智能故障诊断技术知识总结
一、绪论
□ 智能：
■ 智能的概念
智能是指能随内、外部条件的变化，具有运用知识解决问题和确定正确行为的能力。 ■ 低级智能和高级智能的概念
低级智能——感知环境、做出决策和控制行为
高级智能——不仅具有感知能力，更重要的是具有学习、分析、比较和推理能力，
能根据复杂环境变化做出正确决策和适应环境变化
■ 智能的三要素及其含义
三个基本要素：推理、学习、联想
推理——从一个或几个已知的判断（前提），逻辑地推断出一个新判断（结论）的
思维形式
学习——根据环境变化，动态地改变知识结构
联想——通过与其它知识的联系，能正确地认识客观事物和解决实际问题
□ 故障：
■ 故障的概念
故障是指设备在规定条件下不能完成其规定功能的一种状态。可分为以下几种情况：
1.设备在规定的条件下丧失功能；
2.设备的某些性能参数达不到设计要求，超出允许范围；
3.设备的某些零部件发生磨损、断裂、损坏等，致使设备不能正常工作；
4.设备工作失灵，或发生结构性破坏，导致严重事故甚至灾难性事故。
■ 故障的性质及其理解
1层次性——系统是有层次的，故障的产生对应于系统的不同层次表现出层次性。
一般可分为系统级、子系统级、部件级、元件级等多个层次；高层故
障可由低层故障引起，而低层故障必定引起高层故障。诊断时可采用
层次诊断模型和诊断策略。
2相关性——故障一般不会孤立存在，它们之间通常相互依存和相互影响，如系统
故障常常由相关联的子系统传播所致。表现为，一种故障可能对应多
种征兆，而一种征兆可能对应多种故障。这种故障与征兆间的复杂关
系导致了故障诊断的困难。
3随机性——故障的发生常常是一个与时间相关的随机过程，突发性故障的出现通
常都没有规律性，再加上某些信息的模糊性和不确定性，就构成了故
障的随机性。
4可预测性——设备大部分故障在出现之前通常有一定先兆，只要及时捕捉这些征
兆信息，就可以对故障进行预测和防范。
□ 故障诊断：
■ 故障诊断的概念
故障诊断就是对设备运行状态和异常情况做出判断。具体说来，就是在设备没有发生故障之前，要对设备的运行状态进行预测和预报；在设备发生故障之后，要对故障的原因、部位、类型、程度等做出判断；并进行维修决策。
■ 故障诊断的实质及其理解
故障诊断的实质——模式识别（分类）问题
■ 故障诊断的任务及其含义
故障检测：采用合适的观测方式、在合适部位测取特征信号，即信号测取；采用合
适的方法，从特征信号中提取状态征兆，即征兆提取
故障识别：采用合适的状态识别方法与装置，依据征兆而推理识别出设备的有关状
态，即状态识别
故障分离与估计：采用合适的状态趋势分析法，依据征兆与状态推理出状态的发展
趋势，即状态预测
故障评价与决策：采用合适的决策形成方法，依据有关的状态和趋势作出调整、控
制、维修等，即干预决策
□ 智能故障诊断：
■ 智能故障诊断的概念
智能故障诊断是人工智能和故障诊断相结合的产物，主要体现在诊断过程中领域专家知识和人工智能技术的运用。它是一个由人（尤其是领域专家）、能模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。 □ 智能故障诊断的研究方法：
■ 基于知识的研究方法
基于知识的研究方法：不需要对象的精确数学模型，而是根据人们长期的实践经验和大量的
故障信息设计出一套智能计算机程序，以此来解决复杂故障诊断问题。
模糊故障诊断
专家系统故障诊断
神经网络故障诊断
信息融合故障诊断
智能体故障诊断
集成化故障诊断
网络化故障诊断
二、智能故障诊断的构成
□ 基本结构：
■ 智能故障诊断系统的基本结构
两大部分：故障检测与诊断、故障容错控制
智能故障诊断与容错控制的基本结构
■ 智能故障检测与诊断模块的主要任务和基本要求
故障检测与诊断：就是从监控对象中适时准确地检测出故障信息，并对故障产生的
原因、部位、类型、程度及其发展做出判断。
其主要任务通常包含以下几个方面的内容：
1. 获取故障信息；
2. 寻找故障源，确定故障的位置、大小、类型及原因；
3. 评价故障的影响程度，预测故障的发展趋势；
4. 对检测诊断结果做出处理和决策。
基本要求包括以下几方面：
