智能诊断分析系统（精选12篇）
智能诊断分析系统 篇1
0 引言
利用红外热成像技术对电力设备进行有效的监测, 可使设备事故率、人工劳动力大大减少, 提高系统的安全性和稳定性。随着网络技术的不断发展, 红外热成像技术结合计算机网络、通信技术而形成的电力设备监控系统在电力领域得到迅速推广, 使检修人员能够对电力电气设备进行准确、直观、快速的检测维修, 这对于提高电气设备的可靠性与有效性, 提高电力部门运行经济效益, 降低设备维修成本都具有重要的意义。
目前, 国内红外测温技术的应用主要针对固定设备进行检测, 管理系统基于特定的应用场合, 多为C/S结构实现模式, 这种结构缺少灵活性, 不能较好适应当今电力系统的快速发展。现有的红外电力设备红外图像管理系统, 对设备进行红外分析时, 没有侧重于红外图像的可视化显示及温度信息读取, 缺少对隐患设备的多样化分析。
为了提高复杂环境下变电站巡检系统的实用性、安全性与智能性, 设计一种基于红外测温技术的电力变压器过热故障移动监测系统。该系统利用电力系统现有网络结构进行数据传输, 系统自动关联设备的热源因素, 能通过采集的温度数据智能显示设备的实时运行状况, 从而能全面反馈变电设备的运行状态信息。系统具有信息管理、历史温度数据分析等功能, 能在线智能生成电气设备红外监测报告。该系统能利用现有设备管理系统, 对变电站设备实施分类管理, 方便变电站的规范化管理。
1 红外故障热源获取
1.1 温度二维数组矩阵信号获取
对于温度异常点的热源捕捉是用红外镜头对故障热源点进行扫描, 基于ARM+FPGA的硬件处理平台, 对红外探测器接收到热源辐射出来的近红外线进行能量转化。
温度二维数组矩阵信号捕捉原理如图1所示。主要由信号采集模块、处理模块和控制模块组成。信号采集模块接收物体发出的红外热辐射并将其转换成电信号, 内部的高速A/D变换将探测器的输出信号放大并转换成数字信号, 外接SRAM和FLASH用于算法数据和FPGA配置程序的存放;FPGA用于配置程序的存放, FPGA为采集模块的传感器提供时序信号和地址加载等, 同时通过双口RAM和ARM控制模块实现实时通信;控制模块主要是把处理模块处理后的数据读入作进一步处理。
1.2 二维数组编码
对于采集端得到的二维数组温度数据, 通过编码的形式将其编码为红外热图像, 对发生异常故障设备的具体部位监测, 对编码后的红外视频流压缩后推送至后台并对设备的异常部位进行分析。主要运用灰度级-彩色映射函数变换法对图像进行编码:
灰度级-彩色映射函数曲线如图2所示, 编码流程如图3所示。
1.3 红外视频流推送
3G无线网络通信通过Socket方式实现, 运用其面向连接的TCP方式。系统检测中心端与监测终端之间的通信采用C/S模式。
客户端与服务器通信的具体流程:
(1) 调用Socket () 函数来生成一个套接字描述符。
(2) 创建一个套接字成功后, 调用Connect () 函数与远程服务器建立连接。
(3) 连接建立后, 调用Send () 函数向服务器端发送命令或数据请求, 在参数中制定发送缓冲区地址和长度。
(4) 发送请求后, 继续调用Receive () 函数读取服务器的数据应答。
(5) 关闭套接字, 撤销连接。
2 后台红外热图分析规则算法的研究
2.1 分析规则算法
(1) 规则一:判断测试环境温、湿度是否满足实验条件。具体内容:环境温度一般不低于5℃, 空气相对湿度不大于80%。诊断数据来源:温湿度传感器测试值。
(2) 规则二:表面温度判断法, 如表1所示, 主要适用于电流致热型和电磁效应引起发热的设备。诊断数据来源:单一设备或部件红外测温数据、温度数据。
注:温升为被测设备表面温度和环境温度参照体表面温度之差。
(3) 规则三:同类比较判断法, 对同组三相设备、同相设备之间及同类设备之间对应部位的温差进行比较分析, 可应用于电压致热和电流致热型设备, 如表2所示。诊断数据来源:多个设备或部件红外测温数据。
注:温差为不同被测设备或同一被测设备不同部位之间的温度差。
(4) 规则四:相对温差判断法, 如表3所示, 主要适用于电流致热型设备, 特别是对小负荷电流致热型设备, 采用相对温差判断法可降低小负荷缺陷的漏判率。
注:相对温差为两个对应测点之间的温差与其中较热点的温升之比的百分数。
(5) 规则五:档案分析判断法, 分析同一设备不同时期的温度场分布, 找出设备致热参数的变化, 判断设备是否正常, 如表4所示。
(6) 规则六:实时分析判断法, 在一段时间内使用红外热像仪连续检测某被测设备, 观察设备温度随负载、时间等因素变化。
设曲线模型近似为 (需要在大量样本数据中去验证) :
式中, T指正常设备表面温度值;T环为环境温度;I为设备的电流值;K1, K2为近似常量系数, 通过选取2个数据点可以计算出K1, K2。实时分析判断法曲线模型如图4所示。
该曲线也可以根据大量样本数据, 通过分段函数进行描绘。
2.2 分析报警阀值设定规则
分析报警阀值设定规则:
(1) 差值固定:
差值由人工手动输入, 一般是经验估值;T可通过设备的温度与电流关系曲线得出。
(2) 差值分段:
(3) 差值曲线:
式中, f2 (I) =T0-K1/I2, 模型是否正确, 需要实验验证。差值曲线模型如图5所示。
分析流程:通过检测车测得设备测量温度值T测;将关联的设备电流值I, 环境温度值T环代入T=K1T环+K2I2计算出当前电流下设备正常温度值T;根据阀值设定规则, 求得F;根据T测与F的比较, 判断是否报警。
2.3 红外温度与变电站电流的实时关联
由于变电站的红外设备温度会随着设备的负载和环境温度变化而变化, 为了获悉设备准确的运行情况, 将设备的实时电流、电压与温湿度等重要因素关联到相应的分析算法中, 实现设备的实时准确性监控。
3 结语
设计一种红外智能诊断监测与分析系统, 系统能自动关联设备的电流、电压与环境温湿度等重要因素, 通过对变电站发热模型的理论计算, 热源分析与热传导机制分析, 结合后台红外热图诊断分析规则算法, 能对变电站设备红外故障进行智能化热源捕捉。
摘要：设计一种红外智能诊断分析系统, 通过红外热源分析、模数转换、红外图像编码、无线传输以及故障分析算法等先进技术对变电站异常设备进行智能监测与故障分析诊断, 从而快速准确地找出故障点, 实现电力设备的远程智能式监控。
关键词：红外测温,变电站,红外图像编码,分析规则,无线传输
智能诊断分析系统 篇2
文通监控系统作为智能交通系统的一个组成部分，在保证城市交通安全、畅通方面发挥着巨大的作用。本文所述的交通监控系统是一个由三级监控系统组成的具有高性能、多方面的检测手段，直观的数字检测显示、图像监视，完善的紧急电话报警功能，以及能及时、动态地发布警示、诱导信息的监控系统。
本文简要介绍了智能交通系统及智能交通系统的一个组成部分——交通监控系统，并用山东某高速公路具体应用案例的交通监控系统来说明其组成。
该高速公路全长258.46km，双向4车道，设计车速120km/h，全路段有1个交通监控中心，5个分中心、20个收费站、6个服务区、20处互通式立交。交通流量大；其优良的道路性能，为行车速度的提高提供了良好的硬件条件；而江南地区的水网和丘陵地貌又使该地区气候条件十分复杂，特别是大雾和冰冻严重影响着车辆交通安全。因此，建设一个具有高性能、多方面的检测手段，直观的数字检测显示、图像监视，完善的紧急电话报警功能，能及时、动态地发布警示、诱导信息的监控系统是十分必要的，它将为保障高速公路的行车安全提供重要的软件环境。
交通监控系统系统构成该交通监控由三级监控系统构成：
各类外场设备自身所形成的相对独立的检测交通流和气象状况的监测子系统，发布各种警示和诱导信息的显示子系统，相对独立设立的紧急电话报警子系统以及观察道路交通情况的闭路监控子系统；
5个监控分中心负责管辖各自区段的外场设备，采集数字和图像信息，接受和发布各种控制命令及传输各类数字和图像信息的分系统；
1个监控中心，接受各分中心监控系统传输和各类数字和图像信息，监视全路段的交通运行情况，向分中心发布各种控制命令。由此形成一个自下而上能传递各类电话信息和图像，发布各种交通指挥信息的、较完善的交通监控网络系统。
外场设备车辆检测器（VD）
全线共设置了96车辆检测器，每套车辆检测器有4个环行线圈。当车辆通过埋设在路面下的环行线圈，车辆检测器就可检测出通过该车道的车流量、车辆速度、车辆占有率等。车辆占有率等。车辆检测器包括控制单元和磁性线圈二部分。其中控制单元有数据处理微型计算机、检测单元和通信控制单元；磁性线圈采用双线圈工作模式。
能见度检测器（VS）在5个监控分中心的管辖段内各设置了1套能见度检测器，用以检测道路的能见度状况。FumosensTMVI型能见度检测器有两个发射器和两个接收器，发射光源为高亮度红色光源，散射角度为35°，检测范围为30～20000mm。
气象检测器（WS）在水网地区（苏州）和丘陵地区（镇江）各布设了1套气象检测器。气象检测器除可以检测风力和风向、大气温度和湿度以及路面温度和湿度外，还可以给出路面结冰预报。
闭路电视摄像机（CCTV）
沿线设置了36台闭路电视摄像机，用来监视重点地段的交通状况。
可变限速标志（CSLS）设置36块光纤式可变限速标志，显示40、60、80、100、120km/h限速指示。限速显示既可固定，也可以是跳闪的，交可进行8级自动和人工调光控制。另外，为了保证该设备工作的可靠性，还采用了双光源自动切换技术。光源为卤素钨丝灯，使用寿命800h。光纤孔视角为6°，可满足道路使用者以上100km/h速度行驶时在250m以外确认显示数字。
