[发明专利]一种基于HBF神经网络观测器的故障诊断方法

说明书

技术领域

本发明设计神经网络只能故障诊断与检测方法，尤其涉及一种基于HBF神经网络观测器的故障诊断方法，属于模式识别技术领域。

背景技术

故障诊断技术的发展主要经历了人工诊断、现代诊断和智能诊断等三个阶段。发展至今，故障诊断方法可划分为基于解析模型的方法、基于信号处理的方法和基于知识的方法等。随着科技的发展，系统越来越复杂，单纯依靠基于数学模型的传统故障诊断方法已不能满足设备的可靠性要求，因此智能故障诊断技术越来越得到各领域的高度重视，尤其是在控制领域内，如美国的控制年会、IEEE的控制与决策会议、国际自动控制联合会(IFAC)等，都把智能故障诊断技术列为重要的讨论专题。由于其更适合于现代科技的发展，当代前沿科学中的理论和方法也必然渗透到智能故障诊断技术中，如神经网络理论和粒子滤波等。在最近几年中，各类智能故障诊断方法都得到了快速的发展，例如基于神经网络、神经网络自适应观测器以及支持向量机等诊断技术。其中神经网络通过学习用于表达故障诊断知识的连接权来实现故障与征兆之间复杂的非线性映射关系。

由于具有以下的几点优势，近年来，智能故障诊断方法日益受到故障诊断专家和学者的青睐。

(1)不需要对象的精确数学模型。

(2)能够有效地利用诊断专家的知识和经验，汇集众多专家知识对随机发生的故障进行诊断。

(3)具有诊断专家般的推理能力，自动实现从故障征兆到故障原因的映射。

(4)具有一定的联想能力和抗干扰能力，具备学习机制，能够从过去的诊断实例中获取诊断知识。

(5)对诊断结果具有解释能力。

专家系统、神经网络、模糊理论、粗糙集理论、数据融合理论、小波理论、故障树以及它们相互之间和它们与其它信息处理技术的融合是人工智能手段的主要表现方法，在诊断领域中，它们越来越受到广泛的重视。

(1)专家系统诊断方法：主要由知识库、数据库、推理机、解释器、故障征兆获取以及人机交互等部分组成。主要是在专家知识库、数据库的基础上，通过推理机综合利用知识库中的知识按照一定的推理方法进行故障诊断。专家系统已经在航空航天、化工、核工业等领域有了实际应用，而且带来了巨大的社会、经济效益。

(2)神经网络诊断方法：由于神经网络具有很强的非线性映射能力，能准确地模拟复杂设备的故障征兆与故障原因之间的关系，并具有并行处理能力、自学习能力和记忆能力，因而已成功地应用于故障诊断领域。基于神经网络的故障诊断已应用于工业、国防等多个领域。

(3)模糊诊断方法：故障诊断是通过研究故障和征兆之间的关系来判断设备状态的。由于实际因素的复杂性，故障与征兆之间很难用精确的数学模型来表示，不能用“有”和“无”简单表示，而要求给出故障产生的可能性、故障位置和程度。此类问题用模糊逻辑能较好的解决。模糊逻辑诊断方法能够克服由于过程本身的不确定性、不精确性以及噪声等所带来的困难，而且计算简单、应用方便，因而在处理复杂系统的大时滞、时变及非线性方面，显示出其优越性。模糊逻辑在故障诊断中的应用大多是与其他方法结合使用的，如模糊神经网络、模糊专家系统等。

(4)粗糙集诊断方法：粗糙集理论是基于不可分辨性的思想和知识简化的方法，在保持分类能力不变的前提下，通过知识约简，从数据中推理逻辑规则作为知识系统的模型。它在分类的意义下定义了模糊性和不确定性的概念。利用粗糙集理论对系统进行故障诊断决策表进行约简处理，解释系统各种故障表征内在的冗余性，为系统故障诊断提供了新的有效途径。

(5)信息融合故障诊断方法：信息融合技术是利用多源信息，以获得对同一事物或目标的更客观、更本质认识的信息综合处理技术。它是指利用多传感器等手段采集并集成各种信息源、多媒体和多格式信息，比如电信号、温度、图像、电磁辐射等信息，从而生成完整、准确、及时和有效的综合信息，再根据一定的判断规则进行故障诊断。信息融合技术目前在军事领域中已有广泛的应用。目前，数据融合故障诊断方法主要有Bayes推理、D-S证据推理及神经网络数据融合等。

近年来，虽然智能故障诊断算法进展快速，很多智能方法被提出，但依然存在一些问题：

(1)知识库庞大。目前智能故障诊断系统大多采用产生式规则来表示专家的经验知识，为了使诊断系统达到高效、实用的目标，必然需要大量的专家知识组成庞大的知识规则库。越是大型设备的诊断系统，相应的知识库就越庞大，这给知识库的整理、知识规则的调用带来不利影响。