模糊诊断专家系统（精选12篇）
模糊诊断专家系统 篇1
摘要：以模糊推理为理论基础, 运用农业大豆种植专家的理论与方法, 将模糊技术和推理机相融合, 研发了大豆病虫害诊断专家系统。
关键词：大豆,病虫害诊断,专家系统,模糊推理
农业专家系统是将人工智能的推理技术应用于农业生产领域, 来模拟农业专家推理过程, 汇集农业领域知识、专家经验、实验数据及数学模型等, 并采用适宜的知识表示技术和推理策略, 建造起来的计算机农业软件系统。
1 系统的设计与实现
该系统运用框架技术、组件技术及web技术, 开发基于B/S架构多层次的应用系统。
1.1 系统功能
根据所处理的任务类型和对象的不同, 专家系统按照病害和虫害将系统分成两大部分。系统功能如下。
a.诊断功能 通过用户逐级录入病害特征进行诊断。
b.查询功能 ①按照病害名称查询有关该病的发病症状、防治方法等信息;②按照病害图谱查询有关该病的相关信息。
c.专家知识录入功能 对知识库中的知识进行不断更新, 以使系统跟上农业科技快速发展的脚步。
d.系统的安全管理 包括用户的信息注册和密码管理, 对用户进行分级管理。
e.结果查询打印 根据用户名和决策时间, 对推理结果进行打印。
1.2 专家系统结构
该专家系统包括知识库、信息库、知识获取、推理机、人机接口等几大部分。
1.2.1 人机接口
人机接口是专家系统与用户信息交流的可视界面, 负责将用户输入的信息转化成系统内规范化的表示形式, 再把这些内部表示交给相应的模块去处理;系统输出的内部信息也由它转化为用户易于理
解的外部表示形式并显示给用户。
1.2.2 推理机
推理机包含解决问题的策略和推理方法, 即接收从人机界面传来的信息, 调用知识库中的有关知识对该信息进行相应的处理, 并将处理结果送往人机界面或其它部分。
1.2.3 知识库
知识库用于存放领域专家提供的专门知识, 包括专业领域中的事实、规则。知识库中的知识数量和质量是一个专家系统性能和问题求解能力的关键因素, 知识库的建立是专家系统的核心任务。
2 系统的知识表示、获取与推理
2.1 专家知识的表示
建造实用的专家系统, 往往需要领域专家经验和知识工程师在各自领域相互渗透, 再把原知识进一步概括, 并把这些知识形式化, 用合适的计算机语言实现知识组织和求解问题的推理机制。基于规则的知识表示方法可以很好地表示大豆病虫害诊断知识。
2.2 专家知识的获取
专家系统的成功在很大程度上取决于从有关领域专家处获取的知识。在该系统的开发过程中, 从农业大豆专家、农技推广人员、有种植经验的农民以及有关大豆病害的书籍和权威网站资源中获取大量有用的知识。然后, 对数据进行精心整理、归纳、总结, 并对知识进行考证、验证, 以提高知识的可靠和完善程度。
2.3 规则知识库的建立
要实现根据病症准确推理诊断出具体疾病, 需要对植保专家提供的知识进行抽取整理, 使知识和信息规范化、标准化, 符合计算机数据信息推理和检索的处理要求。由于不同疾病表现某一症状的概率和程度不同, 因此需要建立病症与疾病之间可能发生的权重, 定义某种疾病对应不同症状或同一症状对应不同疾病发生的概率 (即推理规则) 。推理规则定义的依据主要是本地病害发生规律和植保专家的知识和经验。
2.4 模糊推理模型
每种病虫害特征对应一种或多种可能的诊断结果, 最终结果应当为各个征兆诊断结果的综合决断。由于植保专家的知识和经验不同, 因此他们所总结的病害特征以及由症状到结论的规则应该是不严格的, 且具有不确定性和模糊性。在模糊数学中, 利用隶属度和隶属函数, 对模糊性的定量描述与处理提供了一种新途径。
3 结果与讨论
基于模糊推理的大豆病虫害诊断专家系统具有良好的推理能力和很高的处理问题效率, 针对具体的病害特征, 能有效地对大豆病害进行识别和诊断, 为农业生产提供了有力保障。该系统以大豆为主要研究对象, 由于各种作物处理方式基本一致, 因此系统的应用范围广泛。随着计算机技术的普及和推广, 专家系统将借助计算机工具有效地防治农业病虫害。
参考文献
[1]陈文伟.决策支持系统及其开发[M].2版.北京:清华大学出版社, 2004.
[2]黄新耀, 林福兰.用模糊数学理论与方法综合评价教学效果[J].华南理工大学学报:自然科学版, 1998, 26 (3) :79-85.
[3]汪培庄.模糊集合论及其应用[M].上海:上海科学技术出版社, 1983.
[4]杨善林.智能决策方法与智能决策支持系统[M].北京:科学出版社, 2005.
[5]沈理.一种快速模糊推理系统[J].计算机研究与发展, 2002, 39 (4) :405-409.
模糊诊断专家系统 篇2
基于模糊神经网络的数据通信子系统全局故障诊断
基于模糊神经网络理论,提出一种基于模型构建的.数据通信子系统(DCS)全局故障诊断方法.全局故障诊断模型的输入空间由故障征兆集组成,诊断过程由全局故障诊断规则实现,输出空间由故障类别集组成.基于对DCS系统结构的分析,选取了一些关键设备信息作为故障征兆信息.将故障征兆信息中的物理向量分析转化为算术数值判断,创建决策矩阵,构建全局故障诊断规则,实现了故障类别综合判定,从而完成全局故障诊断模型构建.以工程实例中的DCS典型故障类别为验证对象,对全局故障诊断模型进行了试验验证.该方法丰富了DCS故障诊断方法,总体精度可达到91.29%.
作 者：高军武 Gao Junwu 作者单位：永济新时速电机电气有限责任公司,永济,044502刊 名：现代城市轨道交通英文刊名：MODERN URBAN TRANSIT年，卷(期)：“”(3)分类号：U2关键词：轨道交通 数据通信 DCS 故障诊断 模糊神经网络
模糊诊断专家系统 篇3
关键词：多变量；模糊系统建模；控制理论；分析
中图分类号： TP1 文献标识码： A 文章编号： 1673-1069（2016）14-171-2
0 引言
在现实世界中有庞大的多变量模糊系统存在，这个系统其参数以及结构都具有多变性。尽管目前的多变量模糊系统的建模以及控制理论已经有了很大的提升和完善，但还是存在一些问题和缺陷，因为目前的多变量模糊系统建模与控制的方法缺乏有效性和简便性，且在计算的过程中缺乏高效简捷的方法，因而使得大部分的多变量模糊系统模型缺乏实际效用，且只能应用于变量单一的系统中。尽管后来有人也研究出了一些比较简易的模型和快捷的计算方法，但是这也使得其准确性大大降低，另外现有的模型还不能直接分析其动态的特性。因此研究和分析多变量模糊系统的建模与控制理论，为建立适用的模型提供更好的理论基础和依据就变得尤为重要。
1 多变量模糊系统中存在的问题
目前的多变量模糊系统的建模与控制仍然处于初级的发展阶段，这时已经形成了较为标准的模糊控制结构，也有一定的控制规则，但还存在一些难以克服的问题和缺陷。首先是目前系统控制的规则主要还是以理论以及操作经验为主，但是在其完善和拓展上还存在较大的困难。其次就是这时所依赖的控制器尽管是在多变量模糊系统建模以及控制理论的基础上研发出来的，但是其对于模糊系统中的各个维数的关系以及指数的增长趋势都不能进行实际意义上的控制，因此也缺乏实际意义。然后就是控制器的组成结构以及运算方式都非常复杂，很难满足实际应用的智能体系。最后就是系统的分析存在较大的难度。而目前所使用的模糊系统的建模与控制的理论大都只适合于单一的系统，因此为了更好满足工程实践以及多变量模糊系统发展的要求，就必须对其建模与控制理论进行研究和分析，从而促进多变量模糊系统的功能完善以及进一步的发展。常规模糊控制器结构如图1所示。
2 多变量模糊系统中的新颖模型
2.1 穴映射模型
为了有效的弥补目前多变量模糊系统模型的不足，专家们在应用变量论域以及模糊系统分散化的前提条件下，提出了穴映射的相关概念，即模糊穴以及穴空间，同时还建立了两种表示穴映射内部关系的模型，即推理模型和矩阵模型，另外还给出了辨识的方法以及计算的方法。当描述系统的穴映射内部的关系时，可以用矩阵R来进行表达，这样就可以获得一个矩阵的模型。这个模型的优点就是不管系统中的变量多与否，其都能应用上述的模型来进行描述和表示，即可以用一个二维的矩阵或者是并行的穴映射的矢量来进行表示，这就使得多变量模糊系统建模趋向简易化，也为防止维数爆炸提供了重要的解决途径。
2.2 动态方程模型
目前的多变量模糊系统在建模的过程中大部分只考虑了系统的外部因素，因此可以说这种多变量模糊系统的模型只是一种函数模拟器，因此很难获得其内部的动态数据用以设计控制器。而为了分析多变量模糊系统的复杂性，并对其进行有效的控制，专家们建立了一种新颖的动态方程模型，用来反映系统的各类响应，并达到获取内部控制数据的目的。这种动态的模型是依靠观测的状态来设置一个局部反应系统，用以反映内部的行为，并运用特征矢量建立相应的矢量关系，从而达到与外部行为相互呼应的效果。这种模型能够极大的简化分析的过程和环节，但是其计算出的结果却比较保守。
2.3 神经网络模型
在多变量模糊系统建模的方法中，其主要是依靠理论知识和操作经验来加以完成。但是如果理论知识不充分或者是多变量的系统太过复杂，就会导致其结构很难被辨识出来，因此为了有效的解决这一问题，专家们就研究出了一种新型的神经网络模型，从而为多变量模糊系统建模提供了一种新途径。这种神经网络模型的活跃度比较高，并且能够与模糊逻辑有效的综合起来，并为以模糊逻辑为发展基础的智能模糊系统打下了良好的理论基础。
2.4 递阶结构模型
对于多变量模糊系统来说，建模必须按照一定的层次结构来进行，因此在建模的过程中必须遵从一定的递阶结构。而递阶结构模型的出现，有效的保证了模型的完整的层次结构，并且其辨识方法也更为先进。这种模型辨识的方法就是运用递阶控制的均衡联系法来进行辨识，从而有效的促进了各个子系统之间能够达到良好的平衡状态。
3 多变量模糊系统控制理论
3.1 直接控制
在多变量模糊系统的控制理论中，首先就是直接控制。这种控制理论不需要了解和分析控制对象的的特点以及特性，同时对于促进产业化的提升具有重要的作用和意义。但是其也存在一定的缺陷，即设计出的控制器不能尽快满足控制对象的需求和特性，同时其还要考虑到变量系统的敏感性和耦合性。因此在运用的过程中，首先要学习优化计算和结构理论，以及学会推理运算的基础方式和理论。
3.2 间接控制
多变量模糊系统的间接控制中，先要为控制的对象进行建模，建模的依据就是模糊逻辑体系，然后在此基础上设计出一个符合理想标准的控制器。这种间接控制器能够为多变量模糊系统建模提供更合理的信息，其次就是能够对系统进行深入的分析，同时还能使控制理论得到进一步的完善和提升。但是其也存在一些不足，即存在不确定性，并且也缺乏一定的有效性。间接控制的方法如图2所示。
4 总结
综上所述，尽管目前人们对于多变量模糊系统的建模以及控制理论有了进一步的分析和认识，但是还没有达到完善优化的目的，因此未来研究任务还非常艰巨。因此未来多变量模糊系统建模与控制的研究方向为：加大对多变量模糊系统建模的深入分析；设计一套完整的适应多变量模糊系统发展的控制理论。只有不断进行研究和分析，才能保证多变量模糊系统建模与控制的过程能够得到有效的发展和提升。
参 考 文 献
[1] 罗运辉.非线性多变量热工过程多模型控制及其应用研究[D].山东大学，2011.