可变情报板（CMS）
在主要出口匝道前设置29块高亮度LED可变情报板，其中采用双行文字显示的8块设置在某些重要的出口匝道前。可变情报板可显示各种图像和文字，通告各种交通情况和气象信息，发布交通指令，保证交通行车安全。所显示的图像和文字既可以事先编制、存储在可变情报板控制器内，也可在可变情报板的计算机一随时进行编制再发布。
双行的可变情报板显示尺寸为8161.16×1577.48mm，由13936（52×268）个像素组成，每个像素由9个（6绿3红）LED发光管组成；单行的可变情报板显示尺寸为11030×950mm，由6624（24×276）个像素组成，每个像素由16个（12绿4红）LED发光管组成。红、绿二色的LED管可以进行8级自动和人工调光控制。可变情报板的显示视角为30°，正常可视距离为360m。
紧急电话分机（ET）
按每公里一对的原则，在高速公路两侧设置了紧急电话分机258对，为道路使用者提供单向呼叫、双向通话服务，紧急电话分机的音量为90Db,失真小于3％，电源为免维护充电电池。紧急电话主机系统负责管理辖本区段内的紧急电话分机。紧急电话主机可控制256台紧急电话分机，其呼叫分机排除数量最多达6个；可以识别任一呼叫分机的编号，并在监视器和投影屏上显示其位置；通过通信电缆线对紧急电话分机的充电电池进行充电。紧急电话主机系统和紧急电话分机构成了ET-II型紧急电话系统。
监控分心系统
监控分中心设有大屏幕投影系统、监控分中心计算机系统、闭路电视监控系统和紧急电话系统。
大屏幕投影系统
投影仪将计算机信号或闭路电视图像投投到投影屏上，彩色图形服务器对大屏幕投影系统进行管理。投影屏上可显示本监控中心所管辖路段的交通况。气象信息、紧急电话分机工作状态，以及所发出的各种指令。该系统还采用了先进的带移位锁定的视频移位控制技术，用以消除阴极射线记忆效应，有效地延长了投影屏的使用寿命。
计算机系统
计算机系统主要由主服务器、交通监控计算机、通信计算机、彩色图形计算机、紧急电话主机系统、可变情报板计算机及一些辅助设备组成。
其中，主服务器负责本地局域网的管理、采集和处理各种交通监控数据及图像信息，以及外场设备运行状态。并且作为数据库服务器，存储各类有关信息，分析各类交通、气象信息，提出交通监管方案；交通监控计算机负责执行交通监控软件，按照HIOCC算法判别交通拥挤、事故等状况，管理各外场监控设备的运行，统计分析各类数字信息，并提供报告；彩色图形计算机负责将各种数据和信息经过处理在图形界面上显示；通信计算机负责本地局域网与下端外场设备、上端监控主中心的双向通信，并与本辖区紧急电话系统和收费系统进行通信；可变情报板计算机主要用来控制可变情报板，监视可变情报板的显示状况和工作状态，编辑显示内容，和交通监控计算机进行信息交换、发布工作指令等。
闭路电视监控系统
各监控分中心将本辖区的外场闭路电视摄像机通过视频矩阵切换器与监控分中心的监控室内的闭路电视监控器——对应连接，实施24h监控。当一个报警信号发出时，经过编程的视频矩阵切换器自动将报警图像切换至控制台上的监视器，并进行录像。
监控中心系统
监控中心设有大屏幕投影系统、计算机系统和闭路电视监控系统。
大屏幕投影仪由彩色背投式投影仪和120＂投影屏组成。计算机系统主要由服务器、交通监控计算机、通信计算机、彩色图形计算机及一些辅助设备组成。监控中心有12台闭路电视监视器通过视频矩阵切换器与全路段的外场闭路电视摄像机实行1：3对应切换，对各主要路段实施
24h监控。监控中心采用的是视频矩阵切换器，经过编程使其有选择图像信号的优先权。监控系统软件和监控系统网络
监控中心和分中心的系统操作平台为美国微软公司的WindowsNT系统，软件编程语言为VisualC++，采用微软公司的SQL数据库管理系统。监控软件主要模块的功能为计算机系统管理、监控设备管理、采集和传输信息、分析和处理信息、显示和打印管理等。
监控系统的网络结构为：监控分中心局域网与外场远程终端设备的通信网络，6个局域网（一个监控主中心局域网，五个监控分中心局域网）经由一个远程网相连，局域网为10Base-T的以太网结构，远程网为155Mb/s的SDH传输系统。
系统评价
智能诊断分析系统 篇3
在发生故障时，电力机车的主变流器的输出电压波形将出现一定的特征变化。而根据SS8电力机车主变流器的输出电压特征，并结合小波分析理论和神经网络诊断理论，本文对SS8电力机车主变流器故障智能诊断系统展开了研究。
主变流器是电力机车的关键部件，将参与到机车能量转换工作中。而一旦该部件出现短路或断路故障，则将导致电力机车中断运输。所以，有必要对SS8电力机车主变流器故障智能诊断系统展开研究，以便确保电力机车的运行。
1、系统的故障诊断原理分析
1.1SS8电力机车主变流器故障
从电路结构上来看，SS8电力机车的主变流器由两个串连桥组成，是一个单相半控桥式整流电路。在工作的过程中，主变流器的供电由并联的牵引电动机完成。而主变流器的故障分为两类，即本身故障和输入、输出级的故障。对主变流器的故障进行在线监测可以发现，主变流器的输出电压波形不会随着负载的变化而变化。只有在整流元件故障出现时，变流器的输出电压才会产生形变。所以，诊断SS8电力机车主变流器故障时，可以根据输出电压波形特点完成故障的定位。
1.2小波分析理论
在诊断主变流器故障时，利用小波分析法可以完成对信号的时频分析。在利用小波分析法分析主变流器的输出电压时，可以准确的完成故障特征的提取，继而完成对主变流器的状态监测和故障诊断。从理论上来讲，主变流器的输出电压的波形中不仅含有非周期信号，同时也将含有相应的畸变信号。采用小波变换法，则可以使信号在一定范围内出现突变峰值，继而显现出与噪声不同的特性。而利用该特性，则可以选完成小波基和尺度参数的选择，继而完成强噪声下的突变信号的准确检测。
1.3神经网络诊断理论
作为由多个处理单元构成的计算机系统，神经网络可以通过响应输入信息完成信息的处理。在主变流器的输出电压信号波形中，波形的变化与元件故障有非线性关系。而利用神经网络，则可以将该种关系的小波分析结果和故障类型的关系保存在网络结构中，并在故障诊断中应用。具体来讲，就是在神经网络接收到关键点的小波分析特征后，就可以完成对故障类型的输出。而由于神经网络具有较好的学习能力，所以可以完成对多种故障类型的输出。
2、故障智能诊断系统的研究
就目前来看，SS8电力机车主变流器故障智能诊断系统主要由信号检测系统、数据采集系统和上位机处理系统构成。在检测系统完成对主变流器的输出电压的检测后，采集系统则将完成数据的采集和保存，并将数据传送至上位机。而上位机处理系统则可以完成信号数据的分析，并给出故障的诊断和处理结果。
2.1故障信号的采集
在进行故障信号的采集时，需要根据信号的监测需求完成对状态监测点的布置。具体来讲，就是需要满足监测参数要求、模型信息要求和系统的安装限制要求。在传感器的选择上，则需要选择精度高、线性好和响应快的电压传感器。就目前来看，可以选用霍尔电压传感器。因为，该传感器可以即可以完成交流电压的检测，同时也可以完成直流电压的检测。所以，利用该传感器可以完成对任意电压波形的检测，继而使原本的电压波形得以反映出来。
2.2数据的存储
在数据的存储方面，故障诊断系统采用的是80C51单片机。在完成对传感器传递的信号的滤波、隔离和调理后，单片机将完成对数据的记录，并完成对最新数据的存储。具体来讲，就是在传感器将模拟量信号传输至信号采集和变换电路中后，系统将得到1-5V的电压信号。而将该信号输入到模数转换器，并将转换结果完成光耦隔离后，则将由单片机内的74LS373芯片完成对数据的锁存。最终，单片机则会将数据存到到采集数据存储器。
2.3数据的处理
通过通讯串口，数据采集系统会将数据传送至上位机处理系统。为了将详细的信息提供给管理人员，系统将根据波形输出特点完成数据的显示和处理。首先，系统将使信号随时间的动态变化以波形方式显示，以便完成数据的实时显示。其次，系统将利用图形方式完成对历史故障数据的显示。而管理人员则可以通过放大、缩小时间轴的方式确定故障点。再者，系统可以完成数据的小波分析计算，以便得出数据有效值、平均值和峰值等。此外，系统可以完成数据的打印，并完成对故障时间和内容的记录。
2.4故障的诊断
在故障诊断的过程中，系统可以完成越限故障检测和基于故障模型的故障诊断。一方面，上位机可以将有关设置参数传送至下位机，并对越限故障检测点的信号进行检查。而通过将检测结果传送至上位机，系统则可以完成对故障数据的录入。另一方面，系统的上位机可以在后台完成基于故障诊断模型的故障诊断。具体来讲，就是上位机根据诊断模型完成对有关测点数据的读取，并利用模型中的诊断方法完成故障的诊断。最终，系统则可以将诊断结果记录在库，并采取相应的处理措施。
结论
总而言之，在SS8电力机车的主变流器出现故障时，输出的电压波形将产生严重的畸变。利用这一特征，则可以采用小波分析法完成对故障特征的提取，并利用神经完成完成对主变流器故障的诊断。而根据这些原理，则可以构成相应的故障诊断系统，继而完成对SS8电力机车的主变流器故障的有效监测。
智能诊断分析系统 篇4
随着科学技术水平的不断提高, 船舶发电机组设备越来越大型化、精密化、集成化与高速化, 设备本身结构也越来越复杂, 功能越来越多, 工作负荷越来越强, 需要很长的工作时间, 进而增加了发电机故障发生的可能性。为此, 一定要加强对智能故障诊断系统进行分析, 保证系统结构设计的合理性, 充分发挥其作用, 进而确保发电机可以正常工作, 避免出现设备故障, 进一步保证船舶的正常运行。
