亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        二維聯(lián)合模糊的液壓系統(tǒng)故障診斷專家系統(tǒng)

        2012-08-27 06:47:12羅天洪孫冬梅
        關(guān)鍵詞:征兆波包參量

        羅天洪,熊 鈺,孫冬梅

        (1.重慶大學(xué)經(jīng)濟(jì)與工商管理學(xué)院,重慶400030;2.重慶交通大學(xué)機(jī)電與汽車工程學(xué)院,重慶400074;3.中國石油勘探開發(fā)研究院采油采氣裝備研究所,北京100083)

        0 引言

        液壓系統(tǒng)因其獨(dú)特的優(yōu)點(diǎn)在日常生產(chǎn)中得到了廣泛的應(yīng)用。因?yàn)橐簤汗苈穬?nèi)油液流動(dòng)狀態(tài)、液壓件內(nèi)部的零件動(dòng)作、以及密封件的損壞等情況,一般是看不見摸不著的,所以給人們觀察分析帶來很多麻煩和困難[1]。目前的故障診斷專家系統(tǒng)大體分為兩類:一類是運(yùn)用模糊故障樹理論,由專家經(jīng)驗(yàn)構(gòu)建模糊評(píng)判矩陣,經(jīng)過模糊運(yùn)算,依據(jù)最大隸屬度原則判斷故障[2],該種方法人為因素對(duì)故障診斷結(jié)果影響太大;另一類是基于神經(jīng)網(wǎng)絡(luò),主要有BP網(wǎng)絡(luò)[3]和 RBF 網(wǎng)絡(luò)[4],但是這兩種神經(jīng)網(wǎng)絡(luò)過于簡(jiǎn)單,收斂性不足,對(duì)于比較復(fù)雜,龐大的系統(tǒng)而言,事倍功半。此外還有 GM(高斯)網(wǎng)絡(luò)[5]、SGA 網(wǎng)絡(luò)[6]、貝葉斯網(wǎng)絡(luò)[7]等。

        筆者提出的故障診斷專家系統(tǒng),基于對(duì)液壓系統(tǒng)特征參量的變化信號(hào)的采集,根據(jù)其攜帶的故障信息來對(duì)液壓系統(tǒng)故障評(píng)定。有以下幾個(gè)優(yōu)點(diǎn):

        1)能夠進(jìn)行實(shí)時(shí)故障診斷,且數(shù)據(jù)庫可擴(kuò)充。

        2)采用MATLAB小波包分析技術(shù),將傳感器采集的多種信號(hào)一體化處理[8-10],在專家系統(tǒng)給出評(píng)判結(jié)果的同時(shí),顯示出相關(guān)信號(hào)波形和頻率特性,讓具備一定知識(shí)能力的使用者根據(jù)專家系統(tǒng)說明書自行判斷故障,提高故障診斷的準(zhǔn)確性。

        3)本文診斷方法綜合了專家經(jīng)驗(yàn)、客觀數(shù)據(jù)和工況實(shí)際3方面因素對(duì)故障進(jìn)行多重評(píng)定[11],且給出的故障征兆隸屬度向量客觀合理,能準(zhǔn)確、快速找出故障發(fā)生原因。

        4)編程語言簡(jiǎn)單易懂,便于對(duì)使用人員的培訓(xùn),人機(jī)界面更加人性化。

        1 基本方法

        1.1 小波包分析

        小波分析源于信號(hào)分析,源于函數(shù)的伸縮和平移。它是Fourier分析、Gabor分析、短時(shí) Fourier分析發(fā)展的直接結(jié)果[8,11-12]。

        如果ψ(t)∈L2(R)的Fourier變換(w)滿足則定義ψ(t)為小波(基小波)函數(shù)。小波和它的Fourier變換(w)都是窗函數(shù),中心和半徑分別為t*,Δψ,ω*。小波函數(shù)有兩種操作:平移和伸縮,經(jīng)過這種操作后形成一小波函數(shù)族,其連續(xù)和離散形式分別如下:

        小波變換在下述時(shí)頻窗之內(nèi)提供了函數(shù)f(x)相同信息:

        當(dāng)有起重機(jī)液壓系統(tǒng)信號(hào)f(t)的離散采樣序列f(n),n=1,2,…,N,若以 f0(n)表示信號(hào)在尺度 j=0時(shí)的近似值,記為 c0,0(n)=f0(n),則 f(t)的離散二進(jìn)小波包變換由式(4)確定:

        由此得出小波包的重構(gòu)算法:

        式中:H*,G*分別為H,G的共軛轉(zhuǎn)置矩陣。

        首先采集起重機(jī)液壓系統(tǒng)各變量信號(hào),確定小波包分解的層次為3,進(jìn)行3層小波包分解。然后選擇適當(dāng)?shù)男〔ò纸庀禂?shù)并對(duì)系數(shù)進(jìn)行閥值量化,首次測(cè)量時(shí)需通過實(shí)驗(yàn)來重新定義。最后根據(jù)第3層的小波包分解系數(shù)和量化處理系數(shù)進(jìn)行小波包重構(gòu)。這樣采集到的起重機(jī)液壓系統(tǒng)各變量信號(hào)即完成了消噪處理,其帶有的信息更加準(zhǔn)確。常用小波包消噪函數(shù)ddencmp和wpdencmp,根據(jù)實(shí)際情況調(diào)節(jié)閥值大小,以獲得更好的消噪效果。函數(shù)使用如圖1。

        圖1 專家系統(tǒng)診斷程序Fig.1 Diagnosis program for an expert system

        1.2 模糊診斷

        設(shè)論域 U={u1,u2,…,un},V={v1,v2,…,vm},ω ={ω1,ω2,…,ωl},根據(jù) F 方程定義,若給定A∈μm×l,R∈μn×m,則可由公式[13]

        求得A經(jīng)過模糊運(yùn)算后的矩陣B∈μn×l。

        在工程中,如果評(píng)判對(duì)象的有關(guān)因素很多,很難合理地定出權(quán)數(shù)分配,即難以真實(shí)地反映各因素在整體中的地位,這時(shí)需采取多級(jí)評(píng)判。例如1個(gè)二級(jí)綜合評(píng)判模型如下:

        式中:Ri是第i類評(píng)判結(jié)果;B是類之間的綜合評(píng)判結(jié)果。

        若二級(jí)評(píng)判時(shí),各類所含因素仍很多,又可以在分類,進(jìn)行多級(jí)評(píng)判。

        模型1 主因素決定型M(∧,∨),它的結(jié)果只考慮最突出的因素,其他因素并不真正起作用。這種運(yùn)算容易出現(xiàn)評(píng)價(jià)結(jié)果不易分辨(即模型失效)的情況。

        對(duì)于同一對(duì)象集,按照模糊綜合評(píng)價(jià)模型的基本算法,采用不同的數(shù)學(xué)模型進(jìn)行計(jì)算,排序的結(jié)果可能有差別,這是符合客觀實(shí)際的。因?yàn)閷?duì)于同一事物,如果從不同的角度去觀察分析,其結(jié)論可能不同。所以在進(jìn)行實(shí)際問題的模糊綜合評(píng)價(jià)時(shí),可以同時(shí)采用4種模型分別得出不同的排序,然后進(jìn)行分析比較,如果用M(∧,∨)或者M(jìn)(·,+)計(jì)算的結(jié)果偏小時(shí),則選用M(∧,⊕)的結(jié)果;反之,如果用M(∧,∨)或者M(jìn)(·,+)計(jì)算的結(jié)果偏大時(shí),則選用M(·,∨)的結(jié)果。

        一般情況下,模型4比較精確,它適用于兼顧考慮整體因素的綜合評(píng)價(jià),而其他幾種都比較粗糙,適用于重點(diǎn)考慮主要因素的綜合評(píng)價(jià)。

        1.3 復(fù)雜樣本方差估計(jì)