1） 对故障具有强检测能力
故障检测能力的强弱，一方面反映了检测诊断模块对故障的检测能力，另一方面也直接影响故障诊断的效果
对弱故障信号和早期故障信号，故障检测能力尤为重要
2） 对故障具有强诊断能力
能综合运用多种信息和多种诊断方法，以灵活的诊断策略来解决诊断问题；
能通过使用专家的经验，而尽量避开信号处理方面复杂的实时计算；
能处理带有错误的信息和不确定性信息，从而相对降低对测试仪器和工作环境的要求。
3） 尽量采用模块化结构
结构应当模块化，使之可以方便地调用其他应用程序
如维修咨询子模块、模拟故障诊断子模块等
4） 具有人机交互诊断功能
现代设备的复杂性，要求综合运用多种知识源（浅、深知识）来求解复杂问题
用户适当地实时参与，将使诊断速度更快、准确性更高
用户参与有主动和被动两种方式：主动参与可干预和引导推理过程；被动参与只回答提问，而不干预推理过程
5） 具有多种诊断信息获取的途径
获取的诊断信息越丰富，则诊断效果越好
首先，应具有自动获取状态信息（当前、历史）的功能
其次，应能通过人机交互获取状态信息
6） 对问题求解应当实时和准确
实时：一旦发现故障迹象，应立即开始诊断工作
准确：输出结果应当细致明了，对于并发故障允许输出多个诊断解，对于同一
故障则只有一个诊断解，对于征兆不完备情况应输出按权值排序的多个候选
故障解
7）具有学习功能
现代设备的复杂性以及新知识的不断涌现，导致专家现有知识的不足
要求系统具有被动和主动（自学习）获取新知识的能力
8）具有预测能力
应能预测故障的发生和发展，以便在故障没有发生之前采取措施，将故障消
灭在萌芽状态，使损失减为最小
9）具有决策能力
故障出现前，应能提前预测故障
故障出现后，应能对故障做出决策并提供维护方案
□ 构成原理：
■ 故障检测与诊断的常用方法
1）基于数学模型的故障检测与诊断方法
特点是必须将故障数学模型化，有时建立模型很困难
不依赖实例和经验，适用于新的没有成熟经验的诊断
2）基于参数估计的故障检测与诊断方法
特点是须先确定一个信任域，当参数超出域时认为故障
适用于故障能由参数的显著变化来描述的诊断
3）基于信号处理的故障检测与诊断方法
通过对检测信号的分析处理，利用特征信号对故障进行识别和诊断。典型方
法：小波变换、模态分解等
4）基于知识的故障检测与诊断方法
不需精确的数学模型，能模拟人的思维过程，具有自学习、自组织、自推理
能力
5）基于实例的故障检测与诊断方法
是一种使用过去的经验实例指导解决新问题的方法
优点是不需从实例中提取规则，求解快；不足是能搜集的实例是有限的，求
解时可能出现误诊或漏诊
6）基于模糊理论的故障检测与诊断方法
征兆的描述、故障与征兆的关系往往具有模糊特性，模糊语言变量能更准确
地表示这种模糊性的征兆和故障
问题在于知识获取困难：如何确定故障与征兆间的模糊规则；如何实现模糊
语言变量与隶属度间的推理转换
7）基于神经网络的故障检测与诊断方法
利用神经网络的联想、推理和记忆能力进行知识处理
适用于复杂多模式的诊断，有离线和在线诊断两种方式
■ 智能故障诊断中的机器学习策略及其理解
简单学习：
文献、专家和资料所描述的关于诊断对象的结构、功能、运行约束条件等知识，机械学习机制为主；
主要用于元知识学习阶段
交互学习：
知识工程师或诊断对象处理过的知识，讲授学习机制为主；
主要用于领域知识学习和知识库丰富阶段
独立学习：
推理策略面对的新知识，归纳学习机制为主；
主要用于诊断能力改善阶段
□ 构成方法：
■ 智能故障诊断系统的设计要求
智能故障诊断系统的设计，一般应满足以下要求：
1）满足故障诊断的实际需要；
主要指标有故障诊断率、诊断结果准确率、系统可靠性和投资效益比等，一
般需分阶段实现系统目标。
2）建立适应不同诊断对象的知识库；
智能故障诊断系统是基于知识的，以知识处理为研究内容，知识库的建立是
保证诊断结果正确性的前提。
3）能自动获取征兆；
征兆的自动获取是实现故障诊断智能化的重要环节。将征兆获取从用户交给
计算机，既可减少人为差错、提高诊断准确率，又可减轻操作要求、提高系
统可接受性。
4）诊断和推理方法应符合故障诊断要求；