1 船舶发电机智能故障诊断系统设计
1.1 硬件设计
船舶发电机智能故障诊断系统硬件设备主要包括:传感器、以太网、CAN总线、执行机构、监控节点、控制计算机、船舶发电机等。传感器主要就是对船舶发电机信号进行采集, 之后通过CAN总线和以太网将这些信号传输至控制计算机上, 进行相应的分析与处理, 得到故障结果。船舶网络结构示意图如图1所示。
1.2 软件设计
1.2.1 信号采集
利用传感器检测出体现船舶发电机运行状态的物理量, 将其转变成适合的电信号, 并且进行相应的预处理, 避免干扰, 之后予以A/D转换。发电机传感器的子系统作为发电机故障监测与诊断的重要信息来源, 采集的信息主要包括运行参数、动态参数、静态参数等。
1.2.2 信号分析及处理
信号分析及处理指的就是对收集的信号予以特征数据的分析, 并且提取有用的特征数据, 比如, 频谱分析、提取特征值、抑制干扰, 为故障诊断提供可靠数据。在完成数据采集之后, 将其传递至机舱的控制计算机的数据库中, 展开相应的分析与处理。针对船舶发电机而言, 因为数据处理单元和现场有着一定的距离, 主要就是利用CAN总线与以太网展开数据传输。
1.2.3 诊断单元
对于处理之后的数据与历史数据、规程、故障判定数据等展开一定的分析与比较, 进而判断船舶发电机的运行状态与故障部位, 为下一步维修工作提供可靠依据。在对发电机进行故障诊断的时候, 除了需要具备诊断策略之外, 还要对故障机理展开一定的深入研究。现阶段, 研究发电机故障机理的方式主要包括现场实验、计算机仿真、实验室模拟。其诊断策略主要指的就是怎样根据检测到的故障数据对船舶发电机故障进行诊断的方式。
2 船舶发电机智能故障诊断系统实现技术
2.1 VC++语言及MATLAB结构交互
VC++语言是面向对象概念的一种新的设计语言, 其设计更加符合程序人员软件研发的思维习惯, 其构成也比较适合进行软件移植与维护, 通过VC++语言的运用可以促进软件工程质量的提高。
MATLAB是一个功能比较完善的数据处理集成环境与自包容程序设计, 在数据处理、控制系统、科学运算、系统分析等领域中运用MATLAB具有很好的优势。在运用MATLAB的时候, 可以直接发挥其功能, 利用其内置函数与工具箱, 不需要借用外界帮助, 就可以完成相应的工作。在此环境中, 只需要很好的程序就可以完成非常复杂的工作, 具有易学易用、可读性、编程效率高、可移植性等特点, 针对编程而言, MATLAB要比其它编程语言强很多。
尽管MATLAB功能十分强大, 但是依然存在着一些不足, 主要包括以下几点:其一, 代码重用;其二, 执行效率低, MATLAB作为一种解释性语言, 其执行效率比较低, 尤其是在执行循环语句的时候, 执行效率特别低, 在仿真解算过程中, 需要设置高效率的执行代码;其三, 调试功能较弱。现阶段, 运用的MATLAB均是使用语言进行编写的, 所以, 两者之间存在着外部应用程序接口, 形成了优势互补, 实现了最佳运行效果。
2.2 配置编译器
要想在VC++语言中对MATLAB引擎程序进行成功的编译, 就一定要包括引擎头文件engine.h, 并且引入MATLAB对应库文件libeng.lib、libmat.lib。具体而言, 就是在打开一个设置之后, 进行如下操作:其一, 通过菜单选项, 打开设置属性页, 之后进入Directories页面, 之后选择Include files, 进行“C:MATLABexterninclude”路径的添加;其二, 选择Library files, 进行“C:MATLABexternlibwin32microsoftmsvc60”路径的添加;其三, 通过通过菜单选项打开设置属性页, 进入Link页面, 进行编辑, 并且进行libeng.lib、libmat.lib文件名的添加。通过相应的实践表明, 在进行编辑的时候, 可以直接选择libeng.lib、libmat.lib这些文件名, 进行选项设置。在实际设置中, 步骤一、二只需要设置一次, 步骤三需要对每一个选项都进行设置。
3 结束语
总而言之, 为了保证船舶的正常运行, 一定要对发电机运行状态进行检测, 保证其可以正常工作, 这样才可以达到预期的工作效果。进而需要加强对发电机智能故障诊断系统进行分析与研究, 明确其系统硬件与软件的设计, 采取有效技术, 保证系统功能的实现, 进而及时诊断出发电机的故障, 予以有效的排除, 保证其可以高效、正常的工作, 促进船舶的正常运行。
参考文献
[1]刘永建, 朱剑英, 曾捷.改进BP神经网络在发动机性能趋势分析和故障诊断中的应用[J].南京理工大学学报:自然科学版, 2010 (03) .
[2]刘俊华, 孟清正, 张聘亭, 等.船舶动力装置可组态智能故障诊断系统设计[J].中国舰船研究, 2011 (02) .
智能诊断分析系统 篇5
高清化
道路监控卡口系统经历了从标清到高清，从工控机、板卡、在到嵌入式一体化的不断发展，目前卡口系统的发展已经呈现出明显的高清化、一体化、智能化趋势，卡口系统摄像机像素经历了从标清到高清130万、200万、300万、500万的发展过程，目前市场上800万像素的卡口摄像机已经出现，并开始逐渐应用于市场，800万摄像机无论是监控范围还是清晰度都有明显的提高，很大程度上满足了用户对细节越来越高的要求，相信随着技术的不断发展和市场认知度的提高，卡口摄像机的像素会越来越高。
一体化
嵌入式一体化卡口摄像机推出以后，迅速得到了市场认可，到现在，嵌入式一体化理念已经深入人心，原因很简单，一方面，智能交通系统的结构复杂，关联的子系统和设备非常多，任何子系统的设备故障都会造成整个抓拍系统的失效，另一方面，智能交通工程施工需要协调众多部门，需要封道施工，因此对交通的影响比较大。嵌入式一体化的出现，使整个系统的设备数量大大减少，使得系统的稳定性大幅度提高，施工变得非常简单、便捷，大大节省了安装、调试时间，同时也大大降低了维护的复杂度和成本。因此，嵌入式一体化出现后很快就得到了用户认可。目前嵌入式一体化的500万摄像机已经出现并开始逐渐应用于市场，系统可以在一台摄像机内实现对500万视频流进行编码、压缩、图像分析、车辆检测、号牌识别、轨迹跟踪、双码流输出等工作，不再需要工控机，使系统成本大大降低。
江苏省320项目是由江苏省公安厅统一规划，各地根据自身实际情况具体建设的平安城市典型案例。该项目前期设备入围时就对卡口摄像机像素作出了最低200万像素的明确规定，并优先选用嵌入式一体化摄像机，可以说这是道路监控卡口系统高清化、一体化最明确的信号，标志着道路监控卡口系统高清化、一体化已经得到了市场的认可。而由大华股份参与实施的徐州、海门、沭阳等10多个地市的320项目的成功，也是嵌入式一体化技术在智能交通领域成功应用的进一步说明。
智能化
智能诊断分析系统 篇6
关键词：在线巡视系统；智能预警；原理；用途
中图分类号：TM726 文献标识码：A 文章编号：1006-8937（2016）18-0089-02
由于我国国土面积较大，输电线路的铺设面积就很广，以致于经过的地方较为多样化，不仅环境差异大，天气气候又多变，这样就会使输电线路发生故障，并且每年电网停电事故主要就是游线路事故引起的，然而，常用的输电线路巡视方式是利用运维人员来巡视，但是，这种巡视的工程量较大或者是密度不高，特别是在天气恶劣或地理环境复杂的状况下人工巡视的难度大大的提高，虽然有使用直升机或机器人巡视，但这些方式都会受到气候的影响，并且无法及时准确的反映输电线路的工作情况，这样就不能及时的察觉到路线的故障。
因此，为了能够高效地进行输电线路的巡视工作，工作人员研发出了红外线监控和光纤通信技术相结合的新技术，就是通过使用在线巡视系统加大了对输电线路的监测力度，并利用智能预警更好的判断输电线路发生的故障。
1 在线巡视系统的智能预警系统原理
1.1 线巡视系统原理
输电线路在线巡视系统主要是利用无线的方式进行传输，通过检测输电线路的通道环境、微气象、防盗报警、覆冰、周围施工情况等来了解线路发生的问题，同时将搜集得信息发送到监控中心，然后要仔细的检测采集到的数据，并进行实时分析，以及判断和预测线路的运行状态，能够提高对输电线路安全经济运行的管理水平，同时能够及时采取适当的措施以消除、减轻险情，保障输电线路稳定供电。
其次，该系统是由光纤通信相关的网络系统、杆塔的终端系统以及后台主机的系统组成。光纤通信网络就是结合光电分离技术和光纤通信网络技术，用来传输视频图像信息和红外图像信息，从而使杆塔终端和后台主机系统实现及时的连接，以及实时传输各杆塔检测出来数据，对后台主机系统下达命令。
输电线路在巡视系统采集的多为图像、视频数据信息量较大，因此，采用OPGW光分离和EPON通信新的技术，达到杆塔监测数据及时传输的目的，确保杆塔终端和后台主机系统能够进行有效的连接。
其中杆塔终端系统，是由光视频监控模块、杆塔供能模块、红外感知模块、气象监测模块和杆塔终端主机等模块组成，都可以用在数据的采集以及处理上面，从而满足电力系统的巡视要求。而后台主机的系统主要是管理杆塔终端设备及网络，以及进行有效的控制和调度。后台主机系统通过前两者系统提取出红外图像、视频图像、安全监控等数据，并且详细存储记录着控制中心的数据，也要对这些数据进行监测分析的工作，整理出整齐统一的排版样式，集中而又层次分明显示分析出来的数据内容，定期向上级报告监测数据，这样还有利于工作人员进行查询和存档。虽然该系统主要是由这三部分组成，但是若线路中遇到突发的异常情况，该系统其他相关设备也能够进行高效及时的智能预警。
