经验思维在人类自身的思维过程中可以巧妙地结合成为一个有机整体，因此可以将专家系统和神经网络结合而成的智能故障诊断理论和方法对系统进行更加高效地诊断。除了上面列举出来的理论和方法外，目前还有基于向量机‘14】的故障诊断方法，基于灰色系纠151理论的故障诊断方法，基于机理研究的故障诊断理论和方法等1．2．3故障诊断研究存在的问题虽然当前在故障诊断领域的理论和方

6、法已经取得较大进展，现有诊断技术和检测装备已经能够对不同对象进行故障检测，但仍存在许多不足之处‘16Ⅱ17】：(1)信息提取不充分：故障诊断的基础是特征信号的提取，现有的故障诊断系统只检测当前的状态信息，‘而对于之前的状态和进行维修后的状态未进行检测，在这种情况下可能对诊断得出的维修措施不够准确。(2)对模糊信息的处理不够：故障诊断系统中存在着大量随机、模糊或是不完全的信息，这类信息不确定因素大，如何对这部分不确定信息进行描述和表示，一直是故障诊断领域研究的热点问题。目前已经有一些理论来处理当前模糊信息，在故障诊断系统中取得了初步应用。(3)自动获取知识的能力差：对于智

7、能故障诊断系统知识获取是一个难题，同样这也是专家系统中的难题。当前故障诊断系统都是依据现有知识库进行分析，在运行过程中很难创造出新的知识和信息，虽然一些系统中引入了机器学习的功能，但在知识自动获取方面的能力还是比较差的，限制了系统功能的完善。(4)解决问题能力的局限性：由于系统中知识的有限性，诊断系统只能解决单独领域内的问题，遇到出现在其它领域的问题通常无法解决。(5)知识库庞大，目前大多数故障诊断的方法是采用规则来描述维修技术人员的知识和经验，为了寻找故障原因和解决方案需要大量的规则库，导致故障诊断的效率比较低下。当前日益复杂的生产工艺