应从征兆出发去诊断故障，征兆对故障的肯定和否定程度，是故障诊断的根
本依据。因此，知识表示和不精确推理应当充分反映故障诊断的特点。
5）能实现计算机自动诊断；
完成系统的方案设计后，用计算机进行系统的实际开发，可以使故障诊断易
于实现，并获得最佳效果。
6）系统要经过严格的测试和考核。
一方面，开发进度的加快导致测试时间减少；另一方面，系统一般是由缺少
现场经验的人员研制的。
经实验室模拟测试、现场测试后，才能投入实际应用。
三、智能故障诊断的控制方案
□ 几种控制方案的基本原理
■ 基于状态反馈、基于多模冗余、基于功能模块、基于神经网络、基于专家系统的控制方
案
□基于专家系统的控制方案
■ 结构、原理
控制方案：知识库存放领域专家知识；数据库存放监控对象原始数据、故障特征数
据等；推理机按一定的推理规则，对监控对象进行故障识别、估计和决
策，根据故障性质采取相应策略进行容错控制。
■ 推理过程和推理机的概念，推理策略及其理解
推理：就是对故障进行识别和容错控制
推理过程：就是将数据库中的事实与知识库中的规则进行匹配的过程
推理机：实际上就是实现推理过程的一种智能程序
推理方法：正向推理、反向推理、正反向混合推理
基于数据驱动的正向推理策略：推理过程较慢，适用于搜索空间较小的知识库；
基于目标驱动的反向推理策略、正反向混合的双向推理策略：推理效率较高，适用于搜索空间较大的知识库或在线故障诊断。
■ 知识的分类及其理解
1）原型知识：
原型知识是领域专家指出的故障集和征兆集这两个集合之间存在的确定的映射关系“征兆族 故障”
生成的诊断知识可由规则或框架表示
它是故障诊断必备的知识，也是推理机工作的基础
2）关联知识：
关联知识是描述故障传播特性的知识
生成的诊断知识一般由规则来表示
它表征了诊断系统内部的状态联系，构成了诊断问题的求解路径，引导诊断向纵深推进直到故障的位置和原因
3）权重知识：
权重知识是领域专家对故障间关系及证据可靠度的认识
它可以有目的地引导诊断过程的进行，提高诊断效率
■ 对象的分解及其理解
1）结构分解：从结构上对系统进行分解，把系统的总体结构分解为下一层的子结构，直到最低层次的零部件
最终可确定系统故障的物理位置，但难以表达子系统间的相互关系，难以反映由联系劣化所引起的故障
2）功能分解：从功能上对监控对象进行分解，把系统的总体功能分解为下一层次的子功能，直到最低层次的基本功能
无论子系统或与其相联系的故障都能在功能层次中反映出来，但最终确定的诊断结果是系统劣化的功能模块
3）故障分解：从故障类型上对监控对象进行分解，下层总是上层的特例、而上层则
是下层的概括，直到最具体的故障
可反映出所有类型的故障，但难以确定故障的物理位置
综合分解原则：在高层采用结构和功能分解，减少分类过程的搜索量；在中间和低
层采用故障分解，与诊断目的一致
四、智能故障诊断的控制策略
□ 瞬时故障的消除：
■ 几种常见的瞬时故障消除策略
1）循环采样技术：将信号的一次采样改为循环采样，通过对采集数据的类比分析，消除瞬时故障
2）自动补偿技术：采用特殊结构和特殊装置组成补偿器，抵消瞬时故障影响，如温度补偿器
3）自动切换技术：设备运行中出现瞬时过载等不安全情况时，使设备有关部分或全部停止运行，消除瞬时故障影响和保护设备，如切换开关、熔断器
4）阻尼技术：设备运行中出现过载物理量时，对其加以限制或衰减，消除瞬时故障影响，如电感器抑制过电压、减震器吸收振动冲击等
5）旁路技术：把瞬时过载能量或不需要的物理量从旁路泄走，如低阻通路将瞬时过载电能旁路到大地、过流阀旁路掉液压或气动系统能量等
6）屏蔽技术：把瞬时故障的效应屏蔽起来，以消除瞬时故障的影响，如碳纤维或形状记忆合金等
7）隔离技术：通过设计瞬时故障隔离器来消除瞬时故障的影响，如电磁隔离等 □ 多模块并行诊断策略：
■ 概念或原理
即对同一种故障信息，用不同的诊断模块进行识别，若结果相同或基本相同，则认为诊断成功，并根据故障性质和故障特征，调用相应的容错模块对故障进行容错控制；若诊断结果差异较大，则可采用表决方法对结果做出判断。
■ 单输出对象：模型区域划分、模型切换、避免切换震荡
模型区域划分：