1.2 智能预警系统原理
智能预警系统就是以输电线路在线巡视系统基本结构为基础，并通过采集的视频图像、红外图像和微气象信息等其他的数据来进行预警。在输电系统中，若要提高智能预警系统的工作效率和对故障判断的精确性，就要依照输电任务的要求，进行一定的结构分级。
首先，第一级的位置是杆塔的终端主机，是用来初步判断输电线路是否出现异常或发生故障的。
其次，第二级的位置就是后台的主机系统，这就是用来精确判断输电线路发生的故障的类型。
该系统中杆塔终端上的每个测量的单元会将采集到的信息传输到主机上，然后杆塔终端主机就会分析或者对比搜集到的信息，一旦有问题发生，就要用到后台主机系统了，这时候它开始工作，及时的发动信号，快速的将视频图像信息出送到后台的主机之上，这样就有利于后台主机系统高效的进行故障分析。如果输电线路正常工作，没有出现故障异常，杆塔终端主机将杆塔终端测量单元记录的视频图像、红外图像、微气象信息等数据打包压缩为该杆塔信息，杆塔终端主机的ONU定时就通过光纤信息系统发送日常信息到后台主机。
若果后台主机系统收到杆塔终端主机中央处理单元发出的预警信号，则以图像识别技术为基础，通过人工手动调整视频摄像机或红外摄像机的位置，观察输电线路及其设备的工作情况，精确判断输电线路及其设备出现的异常或故障情况；后台主机系统也会依照实时监测数据进一步分析判断输电线路是否出现故障以及故障类型，当台风、雷击、山火、树木生长等危及输电线路的时候，会及时监测、分析数据，并发出异常状态的下的早期预警和故障报警。
此外，杆塔终端系统中的红外感知模块也起到一定的作用，它不需要调整监测角度，并且一直处于通电工作模式，只要感到在杆塔附近有异物，就会通过光纤通信网络及时上传预警信号到后台主机系统。
2 探讨智能预警系统的用途
2.1 智能预警系统的任务
输电线路在线巡视系统的智能预警系统的任务很多，其一，现在输电线路在线巡视系统采用的是逐塔安装的方法，每个杆塔之间的距离大约为500 m，距离较近的杆塔之间会检测到相同或相近的微气象数据。如果相邻的杆塔其中一个杆塔被监测出的数据明显异常，就可以判定这个杆塔的监测设备发生故障，这时候后台主机系统就应该发出相应检测设备故障预警信号。其二，若有某一座杆塔上的智能预警系统发生故障时，后台主机系统会收到这个杆塔信息缺失的信号，这时候后台主机系统就向该杆塔附近的杆塔发出命令，通过移动摄像头来拍摄，能够在一定程度上补充故障杆塔的信息，并将采集到的新信息传到后台主机系统进行故障判断。
智能预警系统具有利用杆塔终端系统对数据进行识别的任务，并且要利用相关的数据对故障进行准确的判断，这也是预警系统的最基本的功能。它的功能都有数据的预处理、判断故障、执行预警、知识库的管理以及学习能力。其一，杆塔终端都有许多个测量设备，并且它们都各有职能，职能有采集红外图像、微气象数据和红外探测信号等等。一开始，预警系统要对红外和视频图像进行图像识别，结合相关技术进行初步的处理，并按照固定格式整理好监测到的所有数据，然后输送到后台主机系统上。其二，判断故障就是利用杆塔终端主机采集红外图像和视频图像等信息，并进行处理，然后初步判断输电线路发生的是哪种故障，接着就是利用后台主机系统来分析所有数据，以及利用模板匹配算法或者阈值目标提取算法等其他方式，结合模糊理论以及层次分析法对故障类型进行准确的判断。其三，若确定发生故障异常，后台主机系统应该及时发送故障异常类型的报警信号，且通过短信等形式将故障异常的位置和类型发送到相关的工作人员的手机上。其四，知识库主要是用来整理储存故障判断算法规则以及历史数据的，它的职责是对相关数据进行录入、删除、修改等，用来形成新的监测结果，以及做出更准确更先进的判断。最后，智能预警系统是具备一定的学习能力的，它可以通过以前预测到的结果来积累信息，甚至是及时更新自己的数据库，从而达到提高自身判断方式的目的。譬如，若采用的监测设备类型发生变化时，该系统对故障判断的算法能够进行及时的更新，也就是说尽管在使用原有的监测数据的同时，智能预警系统判断故障的方式也会增加，并且越来越准，所以，智能预警系统能力也会随着经验的增多和时间的增加进一步得到提高。
2.2 利用智能预警系统判断输电线路的故障
智能预警系统的主要用途就是判断输电线路发生的故障类型，要想进行准确的判断，首先，对收集的信息进行预处理，提高视频图像的信噪比，进一步结合微气象、红外图像监测到的数据进行精确地判断，同时要根据数据呈现出不同的特征，判断出是哪一种故障类型。比如发生线路覆冰的状况，会在图像中表现为导线外径加粗，且图像中导线区域颜色变化明显，灰度值变大。通水，红外图像中，导线覆冰的话会导致温度发生明显的变化，在红外图像中表现为明显颜色变化。若出现绝缘子闪络会呈现出光亮的白色，但能否在视频图像中清晰的呈现，与背景颜色有极大的关系，所以，为了能准确检测到绝缘子闪络，还需通过监测故障电流来证明。若发生杆塔倾斜和倒塌，会在视频图像中表现出与正常杆塔明显的区别，可以采用识别算法和图像匹配算出杆塔的倾斜角度。有时会发生杆塔被盗的现象，因为高压输点线路有很多铺设在野外，杆塔或相关辅助材料就很有可能被偷盗，这时会在视频图像中出现信息残缺，这时只要对比前后的监测图像，就会发现杆塔被盗了。还有一种故障就是异物入侵，通常分为两种，一种是有东西悬挂在输电线路上，比如说风筝，风筝会随风飘动，所以呈现在视频图像上是移动的，因此，还是易于发现的。另一种就是输电线路周围有施工机械或人员与杆塔距离过近。
还有，利用在线巡线系统的智能预警系统判断输电线路的故障时，并不能十分准确精确的判断故障类型，因为第一级的运算的能力是较为低下的，运算量比较小，达不到精确的判断故障所需条件，而且还是采用比较容易实现的图像差分法进行判断，所以一旦遇到光照的变化明显，或是有雨雪等复杂天气的状况时，就不建议采取这种图像分差法了，因此，为了适应各种气候天气条件，电力人员要学会使用使用三帧差分的算法，这样才能达到精确判断的目的。此外，电力人员也可利用输电线路的覆冰综合的算法对线路进行判断，这种方法也可以有效提升判断线路故障的准确性，然后及时解决覆冰引起的倒塔或者其他的相关故障，从而高效率的保障线路安全性和稳定性。
3 结 语
近年来，我国一直都在完善和更新电力系统的技术，其中，输电线路在线巡视系统的智能系统的表现尤为突出，有了这项新型技术，能够更加准确的判断线路发生的故障类型以及及时的解决该类故障，从而保障了输电线路的安全稳定性。虽然，我国技术不断得到提高，但依然在此希望相关工作人员继续努力研发处新的技术，能够更好地预防输电线路发生故障，降低故障的发生率，这样才能更加持久的保障供电的稳定性，为人民更好地生活奠定基础。
参考文献：
智能诊断分析系统 篇7
关键词：监测系统,石化装置,应用
1. 概述
随着现代工业的发展, 设备资产密集型企业对设备的依赖程度不断提高, 且企业中生产设备自动化水平高、生产连续性强, 石化行业兼有高温、高压、易燃、易爆、易中毒、有腐蚀等特点, 一旦设备发生故障, 就有泄漏、污染环境的风险, 甚至会导致火灾、爆炸、人身伤亡等重大安全事故。往往一台设备、一条管线、一块仪表、甚至一个电子元件发生故障, 都会导致停产, 造成重大的经济损失, 直接影响企业的经济效益。通过应用智能监测系统对企业重要机泵设备进行全面的状态监控, 可有效提高企业设备管理水平。
(1) 消除装置机泵群、氨压机运行安全隐患, 提高现场设备管理水平。
(2) 在线状态监测分析诊断系统能够对设备运行全天候的振动和轴承温度实时监测, 避免传统点检方式受人为因素影响较大的弊端。
(3) 通过对企业关键、重要设备进行自动监测、信号采集和存储, 以及利用软件辅助诊断功能, 可使设备管理人员实时、准确地掌握设备状态, 在第一时间发现隐患, 做到事前预防、预知检修, 保障生产的安全和设备可靠和稳定运行。
2. 监测系统构成
智能监测分析诊断系统包括智能监测分析软件系统、HD500无线通信站和HD300无线监测器, 总体构成如图1所示。
(1) HD300无线监测器, 针对现场设备较为分散、布线复杂专门开发的无线监测产品, 可实现振动信号和温度信号的采集, 并通过无线方式传输现场采集数据, 避免了现场布线的工作, 大大降低了企业对分散设备进行监测的难度。
(2) HD500无线通信站, 负责无线监测器HD300与数据库服务器之间的数据传输与通信;接收无线监测器传来的设备监测数据, 并将数据传输给数据库服务器;从数据库服务器接受指令并下达给无线监测器。
(3) 智能监测分析诊断系统, B/S架构的网络化设备状态监测系统, 实现对设备故障状态的自动报警, 对设备故障进行早期诊断与趋势预测, 为实现状态预知维修提供关于设备状态的标准量化的数据基础。
该监测系统具有软件系统内报警, 提醒操作人员加强巡查;短信报警, 短信会立即发送到事先设定好的设备管理技术主管手机上, 保障相关人员能够在第一时间进行响应、处理;声光报警, 中控室的24 h值班人员可以立即响应, 采取相应措施。
3. 现场应用
建立糠醛装置8台机泵群、酮苯3台氨压机组共11台设备的无线监测网络;对糠醛装置8台机泵群、酮苯装置的3台主要氨压机组的全天候振动监测;通过系统内置的分析诊断工具, 针对故障设备做出正确的判断和检修决策建议。
实例, P2105A机组 (图2, 二效塔底泵为悬臂泵, 变频机组, 介质为60%废油和40%糠醛, 功率22k W) 报警, 机组测点布置2H、3H, 测点3H为6210深沟球轴承位置。