        通過獨(dú)立隨機(jī)抽樣,獲得K個(gè)隨機(jī)樣本S1,S2,…,Sk。對(duì)于每個(gè)隨機(jī)組,構(gòu)造參數(shù)(總體目標(biāo)量)θ的一個(gè)估計(jì)量,分別記(α=1,2,…,k)。顯然,這k個(gè)估計(jì)量是獨(dú)立的。如果進(jìn)一步假定具有相同的均值 μ,并記[16]:

        故有:

        2 液壓系統(tǒng)故障模型及推理

        2.1 聯(lián)合權(quán)重分配法建立模糊矩陣

        在液壓系統(tǒng)故障模型建立的過程中,模糊矩陣元素的確定是一個(gè)難點(diǎn)問題,某個(gè)故障可以由多個(gè)原因引起,而某個(gè)原因可導(dǎo)致多種故障的發(fā)生。因此,通過聯(lián)合權(quán)重分配方法來確定模糊矩陣中的元素就顯得更有優(yōu)勢(shì)。聯(lián)合權(quán)重分配方法的主要步驟如下:

        1)由大量的現(xiàn)場(chǎng)實(shí)踐經(jīng)驗(yàn)數(shù)據(jù)來確定經(jīng)驗(yàn)隸屬度γij:

        3)根據(jù)工廠實(shí)踐,總結(jié)其中液壓系統(tǒng)各種故障發(fā)生的次數(shù),以及總的故障發(fā)生次數(shù),由此計(jì)算出工況故障發(fā)生概率Pi:

        4)根據(jù)上面3步所求得的初始隸屬度,有專家討論給出3個(gè)初始隸屬度不同的權(quán)重系數(shù) β1,β2,β3,其中(β1,β2,β3)> 0,且 β1+ β2+ β3=1。最后,由聯(lián)合權(quán)重分配法得出的隸屬度值矩陣為[18]:

        2.2 故障征兆隸屬度的獲取

        目前故障診斷專家系統(tǒng)基本上都是采用專家給出故障征兆的隸屬度,對(duì)于非專業(yè)人員來說,給出正確的故障征兆隸屬度變得非常困難,并且不同的人給出的隸屬度不同,診斷結(jié)果自然會(huì)多種多樣,人為因素極大地影響著診斷結(jié)果。為此,筆者提出以液壓系統(tǒng)特征參量變化為基礎(chǔ),經(jīng)過系列運(yùn)算給出相對(duì)客觀的故障征兆隸屬度向量的方法,具體步驟如下:

        1)采集液壓系統(tǒng)特征參數(shù)值。

        式中:x1,x2,x3,x4分別為系統(tǒng)壓力、流量、溫度、振動(dòng)信號(hào)。

        2)運(yùn)用復(fù)雜樣本方差估計(jì)理論,得出系統(tǒng)的特征參量變化情況:

        3)由專家給出各個(gè)參量的各種故障征兆中所占的重要度系數(shù)Kij,建立故障征兆與液壓系統(tǒng)特征參量之間的重要度矩陣K:

        式中:kil為第l類故障征兆對(duì)于第i種液壓系統(tǒng)特征參量的重要度系數(shù)。

        4)聯(lián)合求得故障征兆隸屬度向量 ^X。

        2.3 液壓系統(tǒng)故障評(píng)判

        綜合各種模型的優(yōu)缺點(diǎn),結(jié)合實(shí)際情況,選用綜合模糊判定中的模型4作為液壓系統(tǒng)故障診斷專家系統(tǒng)的綜合評(píng)價(jià),即加權(quán)平均型M(·,+)。

        將故障征兆隸屬度向量X與聯(lián)合權(quán)重分配法所得綜合模糊評(píng)判矩陣R經(jīng)過模型4運(yùn)算,得到故障隸屬度向量B:

        將B中元素與閥值向量Q比較,若bi≥qi(i=1,2,…,n),則認(rèn)定為故障。其中Q中元素qi為第i種故障發(fā)生時(shí)的閥值,由專家匯總根據(jù)工程實(shí)踐經(jīng)驗(yàn)得出。