仅根据控制器输出所在的一维区域，划分为有代表性的不同工作区段。
模型切换：
根据期望控制器输出判断下一时刻系统处在哪个子模型控制器的控制域内，以此切换模型。
避免切换振荡：
扩大训练域冗余，使相邻训练域相互重叠；
在总的工作范围内离线训练一个网络模型，作为过渡过程使用。
■ 多输出对象：模型区域划分、模型切换
模型区域划分：
不能仅根据控制器输出所在的一维区域进行划分，可以通过聚类方法划分样本空间进行子模型训练。
模型切换：
选择包括当前系统状态的子模型作为控制器；
将当前输入与各子模型工作空间的隶属度作为权值，各子模型都对输出进行加权贡献。
五、智能故障诊断的实现方法
□ 故障信号检测：
■ 可预测故障和不可预测故障的概念
1）可预测故障：是指那些可预先知道的故障。故障发生前通常都有一定征兆，只要及时捕捉这些征兆信息并采取相应措施，就可预防故障。渐发性故障是一种最常见的可预测故障。
2）不可预测故障：是指那些不可预先知道，但会影响设备正常工作的故障。突发性故障是其中最典型的一种。
可预测故障通常有一定规律性，易于检测和防范；不可预测故障具有随机性，且常对设备造成严重危害，是故障诊断研究的主要对象。
■ 故障的判断标准
1）绝对标准：在设备的同一部位、按一定要求测得的表现设备状态的值，与某种相应判断标准相比较，以评定设备的状态。
2）相对标准：对设备的同一部位、同一工况、同一测量值，用相同方法进行定期测取，按时间先后将实测值与正常状态下的初始值进行比较来判断。
3）类比标准：若有多台机型相同、规格相同的设备，在相同条件下用相同方法进行测定，通过相互比较来评定设备的状态。
■ 微弱信号检测的概念
微弱信号检测：分析噪声产生的原因和规律，研究被测信号的特点和相关性，检测被噪声淹没的微弱有用信号、或从强噪声中提取有用信号、或采用其他新技术和新方法来提高检测系统输出信号的信噪比。
■ 早期故障的主要特点及其理解
1）早期故障信号很微弱：早期故障属于轻微故障，其故障信号分量通常很小，不易察觉；
2）早期故障信号表征不明显：早期故障信号的幅值、相位、时频特性等变化很小，表征很不明显；
3）早期故障信号容易被噪声信号淹没：由于噪声信号通常会夹杂在故障信号中，当故障信号很弱时噪声信号就相对较强，早期故障信号常被噪声信号所淹没，具有很大的隐蔽性。
□ 故障特征识别：
■ 故障识别的内容
1）正确选择与设备状态有关的特征信号
特征信号是指与设备功能紧密相关的、最有用的、能代表设备运行状态的信号
应根据不同监控对象，选取最能反映其运行状态的那部分信息作为特征信号 选择特征信号依据：经济性好、信息量大、敏感度高
2）正确地从特征信号中提取征兆
对特征信号进行处理，提取出与设备状态相关的、能直接用于诊断的征兆信息
3）正确地根据征兆对设备进行状态识别
征兆是故障诊断的基本信息
采用合适的故障诊断理论与方法对征兆加以处理，对不同的设备状态进行模式识别
4）正确地根据识别结果对设备进行状态诊断
有故障时，分析故障的位置、类型、性质、原因与趋势——故障定位
无故障时，分析状态趋势，预计未来情况——故障预测
5）正确地根据状态诊断对设备进行干预决策
干预设备及其工作进程，保证设备安全可靠高效运行
■ 故障识别的内容
故障识别过程可分为以下四步进行：
1）特征信号检测
2）征兆信息提取
3）设备状态识别
4）故障维修决策
原始信号特征信号征兆信号
■ 组合思维的概念、基于组合思维的识别方法
专家系统知识处理模拟的是人的逻辑思维，神经网络知识处理模拟的是人的经验思维，将逻辑思维、经验思维和创造性思维集成在一起，就形成组合思维
首先用经验思维进行识别；当经验思维无法解决问题时，转向高一层的逻辑思维；当逻辑思维也无法解决复杂问题时，转向更高一层的创造性思维，即通过提出新的假设，经过检验后再发现新理论和解决问题的新方法
考试说明
□ 考试方式：
■ 闭卷，试卷成绩60%，平时成绩40%
□ 考试题型：
■ 一、名次解释：6题，5分/题，共30分
■ 二、简答：8题，3题10分、5题8分，共70分
□ 考试时间：
■ 第10周周四（5月2日）下午14:30-16:30
□ 考试要求：
■
严禁一切作弊行为