2012年11月23日监测表明, 电机加速度振动总值12.645 m/s2, 振动不大并且稳定;泵上加速度信号振动能量在快速劣化, 振动总值上升到200 m/s2左右。
11月23日机组停机之前, 加速度信号幅值在64 m/s2左右, 时域波形显示清晰的类似保持架周期性13 Hz左右的冲击信号, 在一个保持架周期内, 存在多个滚动体特征频率周期的冲击, 因此可能存在多个滚动体剥落;11月25、26停机之后, 设备振动特征发生变化, 频率结构以7309轴承的外圈特征频率为主, 在频谱图中存在153.516 Hz的高次谐波分量。
专家远程诊断:电机正常, 6210轴承滚动体剥落, 泵的730轴承外圈严重剥落, 保持架受力过大, 建议更换该轴承。
检修时发现, 6210轴承每个滚动体均存在大小不同的剥落缺陷, 6210内外圈存在不同程度的单侧 (叶轮侧) 磨损与剥落, 7209轴承非承载侧外圈整周存在剥落, 检修结果与诊断结论相符。
4.结语
自2012年11月该监测系统投用以来, 及时发现了二效塔底泵P2105A、氨压机组C3410设备隐患4台次, 避免了4次设备事故。2013年4月9日, 系统短信报警C3410压缩机轴承突发性故障, 因停机及时, 避免了一起设备抱轴的严重事故。2013年8月25日, C3410压缩机4H测点振动从3.5 mm/s短时间突增至9.2 mm/s, 监测系统发出突发性故障报警, 紧急停机, 避免了一起设备抱轴事故发生。
智能诊断分析系统 篇8
随着电信产品业务的规模发展, 大量的通信用户出现高额欠费、恶意欠费、离网行为, 通信用户的欠费离网率将呈上升趋势, 并且产生大量坏账, 应收账款居高不下, 严重影响到电信企业的资金周转和通信事业的健康发展。电信欠费缺乏有效的、系统化的管控手段, 因此, 运用欠费智能化诊断系统, 对用户欠费进行有效管理与控制, 维护企业经济效益, 是电信运营商企业亟须解决的重要课题。
二、欠费智能化诊断系统定位
(1) 经营分析部门专题分析辅助分析平台、固化分析思路平台。 (2) 深化数据应用, 支撑企业服务能力提升, 离网分析支撑。 (3) 统筹部门强化发展质量类、发展效益类分析。 (4) 覆盖省、市、县, 配合业务部门做到欠费可管可控;实现欠费由分析型管控转向欠费执行过程跟踪管控, 与欠费催缴生产流程互动, 实现闭环管理;欠费日常运营管理规范化和例行化, 提供常态化管理手段。 (5) 诊断分析报告全面应用于智能化、通过指标诊断加强分析的应用、加强回归分析、计划监测、相关分析等分析方法的应用、加强智能监控的智能性。
三、欠费智能化诊断系统设计
(1) 系统总体结构如图1所示。
智能欠费诊断系统, 以电信企业数据门户 (EDW) 为基础, 通过ESB (企业数据总线) 实现与智能欠费分析平台的通信数据的整合, 通过ETL (数据提取、转换和加载) 并经过分析解析实现数据层面的展示。
(2) 系统功能模块划分如图2所示。
欠费智能诊断系统功能模块化, 将程序划分成若干个功能模块, 每个功能模块完成了一个子功能, 再把这些功能模块总起来组成一个整体, 来满足所要求的整个系统的功能。
四、欠费智能化诊断系统功能
(1) 运营监控:汇总归纳各单位欠费的主要原因, 从预防线 (内容包含: (1) 新增用户即欠费; (2) 预存自动冲账不足; (3) 疑似虚假发展严重; (4) 高危套餐严重; (5) 资料不规范情况严重) 、管控线 ( (1) 信用额度异常; (2) 未及时停机; (3) 异常返销; (4) 用户满意度等) 、催缴线 (内容包含: (1) 语音提醒和催缴; (2) 网络无忧和C进铜退欠费; (3) 大额账户当月欠费回收率; (4) 托收账户欠费等) 、清欠线 (内容包含: (1) 坏账预警回收; (2) 红名单欠费回收; (3) 专线和电路欠费; (4) 大账龄欠费等) 四个方面设计预警监控指标和监控阀值, 进行预警监控, 帮助各各单位查找导致欠费坏账的主要原因, 有针对性的制定解决措施。
附:某单位某月运营过程监控得分 (如图3所示) 。
(2) 运营分析:固化了欠费日常管控与分析的常态化报表 (日报、月报、清单) , 支撑各各营销单元欠费管控、分析、派单的需求, 避免每月手工取数。
(3) 派单评估:对欠费诊断系统中各预警监控指标的清单进行针对性派单, 分析欠费用户派单催缴后的回收效果。
(4) 诊断报告:按周期自动生成诊断报告, 报告采用指标模块形式搭建, 模块可收起和展开, 使用者可根据需要查看关注指标, 也可在此基础上定制省、市级报告输出内容。报告输出提供导出和打印方式, 提供水印功能, 以文字、图、表等形式进行展现。
欠费智能诊断系统通过图表方式对监控指标进行了直观展示, 对指标口径和取数脚本进行统一说明, 避免因指标口径及取数方法理解的差异造成分析数据不一致的问题, 让各单位迅速找到自己的短板进行改进。
五、欠费智能化诊断系统效益评估
从管理效益和社会效益来看, 利用欠费智能诊断系统实现欠费管控长效机制, 可推进欠费用户精细化管理, 减少监控资源浪费, 提高企业管理效率, 及时发现和堵住收入漏洞, 防止新的收入流失产生, 优化运营效率, 实现利益最大化。
参考文献
[1]韩素英, 浅谈通信高额欠费风险预警与管控, 《中国新通信》, 2013年20期
[2]王冬云, 高覃.预防电信恶意欠费商业智能模型的研究, 《决策管理》, 2008
大型真空系统智能故障诊断 篇9
由于真空钎焊技术具有无可比拟的优点, 被广泛地应用于航空、电子、汽车和空分工业中。在空分工业中, 为满足制造高质量、高压力等级、大尺寸板翅式换热器的需求, 厂家纷纷采用大型真空钎焊炉。真空系统是其关键的系统, 如果真空系统发生故障, 轻则直接影响产品钎焊质量, 重则导致产品报废, 停机停产, 造成巨大的经济损失。由于真空系统结构复杂、故障影响因素多且关系复杂, 这给故障的排除带来诸多不便。传统上进行真空系统故障诊断常出现如下的问题[1]: (1) 对故障的种类、发生的频度和权重缺乏全面了解; (2) 故障的排查多为人工方式, 不仅费时且不够准确; (3) 现有的大型真空钎焊炉监控系统监测点少, 缺少必要的分析、诊断功能, 无法实现智能诊断; (4) 缺乏科学、实用的故障辨识及故障诊断理论的指导; (5) 缺乏故障排除经验知识的积累、更新和继承, 以及缺乏对操作员进行有效的故障诊断培训; (6) 无法实现故障的预报。因此, 建立快速准确的智能故障诊断系统具有重要的实际意义。
以大型铝真空钎焊炉为对象对真空系统的故障特点进行深入分析, 并利用面向故障的模糊Petri网理论, 建立了真空系统常见故障的故障模型, 通过实例来说明模糊Petri网的应用。
1 大型真空系统的故障特点
大型铝真空钎焊炉的真空系统由六套真空机组组成, 每套真空机组由机械泵、罗茨泵、维持泵、油扩散泵、粗真空阀、前级阀和高真空阀组成, 如图1所示。真空系统故障主要分为三大类[2]:真空设备故障、真空度达不到要求值故障和抽真空时间过长故障, 导致上述故障的原因很多, 并且故障起因与症状之间并非一一对应的关系。抽气机理和真空设备的复杂性决定了故障具有如下特点: (1) 故障种类的多样性:既有真空泵的故障, 又有真空阀和真空计的故障;既有泵本身漏气的故障, 又有真空室漏气的故障; (2) 故障征兆与故障原因的对应关系复杂:一种故障征兆可能对应多个故障原因, 一个故障原因也会对应多个故障征兆; (3) 故障的频度与权重不同:各故障间并不是独立发生的, 一个故障往往会导致另一个故障的发生, 而且每个故障发生的频度也不同; (4) 真空机组群对真空系统的影响关系复杂:各套真空机组对真空系统的影响关系复杂, 且相互之间关系的权重不同。
1—机械泵, 2—罗茨泵, 3—波纹管, 4—粗真空计, 5—粗真空阀, 6—扩散泵真空计, 7—前级阀, 8—放空阀, 9—维持泵, 10—油扩散泵, 11—高真空阀, 12—手动充气阀, 13—自动充气阀, 14—外循环机组#2出口阀, 15—外循环机组#1出口阀, 16—后炉顶真空计, 17—外循环机组#2进口阀, 18—外循环机组#1进口阀, 19—前炉顶真空计
2 智能故障诊断理论
专家系统故障诊断是故障诊断中最引人注目的方向之一, 也是研究最多、应用最广的一类智能故障诊断技术[3]。建立智能故障诊断系统知识库最基本的过程是诊断知识的获取、表示和组织。在故障诊断时, 由于对设备状态好坏的评估存在着很大的不确定、不精确和模糊性, 故障的发生具有并发性, 就希望有既能合理描述故障诊断知识所固有的并发性、模糊性, 又能进行模糊推理的模型。模糊Petri网有很好的知识表达与逻辑推理功能, 具有动态描述因果关系的能力, 因而非常适用于故障诊断。
2.1 面向故障诊断的模糊Petri网[4]
为了能准确地描述因故障发生的随机性, 故障征兆的模糊性, 诊断经验知识的不确定性、不一致性和不完备性等原因产生的不确定性诊断信息, 采用一个八元组来定义面向故障诊断的模糊Petri网 (FPN) [4]:
故障Petri网的建模方法有直接建模和间接建模两种, 间接建模通常采用基于产生式规则建模和故障树分析方法 (FTA) 建模。故障树转换为Petri网主要涉及两方面:一是故障树事件符号用对应的Petri网表示, 即故障树的各类事件用库所表示;二是故障树的逻辑关系用对应的逻辑Petri网模型表示, 如图2所示。
2.2 基于模糊Petri网的故障诊断算法