[2] 任耀庆.多变量模糊逻辑控制系统的设计及其应用[D].中南大学，2013.
[3] 任贵杰.单元机组协调控制系统的建模与控制优化研究[D].北京交通大学，2011.
[4] 赵曌.基于PLS方法的建模以及控制器设计[D].浙江大学，2012.
模糊诊断专家系统 篇4
目前大多数煤矿的超高水充填系统的输送管道没有安装泄露堵塞定位自动检测系统,主要靠人工沿管线巡视,费时费力,定位不准确,管道维护困难。遇到管路故障,只能做应急处理,浪费大量的人力财力。为了提高自动化水平,改进生产质量节约能源,本论文设计了基于模糊专家系统的超高水充填管道在线监测及故障诊断系统。通过将模糊集合理论和专家系统相结合,对管道的压力和超高水流量进行在线监测和模糊推理,能有效提升系统判断的准确度,增强系统的容错性,同时也保证了诊断系统的实时性和有效性。
1超高水充填管道在线监测及故障诊断系统
超高水是一种新兴的煤矿采空区充填材料,该材料由A,B主料与少量速凝剂(AA)和复合缓凝剂(BB组成[1],A料主要以铝土矿、石膏等独立炼制并复合超缓凝分散剂构成,B料由石膏、石灰及复合速凝剂构成,二者以1:1比例配合使用。能够达到凝结快,强度大的效果。在使用时,该材料用量很少,而水体积占95%~97%[1]。组成材料按一定比例配制完成后,分别运送到采空区混合,在一定时间内迅速凝固成硬度很强且不可压缩的固体[2]。充填材料在井上完成各自的配比后,经过长距离的管道输送到井下采空区。
超高水充填系统的输送管道中,每种流体所含成分不同,并且由于输送管道的管线长度不确定、高体水流速不均匀等因素影响,容易造成管道堵塞、凝结、泄露等问题,严重影响输送管道的安全运行,所以根据需求设计了基于模糊专家系统的高水充填管道在线监测系统。主要通过对输送管路沿线的压力、流量等变量的实时在线监测,经过数据分析及对照判断管路是否发生堵塞故障或者泄露。若有故障发生,则进行报警,从而减轻工人的劳动强度、节约能源、提高充填系统自动化水平。
本系统上位机采用PC104嵌入式工控机下位机采用PLC来实现超高水充填管道在线监测及故障诊断,具有数据处理、数据显示、数据储存、数据查询、报警等功能,能够实现人机界面的友好交互。其中系统的硬件框架图如图1所示。
2模糊专家系统故障诊断
超高水充填管道监测系统属于典型的非线性、时变、强干扰系统。此系统的扰动因素比较多,如井下管道高度不同造成管道压力变化,管壁的粗糙度以及管道弯头造成的管道流量变化等,很难用精确的数学模型进行描述,因此针对这些不确定信息本文将模糊集合理论与专家系统相结合[3],提升了诊断精度,增强了系统的容错性,同时也保证了诊断系统的实时性和有效性。
超高水充填井下管道故障诊断模糊专家系统由知识库、推理机、数据库、解释模块、学习模块以及输入输出模块构成[4],其结构原理图如图2所示。
其中部分的功能为:
1)综合数据库。主要存放井下管道压力、流量等数据以及在诊断过程中产生的一些数据。
2)知识库。存放诊断用的有关规则以及有关知识等。
3)推理机。模糊推理机是整个模糊专家系统的核心。它根据当前输入数据,运用知识库中的知识,采用一定的模糊推理策略,对井下管道进行故障诊断。
4)解释程序。向用户解释系统是如何推理得出故障的结论。
2.1知识库
2.1.1知识库的建立
煤矿井下超高水充填系统中不同的工况可能引起超高水流量、管道压力的变化,但变化的情况是不同的, 如表1所示。
整个充填系统管道长度约2552米,管路为内径为125mm的无缝钢管。利用流体力学相关知识对管道的压力降进行分析。整个管道的压力降主要包括管道摩擦压力降、静压力降和速度压力降,管道压力降的计算公式如下:
其中:
λ为摩擦系数,无因次;经查表为0.02 ;
L为管道长度, m ;
D为管道内直径, m ;
∑K为管件、阀门等阻力系数之和,无因次;
u为流体平均流速, m/s ;
ρ为流体密度, kg/m3;
Z2、Z1为管道出口端、进口端的标高,m;
g为重力加速度, 9.81m2/s ;
u2、u1为出口端、进口端流体流速,m/s。
充填管道按照满管计算,则可计算得到整个充填管道压力降⊿P=363.2k Pa。
当管道运行正常时,管道的压力降曲线如图3的曲线1所示,此时相邻两个传感器之间的压差为⊿P1。当某一传感器x0处发生堵塞事故后,其压力降如图3的曲线2,此时两端的压差为⊿P2。
对充填管道的压力、超高水流量分析,假设模糊集 {P1,P2,P3}={相邻两个传感器之间的压差⊿P,前一流量传感器的流量,后一流量传感器的流量},Q为管道故障。各故障状态如表2所示。
对故障征兆和故障原因分析可得到部分规则:
2.1.2知识库的表示
在故障检测中,传感器获取信息过程中会受到一些干扰因素的影响,使其具有一定的模糊性,而且故障集合与故障特征之间也并不是一一对应关系,相互之间的影响也具有一定的模糊性[5]。因此本文采用模糊产生式规则来表示知识库。
其中:B{b1b2…bn}为前提子条件的模糊隶属度阈值;wj(j=1,2,…,n) 是权值,描述规则前件中每个因素对规则理论影响程度的大小,且满足;τ是对规则设置的一个应用阈值,通常τ的取值介于0.5和1之间;CF为规则强度,τ和CF的值由经验来确定。当前件的可信度σ≥τ时该规则可用,且此时结论Q的可信度为 β[6]。其中:
2.2推理机
本系统的推理方法采用正向模糊推理的方式。根据故障征兆对知识库进行模糊匹配,分析匹配出的可能原因便可以诊断出管道的实时状况。
3仿真及实验结果
对系统进行实验仿真分析,选取管道长度50米,流体密度为1640kg/m3,流体有效粘度为0.118,当流体流速发生变化时阻力损失的变化如表3所示。
随着仿真实验的进行系统准确率的仿真图如图4所示。
从上述仿真图可以看出本文所提出的故障诊断方法准确率较高,说明了本文方法的有效性。
4结束语
模糊诊断专家系统 篇5
一. 引言
发电机运行的高可靠性和合理状态的维修方式，已经成为关键和焦点。“状态维修”是根据设备状态监测和故障诊断所预知的设备状态，来确定设备维修工作的内容和时间，制定维修方案。状态维修是针对传统的对设备进行定期的“计划维修”存在的盲目性与强制性、缺少针对性及科学性，所造成设备的 “过度维修”的弊端而提出的一种新的维修概念和维修方式。
用射频技术与模糊诊断技术对发电机绝缘状态监测，对设备采取状态维修，减少故障率，可以延长设备的服役寿命，这是诊断技术促进设备的科学管理的结果。
状态维修植根于状态监测技术仪器和可靠的状态诊断系统。1990年起，上海第二工业大学对发电机绝缘状态监测进行研究和开发，先后完成SJY-1射频监测仪的研制、发电机局部放电射频信号评判研究，及发电机绝缘故障模糊诊断专家系统、大型汽轮发电机绝缘状态远程监测与诊断系统等项目的研究与开发。前两个课题已经取得实际应用效果，并在实践中显露出它对状态维修的贡献，后面二个成果的推广应用，有望在更大程度上为状态维修提供一个科学决策的方法。
二.发电机绝缘状态的射频监测
发电机局放在线射频监测仪能对发电机绝缘状态监测和对绝缘故障早期预报。该方法利用高频电流互感器从发电机定子绕组中心线上拾取高频放电信号，以发现定子内部放电现象。西屋公司开发了商用的射频监测仪，在许多发电机和大型高速电动机上采用取得实效。
SJY-1射频监测仪是上海第二工业大学在1992年完成的上海市14项重点攻关课题与上海市火炬计划项目。该设备在抗干扰和接收器的输入动态范围等性能方面优于西屋产品，提高了监测的可信度;十年来的运行经验和研究，课题组对射频监测仪测试结果的解释，从原本限于监测定子线棒股线断裂拉电弧，发展到对发电机低能量的局放的评估，更有效地发现早期的绝缘缺陷，为发电机状态维修提供有意义的信息。1994年以来，已有100余套SJY-1射频监测仪在全国十几个省市的100-600MW汽轮发电机(包括为秦山核电650MW机组及巴基斯坦恰希玛核电站配套)，和刘家峡、八盘峡水电站上运行。使用实践证明，SJY-1射频监测仪确实反映被监测的电气设备的绝缘状态，没有出现过误报和发生过漏报，并及早发现发电机系统异常和故障许多起，如张家口发电厂、马鞍山万能达发电有限责任公司、永昌发电厂、吴泾热电厂、吴泾二电厂、渭河发电厂、巴基斯坦恰希玛核电站等，防止了发电机重大事故的发生，对发电机绝缘系统评估和监督有积极作用。经张家口发电厂等使用经验表明SJY-1射频监测仪在线监测的指示值，与离线做的 “电位外移”法的结果十分吻合，这为发电机绝缘状态的在线监督和评定，提供了很有价值的信息。随着绝缘状态监测仪的推广应用和运行经验的不断积累，有望一定程度上逐步取代某些传统的对绝缘带有破坏性的电气预防性试验，这些试验需要离线做，且弊端较多。哈尔滨电机厂、上海电机厂等把SJY-1射频监测仪列为配套产品。