智能故障诊断技术知识总结
一、绪论
□ 智能：
■ 智能的概念
智能是指能随内、外部条件的变化，具有运用知识解决问题和确定正确行为的能力。 ■ 低级智能和高级智能的概念
低级智能——感知环境、做出决策和控制行为
高级智能——不仅具有感知能力，更重要的是具有学习、分析、比较和推理能力，
能根据复杂环境变化做出正确决策和适应环境变化
■ 智能的三要素及其含义
三个基本要素：推理、学习、联想
推理——从一个或几个已知的判断（前提），逻辑地推断出一个新判断（结论）的
思维形式
学习——根据环境变化，动态地改变知识结构
联想——通过与其它知识的联系，能正确地认识客观事物和解决实际问题
□ 故障：
■ 故障的概念
故障是指设备在规定条件下不能完成其规定功能的一种状态。可分为以下几种情况：
1.设备在规定的条件下丧失功能；
2.设备的某些性能参数达不到设计要求，超出允许范围；
3.设备的某些零部件发生磨损、断裂、损坏等，致使设备不能正常工作；
4.设备工作失灵，或发生结构性破坏，导致严重事故甚至灾难性事故。
■ 故障的性质及其理解
1层次性——系统是有层次的，故障的产生对应于系统的不同层次表现出层次性。
一般可分为系统级、子系统级、部件级、元件级等多个层次；高层故
障可由低层故障引起，而低层故障必定引起高层故障。诊断时可采用
层次诊断模型和诊断策略。
2相关性——故障一般不会孤立存在，它们之间通常相互依存和相互影响，如系统
故障常常由相关联的子系统传播所致。表现为，一种故障可能对应多
种征兆，而一种征兆可能对应多种故障。这种故障与征兆间的复杂关
系导致了故障诊断的困难。
3随机性——故障的发生常常是一个与时间相关的随机过程，突发性故障的出现通
常都没有规律性，再加上某些信息的模糊性和不确定性，就构成了故
障的随机性。
4可预测性——设备大部分故障在出现之前通常有一定先兆，只要及时捕捉这些征
兆信息，就可以对故障进行预测和防范。
□ 故障诊断：
■ 故障诊断的概念
故障诊断就是对设备运行状态和异常情况做出判断。具体说来，就是在设备没有发生故障之前，要对设备的运行状态进行预测和预报；在设备发生故障之后，要对故障的原因、部位、类型、程度等做出判断；并进行维修决策。
■ 故障诊断的实质及其理解
故障诊断的实质——模式识别（分类）问题
■ 故障诊断的任务及其含义
故障检测：采用合适的观测方式、在合适部位测取特征信号，即信号测取；采用合
适的方法，从特征信号中提取状态征兆，即征兆提取
故障识别：采用合适的状态识别方法与装置，依据征兆而推理识别出设备的有关状
态，即状态识别
故障分离与估计：采用合适的状态趋势分析法，依据征兆与状态推理出状态的发展
趋势，即状态预测
故障评价与决策：采用合适的决策形成方法，依据有关的状态和趋势作出调整、控
制、维修等，即干预决策
□ 智能故障诊断：
■ 智能故障诊断的概念
智能故障诊断是人工智能和故障诊断相结合的产物，主要体现在诊断过程中领域专家知识和人工智能技术的运用。它是一个由人（尤其是领域专家）、能模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。 □ 智能故障诊断的研究方法：
■ 基于知识的研究方法
基于知识的研究方法：不需要对象的精确数学模型，而是根据人们长期的实践经验和大量的
故障信息设计出一套智能计算机程序，以此来解决复杂故障诊断问题。
模糊故障诊断
专家系统故障诊断
神经网络故障诊断
信息融合故障诊断
智能体故障诊断
集成化故障诊断
网络化故障诊断
二、智能故障诊断的构成
□ 基本结构：
■ 智能故障诊断系统的基本结构
两大部分：故障检测与诊断、故障容错控制
智能故障诊断与容错控制的基本结构
■ 智能故障检测与诊断模块的主要任务和基本要求
故障检测与诊断：就是从监控对象中适时准确地检测出故障信息，并对故障产生的
原因、部位、类型、程度及其发展做出判断。
其主要任务通常包含以下几个方面的内容：
1. 获取故障信息；
2. 寻找故障源，确定故障的位置、大小、类型及原因；
3. 评价故障的影响程度，预测故障的发展趋势；
4. 对检测诊断结果做出处理和决策。
基本要求包括以下几方面：