        液壓系統(tǒng)故障診斷專家系統(tǒng)啟動(dòng)后,由用戶選中出現(xiàn)的故障征兆,再由各傳感器分別采集液壓系統(tǒng)參量信號(hào),用復(fù)雜樣本方差估計(jì)方法得出系統(tǒng)故障征兆隸屬度向量X,專家系統(tǒng)經(jīng)過推理機(jī)輸出初始診斷結(jié)果,同時(shí)經(jīng)過MATLAB小波分析以后,顯示出系統(tǒng)參量的信號(hào)頻譜圖。使用人員根據(jù)專家系統(tǒng)使用說明書,判斷系統(tǒng)可能故障,并觀察和專家系統(tǒng)給出的診斷結(jié)果是否一致,如果相同,則點(diǎn)擊“是”按鈕,系統(tǒng)會(huì)調(diào)用知識(shí)庫中與該故障相應(yīng)的信息,以及給出排除故障的方法和建議,一起輸出一張故障診斷報(bào)告,退出專家系統(tǒng);如果不一致,則點(diǎn)擊“否”按鈕,系統(tǒng)將會(huì)重新采集信號(hào),再次進(jìn)行診斷,直到輸出的診斷結(jié)果與打印機(jī)輸出的信息相匹配為止,輸出最終診斷結(jié)果報(bào)告,退出專家系統(tǒng)。液壓系統(tǒng)故障診斷專家系統(tǒng)診斷流程如圖2。

        3 應(yīng)用實(shí)例

        運(yùn)用VB6.0開發(fā)起重機(jī)液壓系統(tǒng)故障診斷專家系統(tǒng),以Access為工具建立專家系統(tǒng)數(shù)據(jù)庫。啟動(dòng)專家系統(tǒng),如圖3。

        圖3 專家系統(tǒng)啟動(dòng)界面Fig.3 Start interface of an expert system

        專家系統(tǒng)開始運(yùn)行,先由用戶選中故障征兆,接著,傳感器開始采集數(shù)據(jù),然后專家系統(tǒng)輸出故障診斷初始結(jié)果,如圖4。

        圖4 專家系統(tǒng)故障診斷報(bào)告Fig.4 Report about the fault diagnosis of an expert system

        同時(shí),MATLAB輸出液壓系統(tǒng)特征參量信號(hào)頻譜圖,作為故障診斷結(jié)果是否接受的參考,如圖5。

        圖5 MATLAB小波分析輸出信號(hào)頻譜Fig.5 Output spectrums analyzed by the wavelet using MATLAB

        圖5中4組曲線分別表示了系統(tǒng)的溫度、管道振動(dòng)、壓力和流量隨時(shí)間的變化情況。從圖中可以明顯看到系統(tǒng)的4個(gè)變量均超過了液壓系統(tǒng)的上限值,即圖中粗線所表示的位置。系統(tǒng)壓力脈動(dòng)超過最大允許值6 MPa,流量也呈現(xiàn)大的脈動(dòng)且超過限制,液壓系統(tǒng)管道引起共振,由此引發(fā)了液壓油升溫,超過了液壓系統(tǒng)正常工作狀態(tài)下溫度60℃,與專家系統(tǒng)診斷結(jié)果大體一致,因此,診斷結(jié)果被接受,退出專家系統(tǒng)。

        4 結(jié)論

        介紹以 Windows、Visual Basic 6.0語言作為軟件開發(fā)環(huán)境,開發(fā)的起重機(jī)液壓系統(tǒng)故障診斷專家系統(tǒng)。專家系統(tǒng)采用多種方法聯(lián)合診斷,大大提高了故障診斷的精確度,與以往的專家系統(tǒng)比較,具有以下幾個(gè)優(yōu)點(diǎn):

        1)起重機(jī)液壓系統(tǒng)特征參量信號(hào)攜帶了大量的信息,反映了系統(tǒng)工作的情況。融合MATLAB小波分析高級(jí)技術(shù),對(duì)特征參量信號(hào)處理,排除干擾因素,提高故障診斷的準(zhǔn)確性。