射频监测仪作为一个预示事故的仪器，它可较早地预报发电机的隐患。射频监测仪的使用中首先要认识其指示值变化及其发展趋势对发电机的绝缘状况的关系，
通过对SJY-1射频监测仪现场使用的研究，首次给出了发电机的绝缘状态与射频的信号电平的函数关系，把发电机绝缘状态监测，划分为良好、中介过渡、注意、警告、危险几个区域，为运用射频监测技术科学评估发电机系统的绝缘状态打下基础，并接受了实践的考证。许多实践证明，当SJY-1射频监测仪检测信号低于300μV或在此附近摆动，而且测量值与发电机的负荷无关的情形下，发电机系统的放电总量是微小的，说明发电机系统的绝缘状况是良好的，就这点，它对发电机实施状态维修提供了有效信息。当SJY-1射频监测仪检测信号高于000μV，宜将数据与平时积累的数据比较，应机而异，评判发电机系统中放电状况，
譬如，负荷的跟随情况，射频信号幅值是比较恒定的还是随机变化的，信号是缓慢升高的还是突变的等等，还应综合传统测试方法及发电机的工况变动试验，以综合评判故障发生在发电机内部还是外部，相对而言，该信号变化的趋势给评判可提供更为丰富的信息。1000μV确非发电机定子内部放电判断的绝对的界限，不是射频信号一旦达到某一个的水平(规定值)就停机，凡属预报性仪器，其最重要的是可靠性，所反映的信息是真实的，另外，在状态维修的系统中，不可能要求只用某一个设备、或一个信号来判断发电机故障的类型，或决定发电机停机与否。
三. 发电机绝缘故障的模糊诊断
本研究成果“125MW，300MW汽轮发电机绝缘故障模糊诊断专家系统”，具有二级诊断功能：“一级诊断”为在线进行的，使用 SJY-1射频监测仪对发电机的绝缘状况进行监测，当其信号指示值超标或出现异常时，将作为下一级诊断的起动;“二级诊断”为离线的，是提问式的交互式诊断。
汽轮发电机是一种十分复杂大的系统。故障与征兆之间关系模糊复杂，用建立精确数学模型来进行故障诊断是十分困难的。发电机系统内的有些信息是确知的，如进出水、氢的温度及其温差、定转子和铁心的温度、氢气的湿度等;有些是非确知的，如定子、转子铁心的绝缘。非确知的即为模糊性、灰色性。绝缘从良好到劣化中间过渡是一个模糊态，模糊性是发电机系统绝缘故障客观存在的属性。模糊集Fuzzy Sets的思想是以数学方法来处理模糊现象，是精确性向模糊性的一种逼近。因此，本成果结合射频监测仪的应用，把模糊集思想引入到发电机绝缘系统的故障诊断中，对发电机绝缘故障诊断这一复杂系统找出合适的描述方法，以模拟人类专家在进行对发电机故障判断的经验，把人们长期结累的经验作为规则模型化，给出解决发电机故障诊断这类复杂大系统问题的快速而有效的途径，其目的是试图以计算机代替人类专家对复杂的发电机系统进行故障诊断，实施发电机绝缘故障模糊诊断。
基于专家经验及知识处理的专家系统诊断方法，系统中的专业知识使用具有因果关系产生式表示，每一个产生式都有前提与结论两部分组成，易于控制和检测。其规则库由大约数百余条规则，和对发电机系统有关的射频信号及近五十个征兆，以及定子绝缘故障等二十几类绝缘故障事实组成。系统通过一组推理结构的程序，负责整个产生式系统的运行，它按一定的策略从规则库中选择规则与已知事实进行匹配(比较)，使问题得到求解。对发电机绝缘故障多数不确定状态采用确定性因子、对自然语句中模糊量词进行量化、对射频信号使用隶属函数建模等，给出解决发电机故障诊断这类复杂大系统问题的快速而有效的途径，是当前被认为很有前途的办法。
专家系统框架和方法虽然已经确立，它还需在运行中完善，在完善中发展。
四.结论
1.状态维修发电设备维修管理的必然趋势，状态维修植根于状态监测技术和可靠的状态监测仪器。用SJY-1射频监测仪等设备评估发电机系统的绝缘状况，对防止发电机重大绝缘故障的发生，和发电机状态监测有积极作用。
2.运用模糊集构造发电机绝缘故障专家系统，和应用现代通信技术和网络技术做成发电机远程诊断系统，是状态监测和状态维修的发展趋势。
[⒖嘉南]
1.汪耕 李希明等编著，大型汽轮发电机设计、制造与运行，上海科学技术出版社，11月 。
2.Gabe Paoletti. Alex golubev. Partial Discharge Theory and Technologies Related to Traditional Testing Methods of LARGE Rotating Apparatus [R].USA : Cutlerhammer Company,.
3. 郭维芹，对发电机绝缘故障实行早期预报，《电气设计技术》，20第1期
4.郭维芹，发电机局部放电射频在线监测，上海第二工业大学学报，1995年第5期
5.李伟清 刘双宝，大型汽轮发电机常见故障的检查及处理方法，《大电机技术》，年第3期
6.C. V. Negoita, Expert Systems and Fuzzy Systems, London, 1985
7.王式正，郭维芹，发电机绝缘故障模糊专家系统，上海第二工业大学学报，2000年第1期
8.国家电力公司标准，汽轮发电机运行规则(版)，国家电力公司发行
模糊诊断专家系统 篇6
1.问题分析
建立一个模糊控制系统模型首先要确定控制系统的输入、输出变量。对于交通影响程度评价系统来说，我们不难发现，交通与用地就是我们所需要的输入变量，而对于输出变量则可直接采用交通影响程度这一概念，而并非经常所述的交通满意程度的概念。因为用交通影响程度更能直接反映出开发项目对周围路网的交通影响，同时也有利于建立该模糊控制系统模型。在输入变量的界定中，交通系统可以用周围路网的平均负荷度来衡量，而对于用地系统来说，采用开发项目高峰小时生成交通量来衡量，这一指标在一定程度上反映了土地利用的性质、规模及区位等系列特征，因此是一个比较理想的度量指标。
2.模型变量说明
（1）VPH（Vehicle Per Hour）：高峰小时项目生成交通量；（2）VDC (Vehicle Divide Capacity):项目周边路网平均负荷度；（3）TID (Traffic Impact Degree)：开发项目对周边路网的交通影响程度；（4）Myrule：模糊数学中由模糊条件语句组成的规则库（IF…THEN语句）；（5）Time：模糊控制系统的时间；（6）Timestep：模糊系统控制的时间步长；（7）T：实现系统自增变量。
3.基于模糊控制系统的交通影响程度评价模型
（1）模型框架
基于上述分析和及模型变量说明，利用模糊控制语言FCL(Fuzzy Control Language)，我们不难建立如图1所示的模糊控制系统模型。
（2）隶属度函数
分别对两个输入变量建立隶属度函数，对系统的输出变量同样也建立隶属度函数，如图2所示。
（3）模糊逻辑规则库
模糊控制系统模型中对于模糊逻辑规则库的建立是至关重要的，建立规则库不可能凭空想象，一定要建立在已有实践项目及专家经验的基础上才能得到比较理想的结果，从而更能体现出本模型的实用价值。因此在建立本系统模型之前笔者参考了大量的相关资料，如北京工业大学的自然基金项目《交通影响分析体系研究》[2]、《交通影响分析指南》等，得到了25条比较切合实际的模糊逻辑规则语言。如其中一条模糊语言：IF VPH is Low and VDC is Low, THEN TID is Low.
