人工智能方法在故障诊断中的应用与新发展

《人工智能方法在故障诊断中的应用与新发展》由会员上传分享，免费在线阅读，更多相关内容在工程资料-天天文库。

1、人工智能方法在故障诊断中的应用与新发展姜攀，侯国莲（华北电力大学自动化系，北京，102206）THEAPPLICATIONANDLATESTDEVELOPMENTSOFARTIFICIALINTELLIGENTTECHNIQUESINFAULTDIAGNOSISJIANGPan,HOUGuo-lian(DepartmentofAutomation,NorthChinaElectricPowerUniversity,Beijing,102206)ABSTRACT:Thefaultdiagnosis(FD)of

2、industryprocessisthekeyofefficientandnormaloperation.Withthedevelopmentofartificialintelligentmethods,intelligentfaultdiagnosishasbecomeaninevitabletrend・Thepaperfirstdescribedindetailavarietyofintelligentfaultdiagnosismethodsand【heirapplications・Fuzzytheo

3、ry,artificialneuralnetwork(ANN),geneticalgorithm(GA),supportvectormachine(SVM)andotherintelligentmethodswereprovidedinthepape匚Theirrespectiveadvantagesanddisadvantageswerealsopresented.Thenthepaperdiscussedthelatestdevelopmentsofintelligentfaultdiagnosisba

4、sedonthetraditionalmethods・Takethecaseofroughtheoryfuzzyclustering、datamining,theauthoralsoproposedthedevelopmentofFDmethods・ThispaperprovidesaneweffectiveapproachtotheintelligentFDmethods・KEYWORDS:Faultdiagnosis.Artificialintelligent^FuzzyneuralnetworksRo

5、ughsets,Datamining摘耍：故障诊断对丁•保证工业过程安全高效无故障运行具有重要意义。随若人工智能技术发展的不断完善，智能化技术应用于故障诊断已成为-•种必然趋势。本文首先阐述了各种科能化诊断方法在故障诊断方而的应用，重点介绍了基丁•模糊理论、神经网络、专家系统、遗传算法、支持向量机等几种人工科能的故障诊断方法，并比较了各自的优缺点。在传统方法的某础上讨论了基丁•人工利能的故障诊断方法的新进展，以粗糙集理论、模糊聚类、数据挖掘等为代表捉出了故障诊断方法的发展方向，为智能化故障诊断方法开辟了一条

6、新的有效途径。关键词：故障诊断，人工智能，模糊神经网络，粗糙集，数据挖掘中图分类号：TP13文献标识码：A1引言故障诊断技术最早起于20壯纪70年代，由于其在工业过程、发电机组、控制系统等其他领域的重要性，故障诊断的理论与应用越来越受到人们的关注。故障诊断技术至今己经历了三个阶段：第一阶段：基于人匸经验阶段。由于机器设备比较简单,故障诊断主要依靠专家或维修人员的感觉器官、个人经验及简单仪表就能胜任故障的诊断与排除工作；第二阶段：基于信号处理阶段。传感器技术、动态测试技术及信号分析技术的发展使得诊断技术在维修

7、工程和可靠性工程屮得到了广泛的应用；第三个发展阶段：智能化阶段。80年代以来，由于机器设备H趋复杂化、智能化及光机电一体化，传统的诊断技术己不能适应生产及工程要求，随看计算机技术、人工智能技术的发展，诊断技术进入了FI新月异的儕能化发展阶段［1］。本文将主要就基于人工智能的故障诊断方法进行论述。2基于人工智能的故障诊断方法的应用现状基于人工智能的故障诊断方法不需要知道被控对彖的精确模羽，能很好的应对不确定性和模糊性的随机故障。目前基于人工智能的故障诊断方法主要有以下几个方向：基于模糊的方法、基于神经网络的方

8、法、专家系统故障诊断方法、基于遗传算法、支持向量机的方法、基于数据挖掘的方法、基于图论的模型推理方法筹，以下是对儿种故障诊断方法的具体论述。2.1基于模糊的故障诊断方法在模糊诊断屮，各种故障征兆和故障成因之间都存在不同程度的因果关系，但表现在故障与征兆Z间并非存在一一对应的关系，故障征兆信息的随机性、模糊性加上某些信息的不确定性，造成了故障形式复杂多样性。这种模糊性和随机性往往不能用粹确的数学公式来描述，然而用模