基于FPN的故障诊断推理, 主要有适用于系统级在线诊断的正向推理、适用于元件级离线诊断的反向推理、以及结合两者优点的混合推理。针对以往的故障推理算法不能很好地解决已知单个故障征兆和故障原因置信度的前提下进行模糊推理的问题, 给出了以下的推理算法, 而这在实际应用中更为常见。
根据FPN系统运行规则, 库所下一步标识向量的推理公式为
式 (1) 中, ① W:P→T为规则的输入矩阵,
库所下一步标识向量推理公式的推理算法描述如下:
步骤1 令k=0;步骤2 由推理公式⑴根据θk求θk+1;步骤3 如果θk+1≠θk, 令k=k+1, 重复步骤2;如果θk+1=θk, 推理结束, 输出θk。
4 基于模糊Petri网的故障诊断实例
下面以大型真空系统中扩散泵不工作为例, 来说明模糊Petri网的应用。扩散泵不工作故障的原因有漏气故障、加热器故障、泵前级压力高、扩散泵油故障。根据专家经验和真空设备故障样本, 我们建立了扩散泵不工作的故障树, 如图3所示, 置信度由最易发生的故障及故障发生频度确定, 使用三角形隶属函数确定权值, 如表1所示。
根据扩散泵模糊故障诊断规则, 并基于故障树分析方法建立了扩散泵不工作的模糊Petri网模型如图4所示, 图4中库所含义如下:p1表示前炉顶真空度过低;p2表示后炉顶真空度过低;p3表示前级泵真空度正常;p4表示前级泵真空度过低;p5表示扩散泵真空度过低;p6表示油温过低;p7表示油温不变化;p8表示前级管道不漏气;p9表示前级管道漏气;p10表示油量不足;p11表示油变质或被污染;p12表示油牌号不对;p13表示真空室漏气;p14表示泵本身漏气;p15表示前级泵故障;p16表示漏气故障;p17表示加热器故障;p18表示泵前级压力高;p19表示扩散泵油故障;p20表示扩散泵不工作。
故障现象前炉顶真空度过低 (置信度=0.9) , 后炉顶真空度过低 (置信度=0.8) 。由此可得初始标识向量θ0= (0.9, 0.8, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0) T。
由图4可以得到规则置信度μ、向量非汇点向量G、输入矩阵W和输出矩阵H。
μ= (0.9, 0.9, 0.85, 0.95, 0.9, 0.9, 0.9, 0.8, 0.85, 0.9, 0.8, 0.75, 0.9, 0.95, 0.9, 0.7, 0.9, 0.75, 0.95) T
G= (1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 0, 0, 0, 0, 0, 0, 0, 0) 。
用MATLAB进行仿真计算, 迭代计算得到θ12=θ11, 故迭代推理结束。θ11= (0.9, 0.8, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0, 0.85, 0, 0, 0.414, 0, 0, 0, 0.089) T。可知真空室漏气的置信度为0.85, 漏气故障的置信度为0.414, 扩散泵不工作的置信度为0.089, 以及故障传播的可能路径, 可以推断真空室漏气的可能性最大。
5 结论
面向故障诊断的模糊Petri网能很好地表示和处理故障诊断知识, 并可通过矩阵重建, 方便地对知识库进行扩展或删除。将模糊Petri网应用于大型铝真空钎焊炉真空系统的故障诊断, 建立了基于故障树分析方法的Petri网故障模型, 并以扩散泵不工作的故障诊断为例, 验证了模糊Petri网模型在故障诊断中的正确性和有效性。
摘要：根据大型真空钎焊炉真空系统的故障种类及特点, 分析了现有的真空系统故障诊断存在的主要问题。针对大型真空系统故障诊断的不确定性和模糊性等特点, 建立了基于故障树分析方法的模糊Petri网模型和推理算法, 并以扩散泵不工作故障诊断为例, 验证了该模型及算法的正确性和有效性。
关键词：真空系统,智能故障诊断,故障树分析方法,模糊Petri网
参考文献
[1]王庆, 巴德纯, 刘坤.大型真空冶金系统故障分析及智能诊断.2004’全国真空冶金与表面工程学术研讨会会议论文集, 沈阳:东北大学, 2004:130—134
[2]任耀文.真空钎焊工艺.北京:机械工业出版社, 1993:317—320
[3]王仲生.智能故障诊断与容错控制.西安:西北工业大学出版社, 2005:172—179
犬病智能诊断系统的构建 篇10
关键词：犬病诊断,网络数据库,构建
随着互联网技术的迅猛发展, 基于Web技术的浏览器——服务器 (B/S) 模式的各类农业专家应用系统已成为网络应用技术研究的一个方面。根据B/S模式开发出的应用程序对客户端要求不高, 并且具有统一的交互界面, 操作简单易行, 安装维护简便。我们运用高级编程语言, 将计算机网络应用技术与犬病诊断原理相结合, 创建了一个能在Internet上运行的犬智能诊断系统, 使犬病诊断这一专业性、技术性很强的问题变得简便易行, 能够推动农业科技在非专业技术人员中的普及、推广及其在网络上的传播与利用。
一、原理与方法
犬病智能诊断系统的构建主要涉及两个方面:专业知识和实现技术。前者是指犬病诊断领域的专门知识, 包括犬病的症状表现、诊断过程及防治方法。后者是指将这些专业知识系统化、直观化、智能化的计算机应用技术。本系统搜集整理了85种犬类常见病的症状、病原、传播途径和防治方法。诊断过程主要以犬病数值诊断原理为依据。该方法借鉴了现代计量医学的研究成果, 如模糊模式识别法以和灰色决策系统, 它们不依赖于大样本就能对疾病信息进行加工处理, 允许根据专家经验和书本知识对疾病信息定义赋值, 然后根据对疾病的综合判定而得出准确的诊断。这种方法在兽医临床上尤为适用。整个诊断及查询过程使用基于Web技术的浏览器——服务器 (B/S) 模式实现, 以网页形式在Internet上运行。
1.1诊断原理
本系统主要以犬病数值诊断原理为诊断依据。首先将病犬的症状、病名及分值 (病症对诊病意义的大小) 以二维表格的形式录入数据库, 记为知识规则库。然后将各种病症的病名及对应的防治方法以二维表格的形式录入数据库, 记为防治库。系统工作原理如下图所示:
其中, 诊断算法为本系统的核心部分, 首先读取用户选择出症状的表单数据, 然后连接知识规则库选择对应的数据表。为表中的每个病名建立变量hbmi (i为病名序号) , 将用户选择的症状对应的分值类加至hbmi, 记为和值;再用此和值减去C.Y值求出差值, 和值与差值相加, 最大值所对应的病名即为诊断结果。 (如图2) :
1.2实现方法
本系统使用基于Web技术的浏览器——服务器 (B/S) 模式实现, 以网页形式在Internet上运行, 用户只需根据病树表现的症状在症状列表中进行选择, 系统会自动与服务器端数据库连接, 并从中取得数据进行诊断。
1.2.1 Web数据库技术
本系统采用ASP技术。ASP内含于IIS当中, 是服务器端运行的脚本平台。ASP系统配置简单, 成本低廉, 对软硬件要求均不高, 适合于中小型B/S系统。通过ASP我们可以结合HTML网页、ASP指令和ActiveX元件建立动态、交互且高效的WEB服务器应用程序。ASP是经过服务器解析之后再向浏览器返回数据, 所有的程序都将在服务器端执行, 包括所有嵌在普通HTML中的脚本程序当程序执行完毕后, 服务器仅将执行的结果返回给客户浏览器, 这样不仅减轻了客户端浏览器的负担, 大大提高了交互的速度, 而且可以防止系统信息向外泄漏和保护程序源代码的安全。
1.2.2服务器数据库
在本系统的设计中采用SQL Server建立和管理服务器端数据库。SQL Server是一个关系数据库管理系统。它使用集数据定义、数据处理为一体的一种标准数据库查询语言SQL (Structured Query Language, 结构化查询语言) , 包括数据库查询 (Query) 、删除 (Delete) 、增加 (Append) 、修改 (Update) 等处理。利用前端工具的计算能力和SQL的数据库操纵能力, 可以快速建立数据库应用程序。
1.2.3 Script脚本语言
脚本语言是介于HTML和Java、C++和Visual Basic之类的编程语言之间的语言。本系统采用脚本语言VB Script来实现诊断算法以及提高人机交互的友好界面。VB Script来源于VB语言, 采用了VB的语法结构, 简单易学。脚本程序可以在客户端执行也可以在服务器端执行, 不需要编译, 可以直接用, 由解释器来负责解释。
1.2.4 ASP与数据库的联接
ODBC (开放数据库联接驱动程序) 是查询程序和数据库之间的一个接口, 通过这个接口, 能够存取不同厂商所提供的服务器数据库。由于ODBC并不是很容易使用, 所以又产生了数据库存取对象:DAORDO和ADODAO。能够存储.mdb格式的数据库RDO强化了SQL服务器的访问功能, 提高了执行效率;ADO则提取了DAO与RDO的精华。本系统所采用的数据库访问技术就是通过ADO实现的。
ADO对象模型是一组接口, 通过它可从任何语言中访问数据库, ADO提供了七种对象, 通过这些对象连接到数据库并实现对数据库的一系列操作, 这里我们仅对本系统中使用最多的几种对象进行简要介绍:
(1) Connection (连接对象) :代表到数据库源的链接。
(2) Recordset (记录集对象) :由从数据库的查询返回的记录和这些记录中的一个游标组成。
(3) Field (域对象) :代表一个记录集中使用普通数据类型的一个域。
二、系统设计与实现