（4）模糊控制点界定
根据道路通行能力手册（Highway Capacity Manual，简称HCM），一般认定VDC<0.4时，车辆处于不受阻碍的自由流状态[3]；而VDC>0.9时，道路服务水平由D变成了E，这也是模糊控制系统需要做出敏锐反应的突变点。对于高峰小时交通量，美国等发达国家的大城市由于其机动化水平较高，因此规定进行交通影响分析的上限也比较高，VPH取100PCU/h，即单向高峰小时项目生成交通量超过100pcu，就认为由它造成的交通影响是不能接受的，该项目必须进行交通影响分析。而国内一些大城市如南京市规定为60PCU/h，即建设项目单向高峰小时项目生成交通量超过60PCU/h，该开发项目也必须进行交通影响分析。显然对于本模糊控制系统模型而言，VPH=60PCU/h也是模糊控制系统的一个突变点。
（5）模糊控制系统推理结果
笔者对模糊控制系统进行正负两个方向的模拟。首先是VDC和VPH都逐渐增大，即正方向模拟；另一种情况是VPH增大，VDC逐渐减小，即负方向模拟。两种情况的模拟结果如图3、图4所示。
4.模型结果分析
（1）正方向模拟结果分析（见表1）
显然，交通影响程度TID与项目周边路网平均负荷度VDC和高峰小时项目生成交通量VPH是成正比关系的，因此模拟结果是一条阶梯递增函数曲线。对于1号突变点是由VDC=0.4这一模糊控制点所导致的结果。因为VDC<0.4时，车辆是以自由流行进的，而一旦超过这个值，车辆运行条件将发生明显的变化，因此交通影响程度TID也产生了突变，从0.15突增至0.58；而对于2号突变点则是由VPH=60PCU/h这一模糊控制点造成的，原因如前所述。TID由0.58增加到0.82；对于最后的3号突变点是由VDC=0.9导致的，也就是道路服务水平由D级降低到E级这一临界状态，因为一般要求城市市郊区道路服务水平不得低于D级，因此模糊控制系统对这一临界状态也产生了敏感的突变。TID由0.82增加到0.95。
（2）负方向模拟结果分析（见表2）
由于高峰小时项目生成交通量VPH是单调递增，而项目周边路网平均负荷度VDC是单调递减的，因此生成的曲线显然不是简单的递增或者递减。各个突变点说明如下：系统模拟开始时，VPH值很小，因此交通影响程度TID就取决于VDC，即交通影响程度TID随VDC的下降而呈阶梯下降。1号突变点是由于VDC=0.9这一模糊控制点导致的，因为VDC=0.9是道路服务水平D级与E级的分隔值，交通影响程度TID由0.82降低至0.58；2号突变点的形成原因是VDC=0.75, 也就是道路服务水平C级与D级的分隔值，交通影响程度TID由0.58降低至0.31。由于VDC的逐渐下降，其对交通影响程度TID的作用越来越小，同时由于VPH的逐渐增长，使其成为了影响交通影响程度TID的主流因素，因此交通影响程度又开始呈现阶梯递增现象，其中3号突变点就是由于VPH=60PCU/h导致的结果，交通影响程度TID由0.31增加至0.58；而4号突变点是由VPH=100PCU/h这一模糊控制点导致的，交通影响程度TID由0.58降低至0.82。VDC的继续下降必然使得原来的交通系统进入自由流状态，而当VDC=0.4时，如正方向模拟结果分析，使得VDC占据了主导影响因素的地位，同时VPH已经超过了临界值，它的继续增大也只是简单的量的积累，而不会成为影响TID的主要因素，因此形成了5号突变点，交通影响程度TID由0.82降低至0.58。同时在VDC=0.4的影响下，系统又进入了阶梯递减的状态。值得说明的是，虽然5号突变点是由于VDC=0.4而形成的，但由于VPH已经超过临界值，因此5号突变点位置的交通影响程度TID还是很大的，与VDC=0.9时基本相当。
5.结论
本文借助模糊控制系统平台POPFUZZY模拟软件，结合交通影响评价理论，建立了基于模糊控制系统的交通影响程度评价模型，有一定的原创性。从模型结果分析中不难看出，各个突变点都很好地反映了项目周边路网平均交通负荷度与项目高峰小时生成交通量对交通影响程度的灵敏度，这些模糊控制点也是符合当前国内外专家在这一领域的研究成果。更值得一提的是，在阶梯之间的曲线很好的反映了负荷度和高峰小时交通量在非临界点状态下输入输出变量之间的曲线关系，这就为具体项目的交通影响评价工作提供了技术参考与评价准则。
由于模糊控制系统的核心是模糊逻辑规则库，而规则库的建立又受制于已有的研究成果，如何进一步完善模糊逻辑规则库将是未来该课题深化研究的重点。
参考文献：
[1]潘有成,莫海波.新开发区域建设项目交通影响评价及其应用研究[J].重庆交通学院学报.2007,26(2):140-144.
[2]王丽.大城市交通影响分析体系研究[D].北京:北京工业大学,2001.
[3]李作敏.交通工程学（第二版）[M].北京:人民交通出版社,2003.
模糊诊断专家系统 篇7
关键词：生产设备,模糊推理,数学模型,故障诊断
设备的故障诊断一直是各国所关注的重要课题。随着科学技术的发展,对生产设备保障技术也提出了更高的要求。某型设备由于在生产中的广泛使用,一些故障也相继伴随出现,在长期的研究中发现,这些故障现象和产生的原因之间具有模糊关系,一个故障并非对应着一个故障原因。在现代数学中,模糊数学可以理清该生产设备系统中的故障征兆与故障原因之间的关系。本文就是利用模糊故障诊断方法,建立一个通用的故障诊断系统,实现对故障快速、准确地分析和诊断。
1 基于模糊关系的故障诊断原理和模型
由于某型生产设备故障征兆与故障原因之间有着极其复杂的错综关系,因此,首先要分析生产设备的故障现象和故障机理,当理清所有的故障现象和故障机理之间的关系后,建立故障征兆集和故障原因集,并通过专家知识确定模糊关系矩阵。
首先,根据专家、试验数据,设定故障征兆集为X,产生的现象有m种,用向量可表示为X=(x1,x2,···,xm) : ,记为m维故障征兆空间 ;
同样,设定故障原因集为Y,引起所有故障的原因有n种,用向量表示为Y=(y1,y2,···,yn) :,记为n维故障原因空间。
其次,确定模糊关系矩阵。故障征兆与故障原因之间的隶属度,组成了模糊关系矩阵,两者之间的隶属关系没有一个确定的公式来计算,而是多为专家经验进行确定,这样,便构成了模糊关系矩阵。
最后,根据模糊诊断的数学模型,即,就可以求出故障原因。
该式用矩阵可表示为 :
得到故障原因Y后,根据最大隶属度评判原则,确定故障产生的最主要原因。
2 故障诊断系统方案设计
2.1 系统设计的基本要求
(1)系统环境
操作系统 :中文Windows XP
数据库系统 :Microsoft Access 2003
(2)开发环境
开发环境 采用Microsoft Visual C++ 6.0,开发语言为面向对象的C++ 语言。
2.2 系统总体方案设计
在分析了某型生产设备系统故障和基于模糊推理的诊断方法后,本文设计了如图1所示的故障诊断系统总体方案。
在完成功能总体分析的基础上,故障模糊诊断软件系统采用模块化设计思想,将整体的任务功能划分为九个子单元,对应各个任务功能子单元分别设计实现了生产设备信息模块、简易诊断模块、模糊故障知识模块、模糊诊断模块、故障统计及机理分析模块、数据库模块、人机接口模块、用户管理模块和系统帮助模块。
3 模糊诊断功能模块的具体实现
在总体方案中,最核心的模块就是模糊诊断推理模块,体现了整个系统的实质功能,本文仅以此模块为例,具体分析该功能模块的实现过程。
模糊诊断模块是某型生产设备系统故障模糊诊断系统的核心模块,其主要功能是根据出现的故障征兆推理计算出故障原因。
模糊诊断模块主要由类CFault DN完成。该类实现了模糊诊断数学模型,其中模糊关系矩阵R由可动态改变大小和编辑的二维数组表示,故障征兆X和故障原因Y分别用可动态改变大小和编辑的一维数组表示。
模糊诊断模块使用MFC模板库中的CArray,用来实现 动态数组 的功能。CArray包括两个模板参数,第一个参数就是CArray类数组元素的变量类型,后一个是函数调用时的参数类型。关系矩阵为double型二维数组,定义为CArray
模糊诊断具体过程为 :