        2)運(yùn)用復(fù)雜系統(tǒng)樣本方差估計(jì)方法,給出系統(tǒng)故障征兆的隸屬度向量,客觀可信。

        3)采用聯(lián)合權(quán)重分配法建立系統(tǒng)故障模糊判定矩陣,以及運(yùn)用較為精確的加權(quán)平均型綜合評(píng)價(jià)算法,所得結(jié)果更精確。

        4)專家系統(tǒng)結(jié)構(gòu)化高,可擴(kuò)充、易移植和易維護(hù)的特點(diǎn),在不斷試驗(yàn)中,可以將系統(tǒng)擴(kuò)充為起重機(jī)所有系統(tǒng)故障診斷專家系統(tǒng)。

        [1] 張平格,楊志剛.液壓系統(tǒng)故障診斷專家系統(tǒng)研究[J].液壓與氣動(dòng),2010(5):22-23.

        Zhang Pingge,Yang Zhigang.Research on expert system for fault diagnoses of hydraulic system[J].Chinese Hydraulics& Pneumatics,2010(5):22-23.

        [2] 趙懿冠,蘇欣平.基于故障樹分析法的汽車起重機(jī)液壓系統(tǒng)故障診斷研究[J].液壓與氣動(dòng),2010(3):29-31.

        Zhao Yiguan,Su Xinping.Research on hydraulic fault diagnosis system of automobile crane based on fault tree analysis[J].Chinese Hydraulics& Pneumatics,2010(3):29-31.

        [3] 陳維,陳永革,趙強(qiáng).基于BP神經(jīng)網(wǎng)絡(luò)的裝備故障診斷專家系統(tǒng)研究[J].指揮控制與仿真,2008(4):35-38.

        Chen Wei,Chen Yongge,Zhao Qiang.Research on hydraulic fault diagnosis system of equipment based on the BP neural network[J].Command Control& Simulation,2008(4):35-38.

        [4] 李連峰.基于RBF網(wǎng)絡(luò)的游梁抽油機(jī)減速箱軸承故障診斷[J].科技資訊,2010(35):57-58.

        Li Lianfeng.Fault diagnosis of the reducer bearing of a beam pumper based on RBF network[J].Science& Technology Information,2010(35):57-58.

        [5] Verron S,Tiplica T,Kobi A.Fault diagnosis of industrial systems by conditional Gaussian network including a distance rejection criterion [J].Engineering Applications of Artificial Intelligence,2010(23):1229-1235.

        [6] Chen Chinsheng,Chen Jianshiu.Rotor fault diagnosis system based on SGA-based individual neural networks[J].Expert Systems with Applications,2011(38):10822-10830.

        [7] Verron S,Tiplica T,Kobi A.Fault detection with Bayesian network[J].Automation and Control,2008(b):341-356.

        [8] Wu Jianda,Liu Chiuhong.An expert system for fault diagnosis in internal combustion engines using wavelet packet transform and neural network [J].Expert Systems with Applications,2009(36):4278-4286.

        [9] 王紅君,劉冬生,岳有軍.基于小波分析和神經(jīng)網(wǎng)絡(luò)的電機(jī)故障診斷方法研究[J].電氣傳動(dòng),2010,40(3):70-71.

        Wang Hongjun,Liu Dongsheng,Yue Youjun.Study of the fault diagnosis method based on Wavelet time and frequency analysis and the neural network in the motor[J].Electric Drive,2010,40(3):70-71.

        [10] Zeng L,Jin N,Zhou S.Multiple fault signature integration and enhancing for variation source identification in manufacturing processes[J].IIE Transactions,2008,40(10):919-930.

        [11] Kong Z,Ceglarek D,Huang W.Multiple fault diagnosis method in multi-station assembly processes using orthogonal diagonalization analysis[J].ASME Transactions Journal of Manufacturing Science and Engineering,2008,130(1):11-14.

        [12] Wu J,Liu C.An expert system for fault diagnosis in internal combustion engines using wavelet packet transform and neural network[J].Expert System with Applications,2010(36):4278-4286.

