[發(fā)明專利]一種基于HBF神經網絡觀測器的故障診斷方法

在審

• 申請?zhí)枺?/td>: 201410740464.6
• 申請日: 2014-12-05
• 公開（公告）號: CN104537416A
• 公開（公告）日: 2015-04-22
• 發(fā)明（設計）人: 聞新;張興旺
• 申請（專利權）人: 沈陽航空航天大學
• 主分類號: G06N3/02
• 分類號: G06N3/02;G06K9/66;G06F11/22
• 代理公司: 沈陽火炬專利事務所(普通合伙) 21228
• 代理人: 王欣

技術領域

本發(fā)明設計神經網絡只能故障診斷與檢測方法，尤其涉及一種基于HBF神經網絡觀測器的故障診斷方法，屬于模式識別技術領域。

背景技術

故障診斷技術的發(fā)展主要經歷了人工診斷、現(xiàn)代診斷和智能診斷等三個階段。發(fā)展至今，故障診斷方法可劃分為基于解析模型的方法、基于信號處理的方法和基于知識的方法等。隨著科技的發(fā)展，系統(tǒng)越來越復雜，單純依靠基于數(shù)學模型的傳統(tǒng)故障診斷方法已不能滿足設備的可靠性要求，因此智能故障診斷技術越來越得到各領域的高度重視，尤其是在控制領域內，如美國的控制年會、IEEE的控制與決策會議、國際自動控制聯(lián)合會(IFAC)等，都把智能故障診斷技術列為重要的討論專題。由于其更適合于現(xiàn)代科技的發(fā)展，當代前沿科學中的理論和方法也必然滲透到智能故障診斷技術中，如神經網絡理論和粒子濾波等。在最近幾年中，各類智能故障診斷方法都得到了快速的發(fā)展，例如基于神經網絡、神經網絡自適應觀測器以及支持向量機等診斷技術。其中神經網絡通過學習用于表達故障診斷知識的連接權來實現(xiàn)故障與征兆之間復雜的非線性映射關系。

由于具有以下的幾點優(yōu)勢，近年來，智能故障診斷方法日益受到故障診斷專家和學者的青睞。

(1)不需要對象的精確數(shù)學模型。

(2)能夠有效地利用診斷專家的知識和經驗，匯集眾多專家知識對隨機發(fā)生的故障進行診斷。

(3)具有診斷專家般的推理能力，自動實現(xiàn)從故障征兆到故障原因的映射。

(4)具有一定的聯(lián)想能力和抗干擾能力，具備學習機制，能夠從過去的診斷實例中獲取診斷知識。

(5)對診斷結果具有解釋能力。

專家系統(tǒng)、神經網絡、模糊理論、粗糙集理論、數(shù)據(jù)融合理論、小波理論、故障樹以及它們相互之間和它們與其它信息處理技術的融合是人工智能手段的主要表現(xiàn)方法，在診斷領域中，它們越來越受到廣泛的重視。

(1)專家系統(tǒng)診斷方法：主要由知識庫、數(shù)據(jù)庫、推理機、解釋器、故障征兆獲取以及人機交互等部分組成。主要是在專家知識庫、數(shù)據(jù)庫的基礎上，通過推理機綜合利用知識庫中的知識按照一定的推理方法進行故障診斷。專家系統(tǒng)已經在航空航天、化工、核工業(yè)等領域有了實際應用，而且?guī)砹司薮蟮纳鐣⒔洕б妗?/p>

(2)神經網絡診斷方法：由于神經網絡具有很強的非線性映射能力，能準確地模擬復雜設備的故障征兆與故障原因之間的關系，并具有并行處理能力、自學習能力和記憶能力，因而已成功地應用于故障診斷領域。基于神經網絡的故障診斷已應用于工業(yè)、國防等多個領域。

(3)模糊診斷方法：故障診斷是通過研究故障和征兆之間的關系來判斷設備狀態(tài)的。由于實際因素的復雜性，故障與征兆之間很難用精確的數(shù)學模型來表示，不能用“有”和“無”簡單表示，而要求給出故障產生的可能性、故障位置和程度。此類問題用模糊邏輯能較好的解決。模糊邏輯診斷方法能夠克服由于過程本身的不確定性、不精確性以及噪聲等所帶來的困難，而且計算簡單、應用方便，因而在處理復雜系統(tǒng)的大時滯、時變及非線性方面，顯示出其優(yōu)越性。模糊邏輯在故障診斷中的應用大多是與其他方法結合使用的，如模糊神經網絡、模糊專家系統(tǒng)等。

(4)粗糙集診斷方法：粗糙集理論是基于不可分辨性的思想和知識簡化的方法，在保持分類能力不變的前提下，通過知識約簡，從數(shù)據(jù)中推理邏輯規(guī)則作為知識系統(tǒng)的模型。它在分類的意義下定義了模糊性和不確定性的概念。利用粗糙集理論對系統(tǒng)進行故障診斷決策表進行約簡處理，解釋系統(tǒng)各種故障表征內在的冗余性，為系統(tǒng)故障診斷提供了新的有效途徑。

(5)信息融合故障診斷方法：信息融合技術是利用多源信息，以獲得對同一事物或目標的更客觀、更本質認識的信息綜合處理技術。它是指利用多傳感器等手段采集并集成各種信息源、多媒體和多格式信息，比如電信號、溫度、圖像、電磁輻射等信息，從而生成完整、準確、及時和有效的綜合信息，再根據(jù)一定的判斷規(guī)則進行故障診斷。信息融合技術目前在軍事領域中已有廣泛的應用。目前，數(shù)據(jù)融合故障診斷方法主要有Bayes推理、D-S證據(jù)推理及神經網絡數(shù)據(jù)融合等。

近年來，雖然智能故障診斷算法進展快速，很多智能方法被提出，但依然存在一些問題：

(1)知識庫龐大。目前智能故障診斷系統(tǒng)大多采用產生式規(guī)則來表示專家的經驗知識，為了使診斷系統(tǒng)達到高效、實用的目標，必然需要大量的專家知識組成龐大的知識規(guī)則庫。越是大型設備的診斷系統(tǒng)，相應的知識庫就越龐大，這給知識庫的整理、知識規(guī)則的調用帶來不利影響。