⑴在故障模式列表中选择合适的故障模式 ;
⑵确定故障征兆集。在征兆列表中选择出现的故障征兆,选中为“1”,未选中为“0”;
⑶根据输入的征兆向量和该模式下的故障模糊关系矩阵计算故障原因隶属度 ;
⑷根据隶属度大小进行排序 ;
⑸对应各故障原因给出维修策略 ;
⑹诊断结束后用户可选择保存操作,并输入当前诊断的车辆编号和实施的维修措施,诊断记录功能由类CCarSelDlg实现 ;对于记录的历史诊断信息,查询功能由类CExpRecord实现。
4 诊断实例
给出某型生产设备中电源变换电路故障现象与故障原因之间的隶属关系,如表2所示。
假设,电源变换电路中出现没有电压的现象,出现故障记为“1”,否则为“0”,则故障征兆空间向量为X=(0,1,0,0,0,0) ,因此,依据数学模型有 :
用该诊断系统进行诊断如图2所示。
得到的诊断结果如图3所示。
5 结束语
模糊诊断专家系统 篇8
本文利用FPN技术,建立了一种简单的FPN推理过程通用模型,给出了新的FPN数据表,在此基础上实现了FPN推理算法,并将此模型应用到飞机电力启动系统的故障诊断,解决了飞机电力启动系统故障诊断推理过程中的并行推理问题,提高了故障诊断效率。
1 模糊Petri网
1.1 模糊Petri网定义
定义1模糊Petri网是一个八元组:
其中:P={p1,p2,…,pn}是库所的有限集合,n(n>0)为库所的个数。T={t1,t2,…,tm}是变迁的有限集合,m(m>0)为变迁的个数;P∩T=Φ(空集);D={d1,d2,…,dn}是命题的集合;I=P×T→{0,1}是输入函数,表示从库所到变迁的映射;O=T×P→{0,1}是输出函数,表示从变迁到库所的映射;F:T→[0,1]表示变迁的可信度函数,映射变迁到一个0～1之间的实际值F(tj)=μj,W:T→[0,1]表示库所Pj的可信度函数,映射库所到一个0～1之间的实际值W(Pi),(i=1,2,…,n);F:T→D是每一个节点的库所与命题间的映射。
定义2令A为一有向弧的集合,若pj∈I(ti),则存在着一个从Pj至ti的有向弧αij,αij∈A。这里,Pj是变迁ti的输入库所;若pk∈O(ti),则存在着一个从ti至pk的有向弧αik,αij∈A,pk是变迁ti的输出库所。
1.2 模糊产生式规则
模糊产生式规则是一种IF-THEN结构的模糊条件句,是对不确定、模糊、不精确知识的一种常用描述方法。通常模糊产生式可分为3类,在产生式系统中,从前提到结论是一棵与或树,每个产生式系统包含着许多这样的与或树。模糊产生式规则主要有3种形式,各规则形式如图1所示,分别为:
类型1:If
类型2:If
类型3:If
在FPN中,每一个变迁对应一个规则,变迁的输入库所是规则的前提条件,变迁的输出库所是规则的结论,变迁的一个映射函数对应规则的可信度,库所中的标记值对应规则中命题的可信度,规则的匹配成功与FPN中变迁的发生相对应。类型2的模糊产生式可由类型1和类型3得到,因此,根据定义1和定义2,本文仅应用图1中第1和第3种形式的模糊产生式规则。
2 基于FPN模型的模糊推理
2.1 FPN推理的数据表
故障诊断是指由观察到的某一故障现象寻求导致这一故障的原因的过程。参考文献[4],本文在文献[3]的基础上,对模糊推理算法进行了简化,与文献[3]数据表不同的是:只建立一个表,这张表中包含下述3类信息:①变迁ti的映射函数值F(ti);②变迁的立即可达输入库所IP(ti);③变迁的立即可达输出库所OP(ti)。具体内容见定义3。
定义3[4]设Pj为一个库所,ti为一变迁,如果Pj∈I,则称pj为ti的立即可达输入库所。所有立即可达输入库所的集合称为ti的立即可达集合,记为IP(ti);如果Pj∈O,则称pj为ti的立即可达输出库所。所有立即可达输出库所的集合称为ti的立即可达集合,记为OP(ti)。
例如一个模糊Petri网,如图2所示,网中Pj的立即可达性输入库所集合IP(ti),立即可达性输出库所集合OP(ti),见表1所示。
2.2 FPN推理算法
根据FPN的基本理论,为解决以往推理算法不适用于“或”逻辑的缺点,本文推理算法实现的具体步骤如下:
第一步:定义及有关算法集合[4,5]
(1)定义Ypn集合,用来存放所有库所名及库所的可信度值,存放格式为:
(2)定义Ybf集合,用来存放FPN数据表的变迁的映射函数值,变迁的立即可达输入库所名和立即可达输出库所名,存放格式为
式中,{IP(ti)}表示由一个或多个库所组成,根据FPN数据表而定。
(3)定义NS集合,用来存放开始库所名集合和已知可信度的库所名,存放格式为
算法的输出信息为目标库所的库所名及可信度值。
第二步:算法的推理:
3 实例分析
飞机电力起动系统是重要的机载设备之一,是适时可靠地启动飞机发动机的关键系统。以某型飞机电力启动系统故障为例,设知识库中的规则如下[6]:
R1:IF地面电源供电故障(p1)THEN不点火不打油(p7)(CF=0.92);
R2:IF定时机构故障(p2) THEN不点火不打油(p7)(CF=0.90);
R3:IF点火线圈故障(p3) THEN不点火只打油(p8)(CF=0.93);
R4:IF油泵油门故障(p4) THEN只点火不打油(p8)(CF=0.91);
R5:IF M1继电器不工作(p5)∧MI继电器不断开(p6) THEN四级起动转动不正常(CF=0.88);
R6:IF不点火不打油(p7) THEN电力启动系统故障(p11)(CF=0.90);
R7:IF不点火只打油(p8) THEN电力启动系统故障(p11)(CF=0.91);
R8:IF只点火不打油(p9) THEN电力启动系统故障(p11)(CF=0.93);
R9:IF四级起动转动不正常(p10)THEN电力启动系统故障(p11)(CF=0.8 9)。
上述实例规则的FPN见图3,FPN数据见表2。
输入初始化值
通过上述推理算法可得到表3所示的结果。可以看出,由于地面电源供电故障导致不点火不打油的可信度为0.75,点火线圈故障导致只点火不打油的可信度为0.63,通过对表3的数据分析可知,此次检测中,飞机电力启动系统故障的主要原因是地面电源供电。
4 结束语
本文应用新的数据表结构的模糊Petri网模型,对某型飞机电力启动系统进行故障推理和诊断,在给出的FPN数据表基础上实现了FPN推理算法,解决了飞机电力启动系统故障诊断推理过程中的并行推理问题。实例表明,该FPN模型,数据表结构更易理解,算法实现更加简单,并可推广到其它复杂系统的故障诊断推理。
参考文献
[1]危胜军，胡昌振，谭惠民．模糊Petri网知识表示方法在入侵检测中的应用[J]．计算机工程．2005，31(2)：130-132
[2]孙静，泰世引，宋永华．模糊Petri网在电力系统故障诊断中的应用[J]．中国电机工程学报．2004，24(9)：74—79
[3]丁军，张志华，周学智．模糊Petri网在火控系统中故障诊断中的应用[J]．情报指挥控制系统与仿真技术．2005，27(3)：49- 52
[4]张白一，崔尚森．基于模糊Petri网的汽车故障诊断方法[J]．长安大学学报(自然科学版)．2008，28(2)：93-96
[5]王南兰．基于模糊Petri网的发动机磨损故障诊断[J]．煤矿机械．2007，28(12)：187-189
模糊诊断专家系统 篇9
关键词：胶带输送机,模糊控制,故障诊断
0 引言
胶带输送机是有牵引件的连续运输设备, 是现代输送系统最重要的一个环节, 主要用来输送块状、粒状和散状等物料, 同时也可输送成件的货物, 广泛应用于燃运、冶金、煤矿、化工、石油等领域。但是, 在电厂燃运输煤场合, 时常发生胶带失速或打滑现象, 轻则造成输送过程的不顺畅, 重则引起设备的严重损坏, 所以, 如何诊断胶带机出现的故障, 及时对输煤系统进行故障报警与保护是当前研究的热点[1]。本文针对某电厂燃运胶带机输煤系统的现状, 构建了具有自诊断、自调整功能的胶带机保护策略。通过采用智能模糊算法对给煤机速度进行参数自调整, 使胶带始终维持恒定的速度, 一旦低于设定值就对胶带机进行跳闸保护, 从而实现了输煤系统的鲁棒化和智能化。