        [13]楊綸標(biāo),高英儀.模糊數(shù)學(xué)原理及應(yīng)用[M].廣州:華南理工大學(xué)出版社,2008.

        [14]穆瑞.基于質(zhì)量功能配置和歐氏范數(shù)的產(chǎn)品方案評(píng)價(jià)[J].同濟(jì)大學(xué)學(xué)報(bào):自然科學(xué)版,2011,39(1):147-148.

        Mu Rui.Evaluating product scheme method based on QFD and Euclid norm [J].Journal of Tongji University:Natural Science,2011,39(1):147-148.

        [15] Du Shichang,Xi Lifeng.Fault diagnosis in assembly processes based on engineering-driven rules and PSOSAEN algorithm [J].Computers& Industrial Engineering,2011(60):77–88.

        [16]金勇進(jìn),謝佳斌.復(fù)雜樣本的方差估計(jì)——基于逆抽樣設(shè)計(jì)的方法[J].數(shù)據(jù),2009(11):58-59.

        Jin Yongjin,Xie Jiabin.Complex sample variance estimation based on inverse sampling design method [J].Academic World,2009(11):58-59.

        [17] Altab H,Ataur R.Power consumption prediction for an intelligent air-cushion track vehicle:Fuzzy Expert System[J].Journal of Energy and Power Engineering,2010,4(5):10-12.

        [18]李寧,郭化平,田鋮,等.參數(shù)測(cè)量法在裝備液壓系統(tǒng)故障診斷中的應(yīng)用[J].機(jī)床與液壓,2009(11):81-82.

        Li Ning,Guo Huaping,Tian Cheng,et al.The application of parameter measuring methods in the fault diagnosis of equipment hydraulic system[J].Machine Tool& Hydraulics,2009(11):81-82.

        猜你喜歡
        征兆波包參量
        基于小波包Tsallis熵和RVM的模擬電路故障診斷
        地震征兆
        地震征兆
        基于小波包變換的電力系統(tǒng)諧波分析
        小波包理論與圖像小波包分解
        環(huán)形光的形成與參量的依賴關(guān)系
        含雙參量的p-拉普拉斯邊值問題的多重解
        鎖定放大技術(shù)在參量接收陣中的應(yīng)用
        基于小波包的全信息解調(diào)方法及其應(yīng)用
        雙棱鏡干涉實(shí)驗(yàn)中的參量取值研究
        物理與工程(2011年1期)2011-03-25 10:02:45
        国产在线视频网站不卡| 久久精品人人做人人综合| 1000部精品久久久久久久久| 国内精品福利在线视频| 91精品国产综合久久国产| 久久成人国产精品一区二区| 国产97在线 | 中文| 亚洲熟妇无码久久精品疯| 亚洲一区二区三区在线观看| 男人的天堂手机版av| 国产精品泄火熟女| 国产精品久久国产精麻豆99网站| 成美女黄网站18禁免费| 一区二区三区av在线| 乱码av麻豆丝袜熟女系列| 亚洲精品自产拍在线观看| 午夜无码片在线观看影院y| 久久伊人精品中文字幕有| 国产丝袜美女一区二区三区| 精品性高朝久久久久久久| 91精品国产无码在线观看| 亚洲国产天堂久久综合网| 日本亚洲欧美色视频在线播放| 免费的毛片视频| 国产在线视频网站不卡| av网站在线观看入口| 国产高清在线精品一区| 国产精品综合久久久久久久免费| 亚洲国产高清一区av| 中文字幕在线日亚州9 | 日本高清一区二区三区水蜜桃 | 国产av麻豆精品第一页| 厨房人妻hd中文字幕| 婷婷成人基地| 亚洲女同系列高清在线观看 | 国产成人亚洲系列毛片| 亚洲成aⅴ人片久青草影院| 少妇太爽了在线观看免费视频| 一区二区三区午夜视频在线观看| 亚洲精选自偷拍一区二| 天美传媒一区二区|