1） 对故障具有强检测能力
故障检测能力的强弱，一方面反映了检测诊断模块对故障的检测能力，另一方面也直接影响故障诊断的效果
对弱故障信号和早期故障信号，故障检测能力尤为重要
2） 对故障具有强诊断能力
能综合运用多种信息和多种诊断方法，以灵活的诊断策略来解决诊断问题；
能通过使用专家的经验，而尽量避开信号处理方面复杂的实时计算；
能处理带有错误的信息和不确定性信息，从而相对降低对测试仪器和工作环境的要求。
3） 尽量采用模块化结构
结构应当模块化，使之可以方便地调用其他应用程序
如维修咨询子模块、模拟故障诊断子模块等
4） 具有人机交互诊断功能
现代设备的复杂性，要求综合运用多种知识源（浅、深知识）来求解复杂问题
用户适当地实时参与，将使诊断速度更快、准确性更高
用户参与有主动和被动两种方式：主动参与可干预和引导推理过程；被动参与只回答提问，而不干预推理过程
5） 具有多种诊断信息获取的途径
获取的诊断信息越丰富，则诊断效果越好
首先，应具有自动获取状态信息（当前、历史）的功能
其次，应能通过人机交互获取状态信息
6） 对问题求解应当实时和准确
实时：一旦发现故障迹象，应立即开始诊断工作
准确：输出结果应当细致明了，对于并发故障允许输出多个诊断解，对于同一
故障则只有一个诊断解，对于征兆不完备情况应输出按权值排序的多个候选
故障解
7）具有学习功能
现代设备的复杂性以及新知识的不断涌现，导致专家现有知识的不足
要求系统具有被动和主动（自学习）获取新知识的能力
8）具有预测能力
应能预测故障的发生和发展，以便在故障没有发生之前采取措施，将故障消
灭在萌芽状态，使损失减为最小
9）具有决策能力
故障出现前，应能提前预测故障
故障出现后，应能对故障做出决策并提供维护方案
□ 构成原理：
■ 故障检测与诊断的常用方法
1）基于数学模型的故障检测与诊断方法
特点是必须将故障数学模型化，有时建立模型很困难
不依赖实例和经验，适用于新的没有成熟经验的诊断
2）基于参数估计的故障检测与诊断方法
特点是须先确定一个信任域，当参数超出域时认为故障
适用于故障能由参数的显著变化来描述的诊断
3）基于信号处理的故障检测与诊断方法
通过对检测信号的分析处理，利用特征信号对故障进行识别和诊断。典型方
法：小波变换、模态分解等
4）基于知识的故障检测与诊断方法
不需精确的数学模型，能模拟人的思维过程，具有自学习、自组织、自推理
能力
5）基于实例的故障检测与诊断方法
是一种使用过去的经验实例指导解决新问题的方法
优点是不需从实例中提取规则，求解快；不足是能搜集的实例是有限的，求
解时可能出现误诊或漏诊
6）基于模糊理论的故障检测与诊断方法
征兆的描述、故障与征兆的关系往往具有模糊特性，模糊语言变量能更准确
地表示这种模糊性的征兆和故障
问题在于知识获取困难：如何确定故障与征兆间的模糊规则；如何实现模糊
语言变量与隶属度间的推理转换
7）基于神经网络的故障检测与诊断方法
利用神经网络的联想、推理和记忆能力进行知识处理
适用于复杂多模式的诊断，有离线和在线诊断两种方式
■ 智能故障诊断中的机器学习策略及其理解
简单学习：
文献、专家和资料所描述的关于诊断对象的结构、功能、运行约束条件等知识，机械学习机制为主；
主要用于元知识学习阶段
交互学习：
知识工程师或诊断对象处理过的知识，讲授学习机制为主；
主要用于领域知识学习和知识库丰富阶段
独立学习：
推理策略面对的新知识，归纳学习机制为主；
主要用于诊断能力改善阶段
□ 构成方法：
■ 智能故障诊断系统的设计要求
智能故障诊断系统的设计，一般应满足以下要求：
1）满足故障诊断的实际需要；
主要指标有故障诊断率、诊断结果准确率、系统可靠性和投资效益比等，一
般需分阶段实现系统目标。
2）建立适应不同诊断对象的知识库；
智能故障诊断系统是基于知识的，以知识处理为研究内容，知识库的建立是
保证诊断结果正确性的前提。
3）能自动获取征兆；
征兆的自动获取是实现故障诊断智能化的重要环节。将征兆获取从用户交给
计算机，既可减少人为差错、提高诊断准确率，又可减轻操作要求、提高系
统可接受性。
4）诊断和推理方法应符合故障诊断要求；