1 系统总体结构
针对该厂燃运控制系统的保护现状, 在充分利用现有设备的基础上, 对现有的16条摆线滚筒胶带运输装置加装数据采集智能仪表, 其控制核心采用TI公司的MSP430系列单片机, 对各电动机的运行电流、温度、电压和胶带的运行线速度等参数进行在线监测与控制。启动时, 控制系统按照工艺确定的顺序, 由大到小逐个启动胶带输送机;正常工作情况下, 各台电动机保护系统对有关参数进行监测;一旦出现某条胶带堵煤、胶带停转或联轴器断裂等故障时, 保护系统按照由小到大的胶带序号对故障胶带输送机及以前的滚筒电动机进行保护跳闸动作, 防止故障的进一步扩大。胶带输送机故障诊断系统总体结构如图1所示。
2 控制算法
由于胶带运输系统是一个非线性、大滞后系统, 要建立精确的数学模型, 需要考虑很多复杂的因素。因为给煤机系统没有给煤量的反馈信号, 无法组成负反馈闭环自动调速系统, 所以主要根据操作人员的经验采取手动调速, 通常是煤湿 (或量大) 减少给煤量, 从而使胶带速度始终保持恒定, 对于大多数操作工来说要想合理控制给煤量是比较困难的。模糊控制可以用来处理难于用精确数学模型描述和该专业知识不确定的工业控制过程, 是依靠被控过程的各种经验知识, 经过模糊推理进行处理问题的一种算法, 因而笔者选择模糊控制算法作为胶带速度自调整的控制策略[2]。
2.1 模糊控制
胶带速度自调整的模糊控制结构框图如图2所示, 其中, r=160 cm/min, 为胶带速度设定值;e、undefined分别为胶带速度误差与误差变化率 (精确量) ;E、EC分别为反映胶带速度误差与误差变化的语言变量的模糊集合 (模糊量) ;u为模糊控制器输出的控制作用 (精确量) , 对应调节变频器电压的大小;y为被控对象的速度测量值。
2.2 论域的确定、精确量的模糊化[3]
为实现模糊控制器的标准化设计, 目前在实际中常用的处理方法是把误差的变化范围设定为[-6, +6]区间连续变化量, 使之离散化。以论域范围取[-6, +6]为例, 构成含有13个整数元素的离散集合:{-6, -5, -4, -3, -2, -1, 0, +1, +2, +3, +4, +5, +6}。
在本系统中, 胶带速度在[100 160]之间进行调整, 属于非对称型, 故用1～13取代-6～+6。以误差e的基本论域[0 60]为例, 构成含有13个整数元素的离散集合:{1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13}, 则得偏差e的量化因子:
undefined
描述输出量e的语言变量为{E1, E2, E3, E4, E5, E6, E7}。其中E1～E7依次为“零, 很小, 小, 中等, 较大, 大, 很大”。设误差变化率ec论域为Y, 将其论域变化范围[-5, +5]也量化为13个等级, 量化因子为
undefined
则有:
Y={-6, -5, -4, -3, -2, -1, 0, 1, 2, 3, 4, 5, 6}
设控制变频器电压信号u的论域为Z, 将其论域变化范围[3,7]也量化为7个等级[0, 6], 比例因子ku= (b-a) /7=0.57, 则有:Z={0, 1, 2, 3, 4, 5, 6}描述输出量u的语言变量{U1, U2, U3, U4, U5, U6, U7}。其中U1～U7依次为“零, 很小, 小, 中等, 较大, 大, 很大”。
总结操作者的实践经验, 可确定各模糊子集的隶属度, 并据此建立语言变量E、EC、U的赋值表, 如表1、表2、表3所示。
2.3 模糊规则及查询表的确定
利用语言归纳手动控制策略的过程实际上就是建立模糊控制器控制规则的过程。手动控制策略一般都可以用条件语句加以描述, 因此, 模糊控制规则也是一组条件语句, 表示为
IF e (k) is Ei and ec (k) is ECj THEN u (k) is U (i+j)
其中, E表示一个“偏差e”的模糊集;EC表示一个“偏差变化ec”的模糊集;U (i+j) 表示一个“输出量u”的模糊集。这些规则的构造基于如下特性:
规则1:当“偏差”为“很大 (E7) ”、“偏差变化”为“正大 (PB) ”时, “输出量”为“很大 (U7) ”。
规则2:当“偏差”为“零 (E1) ”、“偏差变化”为“负中 (NM) ”时, “输出量”为“零 (U1) ”。
根据经验依此类推, 即可得出模糊控制规则表, 如表4所示。
由模糊控制规则表、模糊关系公式 (3) 和实际输出计算公式 (4) 即可求出完整的模糊控制器查询表, 如表5所示。
undefined
式中:Ai、Bi、Ci分别为模糊规则中对应于E、EC和U三个模糊子集的语言变量;A*、B*、C*分别为任意时刻的实际输入输出值;p为规则数;R为模糊关系矩阵。
将表5存放到计算机的存储器中, 并编制一个查找查询表的子程序。在实际控制过程中, 只要在每一个控制周期中, 将采集到的实测偏差e (k) (k=1, 2, …) 和计算得到的偏差变化undefined (k) 分别乘以量化因子ke和k, 取得以相应论域元素表征的查找查询表所需的ei和ej后, 通过查找表5相应的行和列即可输出所需的控制量变化uij, 再乘以比例因子ku, 便是加到被控过程的实际控制量变化值。
3 通信设计
该故障诊断系统采用RS485串行通信标准。RS485采用差分传输方式, 可以有效地提高抗共模干扰能力, 最高传输速率可达10 Mbps, 最远传输距离可达1 200 m, 支持与多个数据通信设备的连接。当采用RS485实现上位机与下位机间的串行通信时, 由于上位机通常只提供RS232串行接口, 因此, 需要使用RS232/RS485通信接口进行转接。
智能仪表的通信程序采用研华公司多通道A/D亚当模块ADAM-5000协议编写, 无需开发上位机与智能仪表之间的驱动程序, 缩短了系统的开发时间, 提高了上、下位机之间通信的可靠性。一旦有字符需要向上位机发送或者从上位机接收字符, 智能仪表的核心MSP430单片机就会产生中断进行处理, 其读写程序流程如图3所示[4]。
4 结语
本文结合模糊智能算法、计算机控制技术、故障检测技术, 介绍了一种智能化的胶带机故障自诊断系统。该系统自投入使用以来, 多次对胶带机输煤系统出现的打滑、过负荷、联轴器断裂等故障进行了及时报警与保护, 避免了压煤、断带情况的发生, 大大减轻了现场操作人员的负担, 节约了大量的设备维修资金。
参考文献
[1]JEINSCH T, SADER M, NOACK R.et al.ARobust Model-based Information System forMonitoring and Fault Detection of Large Scale BeltConveyor Systems[C]//Proceedings of the 4th WorldCongress on Intelligent Control and Automation, 2002, Shanghai:3 283~3 287.
[2]YAO L.Fuzzy Control of Belt Conveyor in theManufacturing Process[C]//International IEEE/IASConference on Industrial Automation and Control:Emerging Technologies, 1995, Taipei:748~754.
[3]章卫国, 杨向忠.模糊控制理论及应用[M].西安:西北工业大学出版社, 1999.
[4]李传锋, 沈安文, 赵方亮.基于MSP430的智能仪表与组态王的通讯设计[J].微计算机信息, 2007, 23 (8) :91~92.
[5]黄民, 顾玉华, 魏任之.矿用胶带输送机火灾监测系统的研究[J].煤炭学报, 2002 (1) .
[6]孟凡芹, 奚丽波.基于控制网络的输送机运行故障智能诊断[J].工业安全与环保, 2004 (4) .
