[发明专利]一种机械设备故障诊断系统

说明书

技术领域

本发明涉及人工智能、故障诊断，更具体地涉及一种机械设备故障诊断系统。

背景技术

故障诊断技术是一门综合技术，它涉及多门学科，如现代控制理论、可靠性理论、数理统计、信号处理、模式识别、人工智能等学科。故障理论由低级到高级，可分为四个主要方面的内容：(1)故障建模。按照先验信息和输入输出的关系，建立系统故障的数学模型，作为故障检测与诊断的依据；(2)从可测或不可测的估计变量中检测故障；(3)故障的分离与估计。如系统发生了故障，给出故障源的位置，区别出故障的原因，确定故障的程度、大小、故障发生的时间及故障的时变特性；(4)故障的分类、评价与决策。

从故障发生的部位来看，可分为仪表故障、执行器故障和元件故障；根据故障性质，可分为突变故障和缓慢故障；从建模角度可分为乘性故障和加性故障。至于故障诊断的方法，一般可分为硬件冗余方法和软件冗余方法。硬件冗余方法需要增加测试设备，使系统复杂，成本高，所以多采用软件冗余。软件冗余方法可分为两大类：一是基于控制系统解析模型的诊断方法；二是不依赖于解析模型的诊断方法，它又可分为基于信号处理的诊断方法和基于知识的诊断方法。

机械故障诊断是一个典型的信息融合过程，需要对机器运行过程中的多种信息进行综合处理和协同分析。在实际应用中，机器特征信号(如振动、噪声)和机器运行参数(如工作介质压力、温度)很多，都能反映机器运行的状态。首先要对获得的机器特征信号或机器运行参数进行特征提取，之后还需要对诊断特征进行压缩或约简，剔除不需要的特征，或对大量的特征进行简化，从而大大减少诊断信息融合过程的计算工作量，提高故障诊断的效率。

对机械故障诊断系统而言，由于故障产生的机理不清楚，故障的表现形式不惟一，有时是含糊的，在提取故障特征时也时常有盲目性，从而导致了实际描述的机器状态之间是不分明的。描述机器状态的特征往往很多，有些特征是相关的，有些是独立的。独立的特征能提供互补信息，因而应加以保留；相关性特征产生冗余信息，同时会增加计算工作量，因而需要加以消除。

在现有的研究成果和公开文献中，尚未发现在保证诊断精度大致不变的情况下，减少不确定因素，减少特征维数，降低计算工作量的机械设备故障诊断系统。

发明内容

发明目的。

本发明提出了一种机械设备故障诊断系统，保证诊断精度大致不变，减少不确定因素，减少特征维数，降低计算工作量。

本发明所采用的技术方案。

本发明提出的一种机械设备故障诊断系统，由感知元件、硬件/软件系统、人机交互接口组成，感知元件与硬件/软件系统相连，感知元件将信号传输给硬件/软件系统，硬件/软件系统与人机交互接口相连，人通过人机交互接口与硬件/软件系统交互信息。

更进一步，感知元件动态检测机械设备的特征信号，包括振动、噪声。

更进一步，感知元件动态检测机械设备的运行参数，包括工作介质压力、温度。

更进一步，硬件/软件系统中的硬件部分完成信号处理，包括将模拟信号转换为数字信号。

更进一步，硬件/软件系统中的软件部分采用粗糙集理论中的属性约简算法：

(1)构造信息表;

(2)按决策属性对对象集进行分类，产生意想集K;

(3)计算全体属性集C的分类质量γC(K);

(4)计算组合属性集Q的分类质量γQ(K)，Q<C;

(5)r=min{Q，Q<C}，r就是原属性集C的约简。

其中，由状态属性集P所确定的不可分辨对象集称为P单元集，由决策属性集所确定的不可分辨对象集称为意想。单元集表示根据状态属性(如症状等)对对象所做的一种分类结果，而意想则表示根据决策属性对对象所做的分类结果，单元集和意想不一定完全相同。

更进一步，故障组成的对象集为U={e1,e2,e3,e4,e5…,e10},意想K={{e1,e2},{e3,e4},{e5,e6},{e7,e8},{e9,e10}},意想是根据故障类型划分的。

本发明所产生的技术效果。

本发明经过多次实验，得出硬件/软件系统中的属性约简算法，减少不确定因素，减少特征维数，降低计算工作量，保证诊断精度大致不变。

附图说明

图1为本发明的机械设备故障诊断系统示意图。

具体实施方式

实施例