本系统的实现过程主要包括:建立数据库并对其进行配置 (如访问权限、数据源等) ;设计用户界面, 编写asp程序实现与数据库的连接和诊断算法。
2.1服务器端数据库的配置
2.1.1数据库的建立
本系统的数据库由两个数据库组成, 一个是用来储存诊断信息的知识规则库, 整个诊断过程都需要和这个规则库连接, 并从中获取数据以判断病症名称;另一个用来存储犬病的名称、症状及防治方法, 以供用户查询。由于数据量较大, 我们选择先将收集的数据输入Excel表内, 再导入SQL Server中。
2.1.2在服务器端配置ODBC
我们前面提到ODBC是查询程序和数据库之间的一个接口, 为了使查询程序能够存取数据库中的数据, 我们需要对其进行配置。具体步骤如下:
(1) 开始菜单→控制面板→O D B C数据源→系统DSN→添加驱动程序选择SQL Server→完成。
(2) 配置:输入相应的DSN名称、服务器的IP地址 (若数据源在本地, 选择“local”) 、数据库账号、密码。
2.1.3数据库访问权限的设置
在查询程序 (即ASP文件) 中, 我们需要用特定的账户、密码和数据库进行连接, 这需要在SQL Server中建立账户、密码, 并为其设置特定的权限。本系统中只需要从数据库中查询, 而不涉及更新等操作, 所以只需设置select权限, 具体步骤如下:
(1) 在SQL Server的Enterprise Manager中, 选择Security, 新建一个用户名和密码。
(2) 将已导入新建数据库中的所有表格的属性中相应用户名的Select权限设置为“选中”状态。
2.2诊断过程的实现
2.2.1用户界面设计
“病症诊断”的主页设计为框架结构, 主要包括up.htm (病组分类) 、low.htm (病组) 、right.htm (症状) 。用户选择病组分类不同, 相应的病组和症状就会相应发生变化, 所以, 这三个框架之间的转换用Java Script中的on change事件实现;right.htm通过提交“病症”到查询程序 (ASP文件) , 实现病害诊断, 并显示诊断结果。查询出的病症又可通过search.asp从数据库中查找相应的症状和诊断方法。
2.2.2 ASP文件的运行
right.htm文件设计了一个供用户选择症状和查询的表单, 用post方法将表单提交给查询程序, 调用ADO与数据库连接, 从而实现对数据库的查询。
ASP的ADO访问数据库的操作过程:
(1) 创建数据库源名 (DSN) :在给ODBC传送指令时用DSN来告诉ODBC操纵是哪一个数据库, 所以配置DSN必须有DSN名、ODBC驱动程序类型、数据库名。即:conn=”driver={sqlserver};server=****;uid=***;pwd=***;database=quan;”
(2) 创建数据连接:A S P文件中, 如果要访问数据, 必须首先创建与数据库的链接, 其语句如下:setConnectiona=server.Createobject (“ADODB Connection”) ;然后, 打开链接:Connectiona.open con
(3) 创建数据对象:ADO中数据对象Recordset通常保存的是查询结果, 它保存的是一行行的记录, 并标有一个当前记录。创建方法:set rs=Conn.Execute (sqlstr) 这条语句打开并创建了对象, 其中Conn是先前创建的链接对象, sqlstr是一个串, 代表一条标准的SQL语句。
(4) 操纵数据库:通过调用链接对象的Execute方法来将查询结果返回给一个数据对象。该方法的参数是一个标准的SQL语句串, 所以可以利用它方便地执行数据插入、删除等操作。Rssql=”select mc, tz, ms from quan where mc=”+request (“bz”)
(5) 关闭数据对象和链接对象:在使用ADO对象之后, 一定要关闭它, 因为它使用了一定的服务器资源。通过调用Close实现关闭, 然后释放它。Recordset closeSet Recordset=nothing Conn.closeSet.Conn=nothing
三、系统主要功能
3.1诊断功能
本系统将疾病按症状分病组 (所谓病组就是将具有相同或相似症状的疾病归在一起依其主要症状归列为组) , 用户在诊断时只要根据病树要症状进入相应病组, 对统显示的一系列症状进行选择, 按后按“确定”按钮, 系统就会自动显示诊断结果。 (如图3、4所示)
3.2查询功能
用户只需点击诊断结果 (如“食道梗塞”) , 系统就会自动在防治库中查找并显示防治方法。 (如图5所示)
四、结束语
本论文详细阐述了利用计算机web网络技术将犬病专家的诊断方法和经验系统化、形式化, 建成犬病智能诊断系统。系统将犬的疾病按症状分病组, 用户在诊断时只要根据主要症状进入相应病组, 对显示的一系列症状进行选择, 进行确定后系统即会自动显示诊断结果, 点击病症名称则显示诊断方法。该系统简单易用, 能部分代替专家广泛指导生产实践, 对智能化农业信息技术的推广应用具有一定的理论和实践意义。
参考文献
[1]廖信彦.Active Server Pages应用大全—ASP与数据库的整合[M].北京:清华大学出版社, 2000.
[2]汪晓平, 吴勇强, 张宏林, 等.ASP网络开发技术[M].北京:人民邮电出版社, 2000.
[3]张信.犬病数值诊断与防治[M].北京:北京农业大学出版社, 1994.
[4]冯逢.狗病防治手册[M].长春:吉林科学技术出版社, 2004.
智能温控系统的硬件设计原理分析 篇11
关键词:温控;传感器
1 控制系统的硬件实现
控制系统硬件电路的组成由同步过零检测电路、温度信号检测及可控硅触发电路、时钟芯片等组成,结构框图如图1所示,以单片机机为核心,数据采集由铂电阻经补偿放大后送至A/D转换,调功部分由过零触发电路及可控硅完成。
2 功率输出电路及其控制原理分析
2.1 输出电路
加热丝输出功率大小的调节,可以使用移相调压电路,也可以采用占空比开关电路进行控制。在采用移相调压电路时,即将计算得到的控制量经D/A变换,控制可控硅的移相触发电路,实现输出电压的无级调节。由于电压输出波形的不完整,含有高次谐波分量,对电网有一定的干扰。
采用占空比开关电路控制,即考虑可控硅控制电压和被控的交流电压之间以及电热丝产生的热量和所加的电压之间的非线性,通过调节周期时间内的通电时间来调节输出功率的大小,可以避免D/A转换和信号放大造成的不必要的误差,也可以通过可控硅的过零触发电路避免对电网的谐波干扰。
2.2 控制原理分析
本系统采用晶闸管过零触发调功方式,为能精确控制晶闸管的导通时间,利用同步变压器和电压比较器LM311组成正弦交流电的正半波过零检测电路,它在交流电每一个正半周的起始零点处产生上升沿,并在正半周回零处产生一个下降沿,通过可重复触发集成单稳态触发器MC14528,单稳态输出的两路窄脉冲再叠加,就得到100Hz的过零脉冲,脉冲宽度可由MC14528的外接电阻和外接电容调节。这一串矩形脉冲序列输至控制器 C8051F020的中断口,在方波的上跳沿或下跳沿时刻产生IRQ中断,用于触发可控硅进行同步移相,从而通过计算脉冲的个数控制晶闸管通断的周期时间。
晶闸管在正弦电压过零点触发导通。这样负载上得到的电压为一正弦波,电压每次过零时,晶闸管是否导通是可控的。因而这种方式避免了调压方式缺点,且晶闸管导通功耗小,运行可靠。调功方式输入电阻炉的平均功率为: P=nN•U2NR在式中,P为输入电阻炉的功率;R为负载有效电阻;U为电网电压:n为允许导通的波头数,N为设定的波头数。
3 单片机接口电路的设计
本系统设计中采用工业级全集成混合信号在片系统单片机系列中功能比较齐全的C8051F020微处理器,在片系统SOC(System On Chip)是一个全新的概念,是随着半导体技术的不断发展。集成度越来越高,对嵌入式控制技术的可靠性要求越来越高而产生的。虽然C8051F020自带了A/D转换器,但却满足不了式铂电阻的线性校正的要求。所以在铂电阻测温电路线性设计的实现中,采用了4位半双积分型A/D转换器ICL7135。ICL7135每一个转换周期分为三个阶段:自动调零阶段、被测电压积分阶段、对基准电压UREF进行反积分阶段。
钻进系统故障智能诊断原型研究 篇12
智能钻进系统的基本原理是在钻头内部或附近安装随钻测量系统, 通过各种传感器技术对钻机工作参数、钻头位置、钻孔倾角、钻孔方位、钻孔岩性、岩石凿入硬度及钻进强度、钻头应变等进行实时测量, 从而获得钻孔轨迹、钻孔柱状图以及有关地层的物理力学参数、岩石分级及地应力数据, 实现地层的实时评判;同时, 对钻机工作状态进行实时诊断、管理、控制、反馈和调节。通过测量采集→分析决策→控制执行→再测量采集→再分析决策→再控制执行, 如此连续进行, 最终达到智能钻进的目标[1]。
钻进过程实时状态监测与智能诊断是岩土工程钻进的重要研究方向之一。钻进系统在复杂岩层、气层及液层环境中作业时, 工况极为恶劣。通过实时监测、分析和处理钻进参数, 确定合理的参数工作范围, 对及时预测、诊断和排除各种潜在的钻进事故, 保证钻进作业安全有效具有重要的意义。
1 基于机器学习理论的智能故障诊断方法
机器学习能力是机器具有智能的重要标志, 决定故障诊断的智能水平。具有学习能力的故障诊断系统, 可从环境中不断学习新知识进行自我提高。岩土工程智能钻进系统结构复杂、业务类型多、实时性、可靠性要求高, 需要采用智能故障诊断方法。采用机器学习技术是提高智能故障诊断系统诊断能力的重要方法。