模糊诊断专家系统 篇10
液压设备故障的模糊现象到处可见, 如系统油温过高、容积效率太低、液压泵温升过高、液压马达转速太慢等的故障症状都是模糊的。从故障原因的角度看, 液压元件质量差、油液不干净、维护保养不良、元件使用时间过长等也是模糊的, 液压元件损坏的程度和产生故障所涉及的范围也是模糊的。因此, 工程实际中常用的诊断方法是根据经验判断, 出现这种现象可能是由哪些因素造成的, 可能是哪些元器件的哪个部位出现问题。然后停止生产线工作, 根据液压传动的相关理论, 依次排除所有的可能, 最终找到故障原因。
当然了, 使用液压系统中所能测得的这些参数来识别和评价液压设备所处的状态或者故障存在着不确定现象。此外, 在状态监测中液压设备的状态从正常到异常都有一个渐变过程, 而不是一蹴而就的。过去处理这类问题主要是依靠经验方法而无法纳入严格的数学分析范畴进行量化处理, 因而很多问题不能很好地解决。随着模糊数学的产生及在工程领域的广泛应用, 使得长期以来人们的故障诊断经验得以数学化地表达, 并能够在计算机中进行处理, 从而使计算机也能像人脑那样接受和处理模糊信息, 对模糊事物进行推理、判断并做出决策。本文采用一种相对简单的诊断方法——模糊综合评判方法对机床液压系统进行故障诊断分析。
1 机床液压系统的状态检测和故障诊断
模糊综合评判是利用模糊变换原理和最大隶属度原则, 考虑与被评价事物相关的各个因素或主要因素, 对其所做的综合评价。本文以液压系统的温度检测参数为例, 进行机床液压系统的故障诊断。
考虑机床液压系统的油温在工作过程中, 会发生升高的现象。液压油温度升高后, 会造成一系列的问题, 如:行走系统驱动力不足、系统工作能力下降等。所以, 检测系统的液压油温度是必要的。如果液压油温较高, 可能的几种故障为:油箱散热性能差和容积小、压力调整不当, 比实际所需偏高较多、液压泵及各连接处的泄漏, 造成容积损失而发散, 油液粘度太大, 增加摩擦发热。而实际机床液压系统能检测到的与之相应的状态参数为:液压泵的压力低, 液压泵的温度较高、油箱油量低及油液质量较差。我们得到征兆与故障的关系矩阵R见表1所示。
评价集Y为[油箱油面较低, 系统压力偏高, 液压泵磨损严重, 油液粘度太大]
因素集X为[液压泵压力低, 液压泵温度较高, 油箱油量低, 油液品质较差]
各状态参数的权重分配集A为[0.4, 0.3, 0.15, 0.15]
对此, 进行计算并做归一化处理得到B为[0.1875 0.1250 0.50000.1875]
故障征兆严重程度是人们对故障现象的模糊化认识。因此, 对其模糊语言的描述可采用模糊分段评分的方法作定量处理。一般我们认为正常状态的量化值为0, 轻微状态的量化值范围为0.05～0.25, 比较严重状态的量化值范围为0.20～0.55, 严重状态的量化值范围为0.60～0.75, 很严重状态的量化值范围为0.80～0.95, 而非常严重状态的量化值则达到1。
那么, 根据上述计算结果及故障征兆量化值, 我们可以看出, 最可能发生的故障是液压泵磨损严重, 最不可能发生的故障是液压系统压力偏高。而事实上, 这一故障诊断分析结果是符合实际状况的。
因此, 只要建立诊断矩阵, 就可以利用这种方法非常容易地模仿人的思维方式对故障进行识别, 然后从最有可能发生的故障开始分析并排除, 有助于节约解决现场问题的时间, 最大程度的节约成本。当然了识别的精度受以下方面的制约:
1) 正确的隶属度。隶属度的正确与否, 直接决定了识别矩阵中故障模式的正确性, 因此, 选择合适的隶属函数以求出正确的隶属度是进行正确的关键。
2) 正确的识别方法。对于不同的故障模式, 采用不同的识别方法, 其识别结果是有一定的差异的, 因此在具体的识别过程中, 应根据实际情况, 选择正确的识别方法, 最好建成一个识别方法库, 以便在不同的场合可以灵活地对识别方法进行选择。
3) 正确的指标预选处理。模糊综合评判过程本身, 不能解决评价指标间相关造成的评价信息重复问题。因而在进行模糊综合评判前, 指标的预选处理特别重要, 只有这样, 才能以保证评价结果的准确性。
2 结论
从上面介绍的分析可以看出, 只要建立诊断关系矩阵, 就可以利用这种方法简单地对故障进行识别, 然后从最可能发生的故障开始分析、排查。模糊综合评判方法适用性较强, 可以弥补其他方法的不足。模糊综合评判既可用于主观指标的综合评价, 又可用于客观指标的综合评价, 由于现实世界中亦此亦彼的中介过渡现象大量存在, 所以, 模糊综合评判的应用范围较广, 特别是在主观指标的综合评价中, 模糊综合评判可以发挥模糊方法的独特作用, 评价效果要优于其他方法。当然了, 这种识别的准确度受关系矩阵和状态参数的权重指数限制, 而这些指标权数多是人为制定的。因此如何较充分的反应客观实际, 是需要仔细把握的。
摘要：本文采用一种模糊综合评判方法, 对机床液压系统的温度较高这一模糊故障现象分析, 判断可能发生的故障。并就结果进行分析讨论。
关键词：故障诊断,模糊综合评判,机床液压系统
参考文献
[1]乔文刚.液压系统故障诊断的实用方法探析[J].液压与气压传动, 1999
模糊诊断专家系统 篇11
摘要：随着先进控制技术的发展，模糊控制理论和模糊控制技术成为最广泛最有前景的应用分支之一。模糊控制器是一种专家型控制系统，它的优点是不需要知道被控对象的精确数学模型，而是只利用专家己有的知识和经验，更重要的是当系统为非线性系统时，模糊控制器还可以产生非线性控制作用。但经过深入研究，发现常规模糊控制存在着其控制品质粗糙和精度不高等弊病，因此，可将模糊控制和PID控制两者结合起来，扬长避短，既具有模糊控制灵活、适应性，又具有PID控制精度高的特点。
关键词：PID控制；模糊控制器；模糊—PID控制器
1PID控制器
PID（比例-积分-微分）控制器作为最早实用化的控制器已有50多年历史，现在仍然是应用最广泛的工业控制器。传统的PID控制器以其结构简单、工作稳定、适应性好、精度高等优点成为过程控制中应用最广泛最基本的一种控制器。
1.1PID的组成
控制器由比例单元（P）、积分单元（I）和微分单元（D）组成。它由于用途广泛、使用灵活，已有系列化产品，使用中只需设定三个参数（Kp，Ki和Kd）即可。在很多情况下，并不一定需要全部三个单元，可以取其中的一到两个单元，但比例控制单元是必不可少的。
1.2PID的特点
虽然很多工业过程是非线性或时变的，但通过对其简化可以变成基本线性和动态特性不随时间变化的系统，这样PID就可控制了。另外，PID参数Kp，Ki和Kd可以根据过程的动态特性及时整定，如果过程的动态特性变化，例如可能由负载的变化引起系统动态特性变化，PID参数就可以重新整定。
2模糊控制器
模糊控制器是一种专家型控制系统，它的优点是不需要知道被控对象的精确数学模型，而是只利用专家己有的知识和经验，更重要的是当系统为非线性系统时，模糊控制器还可以产生非线性控制作用。它运用语言知识模型进行控制算法的设计，可用来对不能精确建模或难以建模系统进行控制，使生产过程平稳、高效、安全地运行。
模糊控制器是模糊控制系统的核心部分，也是和其它控制系统区别最大的环节，它由模糊化、知识库、模糊推理、解模糊化四个基本部分组成。
模糊控制器通常由计算机（或单片机）实现，计算机通过传感器经过采样和A/D转换获得被控量的精确值，然后将定量与设定值比较得到偏差信号，一般选偏差信号与偏差变化率作为模糊控制器的输入量，由模糊控制器的输入接口将该精确量转化为相应的模糊量，偏差的模糊量可用相应的模糊语言子集E来表示，偏差变化率的模糊量可用相应的模糊语言子集来表示。根据推理合成规则进行模糊决策，得到模糊控制量，将模糊控制量转化为精确量，由模糊控制器的输出接口作去模糊化处理，得到精确的数字控制量后再经过D/A转换变为精确的模拟量送给执行机构，对被控对象进行控制。
3模糊控制和PID控制结合
从模糊控制技术应用于控制领域开始，就有许多模糊和PID相结合的控制器相继出现。模糊控制与经典控制理论有机地结合起来，可构造一类新型的控制系统，即模糊-PID复合控制系统。因此在模糊—PID复合控制系统中模糊控制并不是代替常规PID控制，而是对常规PID控制的拓展。常规PID控制器与模糊控制器的结合有两种结构形式：串联结构和并联结构。
3.1串联结构模糊—PID控制器
当系统的偏差信号大于某一设定值时，在控制过程中，开关接通，模糊控制器发挥控制作用，PID控制器的输入信号，即，对PID控制器产生较强的控制信号，系统的动态响应较快；而当偏差信号小于某一设定值时，模糊控制器通过开关断开，模糊控制器不发挥控制作用，这时，只有偏差信号进入PID控制器，由于此时系统的输出和给定值己经很接近，所以能很快地趋于给定值，消除稳态误差。这种结构的模糊控制器产生阶梯状的非线性控制信号作用于PID控制器，依靠调节PID输入信号的突然变化来提高动态响应速度，往往易造成PID控制作用的误调节。
3.2并联结构模糊—PID控制器
并联结构如图所示。它是将模糊控制器和PID控制器并联起来对系统进行控制，即有模糊和PID两种模态，其中模糊控制器采用常规模糊控制器，输入变量为偏差和偏差变化率，输出为，模糊控制规则采用形式，推理合成采用算法，去模糊化则采用系数加权平均法。这种模糊控制器本质上是PD型控制器，由于缺乏积分环节，系统有稳态误差，为此在偏差大于或等于某一设定值时，控制器切换为模糊控制器；当偏差小于某一设定值时，控制器切换至常规PID控制器，从而使得这种双模控制器具有响应快，稳态精度高的特点，应用性好。
由上述可知，在智能控制系统运行过程中，当进行生产和加工时，由于偏差和它的变化率均较大，因此起主要作用的是模糊控制器；只有当对产品进行精加工时，由于工件的偏差和它的变化率均很小，常规PID控制器起主要作用。模糊—PID控制器在生产和加工阶段保留了模糊控制器的快速性和稳定性的优点，同时在精加工阶段保留了常规PID控制器具有高精度的特性。由此，实现了从一种控制方式到另一种控制方式的平稳过渡，避免了一般控制器按某一设定值进行切换的弱点。又由于模糊—PID控制器算法简单、高效控制效果较好，各种动态性能指标参数能进行自行调整，可使智能控制系统达到更理想的控制效果。
参考文献：
［1］黄友锐，曲立国主编.PID控制器参数整定与实现［M］.北京：科学出版社，2003.