应从征兆出发去诊断故障，征兆对故障的肯定和否定程度，是故障诊断的根
本依据。因此，知识表示和不精确推理应当充分反映故障诊断的特点。
5）能实现计算机自动诊断；
完成系统的方案设计后，用计算机进行系统的实际开发，可以使故障诊断易
于实现，并获得最佳效果。
6）系统要经过严格的测试和考核。
一方面，开发进度的加快导致测试时间减少；另一方面，系统一般是由缺少
现场经验的人员研制的。
经实验室模拟测试、现场测试后，才能投入实际应用。
三、智能故障诊断的控制方案
□ 几种控制方案的基本原理
■ 基于状态反馈、基于多模冗余、基于功能模块、基于神经网络、基于专家系统的控制方
案
□基于专家系统的控制方案
■ 结构、原理
控制方案：知识库存放领域专家知识；数据库存放监控对象原始数据、故障特征数
据等；推理机按一定的推理规则，对监控对象进行故障识别、估计和决
策，根据故障性质采取相应策略进行容错控制。
■ 推理过程和推理机的概念，推理策略及其理解
推理：就是对故障进行识别和容错控制
推理过程：就是将数据库中的事实与知识库中的规则进行匹配的过程
推理机：实际上就是实现推理过程的一种智能程序
推理方法：正向推理、反向推理、正反向混合推理
基于数据驱动的正向推理策略：推理过程较慢，适用于搜索空间较小的知识库；
基于目标驱动的反向推理策略、正反向混合的双向推理策略：推理效率较高，适用于搜索空间较大的知识库或在线故障诊断。
■ 知识的分类及其理解
1）原型知识：
原型知识是领域专家指出的故障集和征兆集这两个集合之间存在的确定的映射关系“征兆族 故障”
生成的诊断知识可由规则或框架表示
它是故障诊断必备的知识，也是推理机工作的基础
2）关联知识：
关联知识是描述故障传播特性的知识
生成的诊断知识一般由规则来表示
它表征了诊断系统内部的状态联系，构成了诊断问题的求解路径，引导诊断向纵深推进直到故障的位置和原因
3）权重知识：
权重知识是领域专家对故障间关系及证据可靠度的认识
它可以有目的地引导诊断过程的进行，提高诊断效率
■ 对象的分解及其理解
1）结构分解：从结构上对系统进行分解，把系统的总体结构分解为下一层的子结构，直到最低层次的零部件
最终可确定系统故障的物理位置，但难以表达子系统间的相互关系，难以反映由联系劣化所引起的故障
2）功能分解：从功能上对监控对象进行分解，把系统的总体功能分解为下一层次的子功能，直到最低层次的基本功能
无论子系统或与其相联系的故障都能在功能层次中反映出来，但最终确定的诊断结果是系统劣化的功能模块
3）故障分解：从故障类型上对监控对象进行分解，下层总是上层的特例、而上层则
是下层的概括，直到最具体的故障
可反映出所有类型的故障，但难以确定故障的物理位置
综合分解原则：在高层采用结构和功能分解，减少分类过程的搜索量；在中间和低
层采用故障分解，与诊断目的一致
四、智能故障诊断的控制策略
□ 瞬时故障的消除：
■ 几种常见的瞬时故障消除策略
1）循环采样技术：将信号的一次采样改为循环采样，通过对采集数据的类比分析，消除瞬时故障
2）自动补偿技术：采用特殊结构和特殊装置组成补偿器，抵消瞬时故障影响，如温度补偿器
3）自动切换技术：设备运行中出现瞬时过载等不安全情况时，使设备有关部分或全部停止运行，消除瞬时故障影响和保护设备，如切换开关、熔断器
4）阻尼技术：设备运行中出现过载物理量时，对其加以限制或衰减，消除瞬时故障影响，如电感器抑制过电压、减震器吸收振动冲击等
5）旁路技术：把瞬时过载能量或不需要的物理量从旁路泄走，如低阻通路将瞬时过载电能旁路到大地、过流阀旁路掉液压或气动系统能量等
6）屏蔽技术：把瞬时故障的效应屏蔽起来，以消除瞬时故障的影响，如碳纤维或形状记忆合金等
7）隔离技术：通过设计瞬时故障隔离器来消除瞬时故障的影响，如电磁隔离等 □ 多模块并行诊断策略：
■ 概念或原理
即对同一种故障信息，用不同的诊断模块进行识别，若结果相同或基本相同，则认为诊断成功，并根据故障性质和故障特征，调用相应的容错模块对故障进行容错控制；若诊断结果差异较大，则可采用表决方法对结果做出判断。
■ 单输出对象：模型区域划分、模型切换、避免切换震荡
模型区域划分：
