[發明專利]一種機械設備故障診斷系統

在審

• 申請號: 201710392430.6
• 申請日: 2017-05-27
• 公開（公告）號: CN107194429A
• 公開（公告）日: 2017-09-22
• 發明（設計）人: 陳嶺;徐高揚
• 申請（專利權）人: 太倉美克斯機械設備有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F17/50
• 代理公司: 常州市權航專利代理有限公司32280
• 代理人: 袁興隆

技術領域

本發明涉及人工智能、故障診斷，更具體地涉及一種機械設備故障診斷系統。

背景技術

故障診斷技術是一門綜合技術，它涉及多門學科，如現代控制理論、可靠性理論、數理統計、信號處理、模式識別、人工智能等學科。故障理論由低級到高級，可分為四個主要方面的內容：(1)故障建模。按照先驗信息和輸入輸出的關系，建立系統故障的數學模型，作為故障檢測與診斷的依據；(2)從可測或不可測的估計變量中檢測故障；(3)故障的分離與估計。如系統發生了故障，給出故障源的位置，區別出故障的原因，確定故障的程度、大小、故障發生的時間及故障的時變特性；(4)故障的分類、評價與決策。

從故障發生的部位來看，可分為儀表故障、執行器故障和元件故障；根據故障性質，可分為突變故障和緩慢故障；從建模角度可分為乘性故障和加性故障。至于故障診斷的方法，一般可分為硬件冗余方法和軟件冗余方法。硬件冗余方法需要增加測試設備，使系統復雜，成本高，所以多采用軟件冗余。軟件冗余方法可分為兩大類：一是基于控制系統解析模型的診斷方法；二是不依賴于解析模型的診斷方法，它又可分為基于信號處理的診斷方法和基于知識的診斷方法。

機械故障診斷是一個典型的信息融合過程，需要對機器運行過程中的多種信息進行綜合處理和協同分析。在實際應用中，機器特征信號(如振動、噪聲)和機器運行參數(如工作介質壓力、溫度)很多，都能反映機器運行的狀態。首先要對獲得的機器特征信號或機器運行參數進行特征提取，之后還需要對診斷特征進行壓縮或約簡，剔除不需要的特征，或對大量的特征進行簡化，從而大大減少診斷信息融合過程的計算工作量，提高故障診斷的效率。

對機械故障診斷系統而言，由于故障產生的機理不清楚，故障的表現形式不惟一，有時是含糊的，在提取故障特征時也時常有盲目性，從而導致了實際描述的機器狀態之間是不分明的。描述機器狀態的特征往往很多，有些特征是相關的，有些是獨立的。獨立的特征能提供互補信息，因而應加以保留；相關性特征產生冗余信息，同時會增加計算工作量，因而需要加以消除。

在現有的研究成果和公開文獻中，尚未發現在保證診斷精度大致不變的情況下，減少不確定因素，減少特征維數，降低計算工作量的機械設備故障診斷系統。

發明內容

發明目的。

本發明提出了一種機械設備故障診斷系統，保證診斷精度大致不變，減少不確定因素，減少特征維數，降低計算工作量。

本發明所采用的技術方案。

本發明提出的一種機械設備故障診斷系統，由感知元件、硬件/軟件系統、人機交互接口組成，感知元件與硬件/軟件系統相連，感知元件將信號傳輸給硬件/軟件系統，硬件/軟件系統與人機交互接口相連，人通過人機交互接口與硬件/軟件系統交互信息。

更進一步，感知元件動態檢測機械設備的特征信號，包括振動、噪聲。

更進一步，感知元件動態檢測機械設備的運行參數，包括工作介質壓力、溫度。

更進一步，硬件/軟件系統中的硬件部分完成信號處理，包括將模擬信號轉換為數字信號。

更進一步，硬件/軟件系統中的軟件部分采用粗糙集理論中的屬性約簡算法：

(1)構造信息表;

(2)按決策屬性對對象集進行分類，產生意想集K;

(3)計算全體屬性集C的分類質量γC(K);

(4)計算組合屬性集Q的分類質量γQ(K)，Q<C;

(5)r=min{Q，Q<C}，r就是原屬性集C的約簡。

其中，由狀態屬性集P所確定的不可分辨對象集稱為P單元集，由決策屬性集所確定的不可分辨對象集稱為意想。單元集表示根據狀態屬性(如癥狀等)對對象所做的一種分類結果，而意想則表示根據決策屬性對對象所做的分類結果，單元集和意想不一定完全相同。

更進一步，故障組成的對象集為U={e1,e2,e3,e4,e5…,e10},意想K={{e1,e2},{e3,e4},{e5,e6},{e7,e8},{e9,e10}},意想是根據故障類型劃分的。

本發明所產生的技術效果。

本發明經過多次實驗，得出硬件/軟件系統中的屬性約簡算法，減少不確定因素，減少特征維數，降低計算工作量，保證診斷精度大致不變。

附圖說明

圖1為本發明的機械設備故障診斷系統示意圖。

具體實施方式

實施例