目前, 基于机器学习技术的智能诊断系统主要以模糊集、粗糙集 (Rough Set, RS) 、神经网络 (Artificial Neural Network, ANN) 、贝叶斯分类器、决策树 (Decision Tree, DT) 、k-近邻 (k-Nearest Neighbors, k NN) 、基于范例推理 (Case-Based Reasoning, CBR) 、演化计算、支持向量机方法 (SVM) 、集成学习等关键理论和方法为核心[2]。由于诊断系统和作业环境的复杂性, 单一的故障诊断技术不足以较好地实现复杂系统的故障诊断功能。基于故障树和范例推理的混合智能故障诊断技术, 一方面可以利用故障树分析法的全面性, 获得初步故障诊断结论, 另一方面可以利用基于范例推理系统的易实现性, 将已发生的故障转化为范例, 提供详细的故障诊断, 从而较好地实现钻进系统的智能诊断。
1.1 故障树模型诊断方法
故障树分析法是按树状逐级细化系统故障原因的方法。常用于大系统的安全性、可靠性评价及故障分析、预测和诊断。
故障树的建立就是遵循一定的逻辑推理准则, 在故障树图形中显示出各子系统故障的内在联系以及零部件故障与系统故障之间的逻辑关系, 使得某一故障得以在诊断系统粒度层级上顺利找到故障源。这种层层深入的分析, 能够全面的分析出岩土工程钻进系统故障状态的原因。故障树的建树步骤:首先, 深入研究钻进系统, 掌握系统内在联系, 弄清各种潜在因素对故障发生影响的途径和程度;第二, 收集资料和数据, 把经验转化为数据库可识别的信息。明确顶事件, 从顶事件中找出相关的中间事件并在系统粒度的要求下逐级细化到底事件, 建立并简化故障树;第三, 综合运用各种方法, 确定控制系数及事故发生的概率, 按照逻辑关系完成故障树。故障树模型分析包括定性分析和定量分析。定性分析主要在于寻找顶事件发生的原因和原因组合, 即识别导致顶事件发生的所有故障源, 判明潜在的故障, 指导故障诊断。故障树定量分析是计算或估计系统顶事件发生的概率[3]。这种定量分析方法比较复杂, 在实际应用中若采用复杂的故障树结构函数会造成顶事件概率计算容易出现组合爆炸的问题。
根据最小割集的上行法 (Senanderes算法) , 如图1所示。
可知:
该故障树有8个最小割集, 即{A}, {B}, {C}, {D}, {E}, {F}, {G}, {H}。这8个最小割集构成该故障树顶事件N的潜在故障源。
1.2 基于范例推理钻进系统故障诊断方法
基于范例推理 (Case-Based Reasoning, CBR) 的诊断方法是通过寻找范例库中的相似问题, 将相似问题的解直接取出, 并把它作为求解当前问题解的起点, 通过适应性修改获得当前问题解的一种推理模式。其工作原理是基于人们的认知心理过程。人们解决问题的思路一般是通过识别新问题与以前遇到过的问题的相似性, 询问一些有关联的问题, 以确定新问题与哪些经验相似或将以前的经验做些调整, 最后得出结论。基于范例推理就是按照人们的这种自然的认知过程, 检索出与新问题相近的范例, 并调整或修改那些匹配不一致的地方, 形成新问题的辅助求解方案[4]。基于范例推理钻进系统故障诊断系统的工作流程, 如图2所示。
岩土工程智能钻进系统故障诊断系统用户利用智能钻进系统发生故障的历史经验初步建立故障范例库;钻进系统新故障发生后, 对新故障进行特征提取;利用诊断系统故障范例的组织结构和索引关系决定的检索方法, 从故障范例库中进行相似故障范例检索;若检索到相似故障范例, 将相似故障范例的诊断结果作为当前故障的诊断结论输出;若检索到的最相似故障范例与新故障不同, 其诊断结果作为参考结论输出, 并修正该相似故障范例, 作为一个新故障范例存入故障范例库中。基于范例推理岩土工程钻进系统故障诊断系统的建立步骤:1) 故障范例表示。主要是故障范例的描述方法以及故障范例表示的内容。描述方法有谓词逻辑表示、框架表示、全文本表示、面向对象表示、记忆网络、关系数据库表示等。故障范例表示的内容主要包含故障问题的环境、故障问题、故障问题诊断的方法等方面。2) 故障范例索引。基于范例推理的岩土工程钻进系统故障诊断系统的性能取决于故障范例的索引策略。主要有归纳推理策略、最邻近策略、知识引导策略等。3) 故障范例的组织和检索。故障诊断系统采用的范例组织方法和索引策略决定该系统的检索方法。而基于范例推理岩土工程钻进系统故障诊断系统的有效性来源于从范例库中迅速有效检索出相关故障范例的性能。模版检索、关联检索、分层检索、基于知识的检索等是可用的范例检索技术。4) 故障范例的修改、学习。故障范例的修改是对检索出的故障范例的故障诊断方法进行适当修改, 以适应当前的故障问题。主要有参数调整、遗传算法、类比方法等。把检索到的旧范例修订为新范例, 将新的故障范例的诊断过程、评价结果添加到范例库中, 即是基于范例推理故障诊断系统的学习过程。5) 故障范例库的维护。主要解决故障范例库的冗余度增加、重复范例、噪声范例等问题。基于范例推理的方法比较适合于没有很强的理论模型, 领域知识不完全、较难定义或定义不一致, 需依赖丰富经验的工作环境。其模拟人类思维善于学习和收集范例, 推理得到结论的特点, 使迅速解决复杂问题成为可能。缺点是知识的有限性, 对范例的完备性依赖度较高。通过人类思维的途径, 可以分析出岩土工程智能钻进系统的故障树模型, 利用故障树分析法的全面性优点, 可以克服基于范例推理方法上述缺点。
2 基于故障树和范例推理的混合智能故障诊断系统设计
2.1 设计思想和技术要求
基于故障树和范例推理的混合智能故障诊断技术的工作过程:第一步识别岩土工程钻进系统故障。依据钻进系统的业务流程, 对各类业务数据进行轮询, 重点监视业务流程数据的异常, 识别系统新故障, 提取系统故障特征信息。第二步进行故障树推理。根据提取的特征信息, 匹配已知顶事件并提取相关状态信息, 然后按照故障树逐级索引, 获得底事件。第三步进入基于范例的推理, 诊断系统对获得的故障树底事件在范例库中进行相似故障范例检索, 检索结果按基于范例推理的故障诊断流程处理。
通过对钻进系统故障数据特征的响应, 对故障出现的可能性进行预测, 对出现的故障给予实时诊断并给出具体处理措施的决策和指令, 是岩土工程钻进系统故障诊断的基本任务。基于这一任务, 需重点考虑以下几个技术指标:1) 覆盖率系统故障被有效识别的比例, 这是诊断系统可靠性的主要衡量指标。2) 误诊率。钻进系统不存在故障, 诊断系统却给出故障产生的判断。包括两种情况:a.钻进系统工作正常, 而被诊断出故障;b.钻进系统工作异常, 但诊断系统却给出了错误的故障定位。3) 实时性。钻进系统从故障发生到故障被诊断系统有效识别定位所经历的时间。诊断系统必须具备一定的实时性。4) 诊断粒度定位。诊断粒度是具体诊断任务中必须考虑的重点。诊断粒度, 即最小诊断单元, 是指具体的定位结果要确定到系统的哪一个层次级别。诊断粒度与信息量成反比, 粒度越小, 诊断所需要的信息量越大, 花费的代价越大。所以确定诊断粒度要根据诊断的要求来进行, 在满足诊断要求的前提下, 粒度大一些, 可降低工作量[5]。
2.2 混合智能故障诊断系统总体方案
故障诊断系统通过对钻进系统工作状态实时参数的判读, 对于疑似故障的信息进行特征提取。疑似故障特征信息在数据管理程序指导下, 进入故障树模块。按故障树索引规则, 从顶事件找出相关的中间事件并在系统粒度的要求下逐级细化到底事件, 该底事件即为初步的诊断结论信息。然后再进行CRB模块检索, 找出相似范例, 给出诊断结果。诊断的结果包括故障点、故障类型、故障处理建议并发出排除故障的操作指令等。故障被成功定位后, 输出给用户界面, 系统按照排除系统故障的范例方案进行排故操作。否则系统按基于范例推理的故障诊断流程启动故障诊断范例修正流程, 形成新的故障范例存入知识库的范例库模块。故障诊断系统流程示意图见图3。
3 结语
岩土工程钻进系统结构复杂、作业可靠性要求高, 故障诊断和管理需要采用智能方法。基于故障树和范例推理的混合智能故障诊断技术, 结合了故障树模型方法和基于范例推理方法的优点, 是机器学习理论中一种较好的技术。该技术运用于岩土工程钻进系统的智能故障诊断, 能取得较满意的效果, 需要在后续的详细设计、开发、实现过程中进行完善。
摘要：在重点论述机器学习理论中基于故障树模型方法和基于范例推理方法的基础上, 运用基于故障树和范例推理的混合智能故障诊断技术, 对岩土工程钻进系统的智能故障诊断系统进行了初步设计, 以供参考。
关键词：故障树,范例推理,故障诊断,钻进系统
参考文献
[1]谭卓英, 夏开文.岩土工程智能钻进关键技术研究[J].金属矿山, 2011, 418 (4) :1-4.
[2]陈慧灵.面向智能决策问题的机器学习方法研究[D].长春:吉林大学, 2012.
[3]孙永盛, 鲁国良, 公丕平, 等.基于神经网络与故障树的电气设备故障诊断系统[J].机电产品开发与创新, 2012, 25 (2) :128-130.
[4]杨善林, 倪志伟.机器学习与智能决策系统[M].北京:科学出版社, 2004:270-277.
【智能诊断分析系统】推荐阅读：
智能综合诊断系统10-15
智能故障诊断08-02
智能诊断测试10-01
智能故障诊断技术08-16
智能分析系统07-07
视频智能分析系统08-08
智能分析优化系统10-10
供用电智能分析系统08-19
智能数据分析系统研究11-02
智能小车嵌入式系统设计分析07-01