［2］刘曙光，魏俊民，竺志超编著.模糊控制技术［M］.北京：中国纺织出版社，2001：30-60.
［3］汤兵勇，路林吉编著.模糊控制理论与应用技术［M］.北京：清华大学出版社，2002：71-90.
模糊诊断专家系统 篇12
基于人工神经网络和模糊诊断技术, 提出一种煤矿安全预测系统, 该系统通过对煤矿生产的历史经验数据进行训练, 形成相关的数据处理经验, 之后通过模糊诊断技术完成对煤矿生产安全问题的预测。将煤矿系统的实时运行数据运用到该系统中, 可以判断煤矿系统是否存在安全隐患, 从而及时采取有针对性的措施, 避免被动地应对煤矿安全事故。
1 煤矿安全预测系统
1.1 系统结构及运行原理
煤矿安全预测系统的运行结构图如图1所示, 该系统主要由3部分构成:第一部分是训练系统, 其作用是根据煤矿生产中积累的历史数据, 对预测系统中的ANN进行训练, 不断调整人工神经网络的系统参数, 使神经网络的运行特性与实际系统更加接近, 进一步提高系统精度;第二部分是人工神经网络系统, 根据煤矿生产的实时数据, 人工神经网络产生相应的敏感量集;第三部分是模糊诊断模块, 通过敏感量集产生相应的预测项, 实现预测功能。
1.2 人工神经网络系统
人工神经网络的理论和模型研究已经历了几十年的发展和完善, 并在很多领域成功应用。神经网络模型本质上属于一种智能控制系统, 其应用场合包括预测控制、资源管理等多个方面[2,3]。其中反向传播神经网络模型具有结构清晰、计算量小等优点, 是一种按误差反向传播算法训练的多层前馈网络, 是目前应用最为广泛的一种神经网络模型[4,5]。反向神经网络是通过信号的前向计算来获得网络的输出值, 根据网络的输出值与实际值的偏差进行反向传播, 修正神经网络的权值和阈值, 使误差最小。典型的神经网络拓扑模型包括输入层、隐含层和输出层3个部分, 各神经节点由阈值和激励函数两个要素构成, 其中阈值表示节点对输入信息的敏感程度, 激励函数一般选择Sigmoid函数。隐含层的级数可以为一级也可以为多级, 且节点的个数可自由选择。Sigmoid函数[6]的表达式如下:
f (x) =1/ (1+e-x) (1)
根据煤矿生产的自身特点, 一些特定的敏感量信息无法实时获取, 但是可以事后或者通过长时间观测后得到, 而这些敏感量信息对于预测十分重要。
1.3 模糊诊断系统
模糊诊断系统基于模糊控制的思想, 根据敏感量与预测项的关系建立二者之间的敏感矩阵, 一个敏感量可能导致多个预测项的变化, 但变化程度并不相同;一个预测项可能受多个敏感量影响, 但是受各敏感量影响的程度亦不相同。模糊诊断系统的输入为敏感量Y=[y1, y2, …, yM]H, 输出信息则为预测项Z=[z1, z2, …, zH]H。例如敏感量1对于预测项1的影响为20%, 而敏感量2对于预测项1的影响为80%, 在评估预测项1时, 必须同时考虑多个敏感量的作用效果。为便于维护和管理, 将敏感量和预测项的相互关系采用SQL数据库进行存储。
1.4 系统运行流程
系统的运行流程见图2, 其包含两个阶段:系统神经网络训练流程;系统诊断运行流程。第一个阶段为系统中神经网络的训练阶段, 通过训练完成神经网络初始化和参数优化。训练阶段所使用的样本为系统的历史运行数据, 无实时性的要求, 为了确保神经网络系统预测的准确性, 应定期进行样本更新和系统训练。第二个阶段为利用系统进行安全预测诊断, 根据已经形成的系统参数, 输入当前煤矿生产的实时数据, 经过人工神经网络后得到敏感量集合, 其中系统参数均由数据库获取, 敏感量集经过模糊诊断后得到预测集, 期间敏感量集和预测集均存入数据库作为历史数据以供系统训练使用。模糊诊断来源于人的经验, 因此无需进行训练, 具体诊断规则通过数据库预先进行设置。
在得出的预测集中包含了煤矿生产的运行状况和可能发生的风险等信息, 根据该信息, 指导企业和生产人员采取相应措施, 消除系统隐患, 提高生产安全性。
(a) 系统神经网络训练流程 (b) 系统诊断运行流程
2 系统建模与设计
2.1 人工神经网络模型
图2中的典型人工神经网络拓扑结构, 输入层到隐含层的系数矩阵用A表示, 隐含层到输出层的系数矩阵用B表示, 见式 (2) ～ (3) [2,5]:
undefined
undefined
输入层、隐含层和输出层的阈值矩阵分别用U, V, W表示, 见式 (4) ～ (6) :
undefined
undefined
undefined
对神经网络进行训练的过程, 亦即调整、确定式 (2) ～ (6) 中各系数的过程, 各系数的初始化数据采用0～1之间的随机数, 利用样本计算系统误差和修正矩阵, 不断调整网络参数, 使网络对于样本集中的样本平均误差不断变小。平均误差E的定义如式 (7) 所示, 其中q表示样本个数, θk为第k个样本输入时网络的输出值, θundefined则表示此时的样本值:
undefinedundefined (θk-θkH) 2 (7)
2.2 模糊诊断系统模型
敏感向量Y与预测集Z之间的关系符合预测理论中的因果关系, 如式 (8) 所示, 其中C表示模糊诊断矩阵, ⊕表示广义运算算子:
undefined
根据式 (8) 得出相应的模糊诊断系统运算流程:模糊诊断系数矩阵根据人为经验获取, 实际运行中通过访问相关数据库获取。敏感向量Y由输入的煤矿生产实时数据经人工神经网络的网络矩阵A和B后得到, C和Y经过广义算子后得到预测集Z, 通过解析预测集Z, 可以得到系统运行的各种信息以及可能发生的风险和危害, 由此指导相关人员采取积极有效的对策措施。
以三维敏感向量Y为例, 令Y=[0.8, 0.1, 0.9]H, 此时相应的模糊诊断系数矩阵C以及预测集如式 (9) 所示:
undefined
式 (9) 表明, 此时预测项1的权重是0.89, 预测项2的权重是0.05, 预测项3的权重是0.39, 其中预测项1的权重最高, 应引起重视。在实际应用中, 各预测项均对应相应的风险指标或运行状态, 若此时预测项1为瓦斯浓度项, 则应重点关注井下通风、瓦斯泄漏等问题, 并采取必要措施防止发生瓦斯燃烧、爆炸等事故。
3 仿真结果及分析
为验证系统算法的正确性和可行性, 笔者针对特定的算例, 采用MATLAB对所提出的算法进行了仿真验证, 输入向量X的维数为2, 样本个数q=8, 中间层个数为2, 输出层个数为1, 预测集维数为1。8个样本数据见表1。
输入样本维数为3, 分别表示瓦斯浓度、环境温度和对应的敏感量。通过用样本对神经网络进行训练, 不断调整神经网络, 可以将煤矿实时运行中的瓦斯浓度和温度数据运用到神经网络中得到敏感数量。训练过程中, 系统的总体误差变化曲线如图3所示, 在经过10次训练后, 系统的误差低于0.000 01。此时神经网络的输出见表2。
通过对神经网络进行训练, 建立了输入数据与敏感集之间的关系, 敏感集作为输入信号送入模糊诊断系统, 得出当前系统的运行状况, 并由此给出对系统的预测。假设预测系数矩阵C=[2.5], 则对于当前系统运行数据X=[0.20, 0.30], 可得预测结果见式 (10) :
Z=C⊕Y=C⊕ANN (A, B, U, V, W, X)
=0.360 4×2.5=90% (10)
式 (10) 表明, 此时预测项指标权重很大, 说明由于瓦斯浓度引起的潜在火灾或者爆炸问题风险高, 因此应及时采取应对措施。
4 结语
煤矿安全预测系统结合了人工神经网络处理非线性问题的优势以及模糊诊断技术经验性强的优点, 提出了相应的实现流程, 实用性较强。通过对具体瓦斯浓度的算例进行分析, 采用MATLAB进行仿真, 验证了系统的准确性、可行性和有效性。
参考文献
[1]Wei Wu, Guorui Feng, Zhengxue Li, Yuesheng Xu.Deterministic convergence of an online gradient method forBP neural networks[J].IEEE Transactions on NeuralNetworks, 2005, 16 (3) :533-540.
[2]孟召平, 田永东, 雷旸.煤层含气量预测的BP神经网络模型与应用[J].中国矿业大学学报, 2008, 37 (4) :456-461.
[3]王超, 陈开岩, 赵红梅.基于ANN的煤矿安全评价方法探讨[J].矿业安全与环保, 2005, 32 (6) :76-78.
[4]Chen.D.S., Jain, R.C..A robust back-propagationlearning algorithm for function approximation[J].IEEETransactions on Neutral Networks, 1994, 5 (3) :467-479.
[5]姜雷.基于BP神经网络的煤矿瓦斯浓度预测模型构建及仿真[J].矿业安全与环保, 2010, 37 (4) :37-39.