仅根据控制器输出所在的一维区域，划分为有代表性的不同工作区段。
模型切换：
根据期望控制器输出判断下一时刻系统处在哪个子模型控制器的控制域内，以此切换模型。
避免切换振荡：
扩大训练域冗余，使相邻训练域相互重叠；
在总的工作范围内离线训练一个网络模型，作为过渡过程使用。
■ 多输出对象：模型区域划分、模型切换
模型区域划分：
不能仅根据控制器输出所在的一维区域进行划分，可以通过聚类方法划分样本空间进行子模型训练。
模型切换：
选择包括当前系统状态的子模型作为控制器；
将当前输入与各子模型工作空间的隶属度作为权值，各子模型都对输出进行加权贡献。
五、智能故障诊断的实现方法
□ 故障信号检测：
■ 可预测故障和不可预测故障的概念
1）可预测故障：是指那些可预先知道的故障。故障发生前通常都有一定征兆，只要及时捕捉这些征兆信息并采取相应措施，就可预防故障。渐发性故障是一种最常见的可预测故障。
2）不可预测故障：是指那些不可预先知道，但会影响设备正常工作的故障。突发性故障是其中最典型的一种。
可预测故障通常有一定规律性，易于检测和防范；不可预测故障具有随机性，且常对设备造成严重危害，是故障诊断研究的主要对象。
■ 故障的判断标准
1）绝对标准：在设备的同一部位、按一定要求测得的表现设备状态的值，与某种相应判断标准相比较，以评定设备的状态。
2）相对标准：对设备的同一部位、同一工况、同一测量值，用相同方法进行定期测取，按时间先后将实测值与正常状态下的初始值进行比较来判断。
3）类比标准：若有多台机型相同、规格相同的设备，在相同条件下用相同方法进行测定，通过相互比较来评定设备的状态。
■ 微弱信号检测的概念
微弱信号检测：分析噪声产生的原因和规律，研究被测信号的特点和相关性，检测被噪声淹没的微弱有用信号、或从强噪声中提取有用信号、或采用其他新技术和新方法来提高检测系统输出信号的信噪比。
■ 早期故障的主要特点及其理解
1）早期故障信号很微弱：早期故障属于轻微故障，其故障信号分量通常很小，不易察觉；
2）早期故障信号表征不明显：早期故障信号的幅值、相位、时频特性等变化很小，表征很不明显；
3）早期故障信号容易被噪声信号淹没：由于噪声信号通常会夹杂在故障信号中，当故障信号很弱时噪声信号就相对较强，早期故障信号常被噪声信号所淹没，具有很大的隐蔽性。
□ 故障特征识别：
■ 故障识别的内容
1）正确选择与设备状态有关的特征信号
特征信号是指与设备功能紧密相关的、最有用的、能代表设备运行状态的信号
应根据不同监控对象，选取最能反映其运行状态的那部分信息作为特征信号 选择特征信号依据：经济性好、信息量大、敏感度高
2）正确地从特征信号中提取征兆
对特征信号进行处理，提取出与设备状态相关的、能直接用于诊断的征兆信息
3）正确地根据征兆对设备进行状态识别
征兆是故障诊断的基本信息
采用合适的故障诊断理论与方法对征兆加以处理，对不同的设备状态进行模式识别
4）正确地根据识别结果对设备进行状态诊断
有故障时，分析故障的位置、类型、性质、原因与趋势——故障定位
无故障时，分析状态趋势，预计未来情况——故障预测
5）正确地根据状态诊断对设备进行干预决策
干预设备及其工作进程，保证设备安全可靠高效运行
■ 故障识别的内容
故障识别过程可分为以下四步进行：
1）特征信号检测
2）征兆信息提取
3）设备状态识别
4）故障维修决策
原始信号特征信号征兆信号
■ 组合思维的概念、基于组合思维的识别方法
专家系统知识处理模拟的是人的逻辑思维，神经网络知识处理模拟的是人的经验思维，将逻辑思维、经验思维和创造性思维集成在一起，就形成组合思维
首先用经验思维进行识别；当经验思维无法解决问题时，转向高一层的逻辑思维；当逻辑思维也无法解决复杂问题时，转向更高一层的创造性思维，即通过提出新的假设，经过检验后再发现新理论和解决问题的新方法
考试说明
□ 考试方式：
■ 闭卷，试卷成绩60%，平时成绩40%
□ 考试题型：
■ 一、名次解释：6题，5分/题，共30分
■ 二、简答：8题，3题10分、5题8分，共70分
□ 考试时间：
■ 第10周周四（5月2日）下午14:30-16:30
□ 考试要求：
■
严禁一切作弊行为