基于最大故障诊断信息量准则的测试点优选方法

合集下载

故障检测的各个方面的检测方法和标准

3 诊断参数3.1 诊断参数选择在故障检测当中，我们通常需要在定性判断的基础之上加上定量判断的标准，从而更为直观准确地对工作单元进行故障诊断，因此，诊断参数的选择是故障检测预设阶段一个非常重要的部分。

面对复杂多样的诊断对象，我们用几个较为通用的原则来选择诊断参数：（1）诊断参数的多能性（2）诊断参数的灵敏性（3）诊断参数应呈单值性（4）诊断参数的稳定性（5）诊断参数应具有一定的物理意义，应能量化，即可以用数字表示。

例如，在旋转机械、金属切削机床常用的诊断参数有：功率、噪音、振动频率及相位、温度以及被切削零件的几何精度和表面粗糙度等。

3.2 诊断参数获得当诊断参数参数选择之后，由于从实际问题转化到参数变量之间有时存在着一定不便，有的参数甚至只是存在于理想情况下，无法获得，从而也就无法进行诊断，因此我们要对上个过程选择的参数进行进一步筛选，使其适用于诊断对象，我们列出以下四个原则来选出适用于现实情况中的诊断参数：（1）测试仪器要安装方便，测试手段简单可靠。

（2）测量方法能获得较高的信噪比。

（3）测量方法应尽量采用直接测量。

（4）保证适宜的测量误差值。

3.3 诊断周期选择诊断周期的确定与设备的劣化速度有关。

测量周期一般根据机器两次故障之间的平均运行时间确定。

诊断周期的选择可分为两种选择方式：一是根据机器本身情况对诊断周期进行选择，如高速旋转体，其出现故障后在很短的时间内就会造成更为严重的后果，因此要尽可能缩短其的诊断周期，或者进行实时监测，但是有些低速低载的齿轮，在其出现故障后可能无法立马对整个工作系统产生影响，我们在考虑成本的条件下，可以适当加长其诊断周期。

如在对采煤机进行检测时，主要是检测采煤机周边、控制箱、摇臂和变频器[1]。

采煤机的周边、控制箱、摇臂和变频器各有其检测的周期，其中控制箱、摇臂和变频器的优先级较高，因为其出现故障后在很短的时间内就会导致整个工作系统的瘫痪，因此其诊断周期短，需要对其进行多次的检测，防止其出现故障。

基于最优FADEC系统故障诊断方法

ＧＯＵＬｉｎ－ｆｅｎｇ，ＮＩＵＲｕｉ－ｆａｎｇ，ＳＨＥＮＱｉａｎｇ
（１．Ｘｉ ’ ａｎＡｅｒｏ－ＥｎｇｉｎｅＣｏｎｔｒｏｌｓＴｅｃｈｎｏｌｏｇｙＣｏ．Ｌｔｄ．，Ｘｉ ’ ａｎＳｈａｎｘｉ７１００７７，Ｃｈｉｎａ；
２．ＳｃｈｏｏｌｏｆＰｏｗｅｒａｎｄＥｎｅｒｙ，ｇＮｏｒｔｈｗｅｓｔｅｒｎＰｏｌｙｔｅｅｈｎｉｃｌａＵｎｉｖｅｒｓｉｔｙ，Ｘｉ ’ ａｎＳｈａｎｘｉ７１００７２，Ｃｈｉｎａ）
机控制系统典型故障模型，通过对故障状态和系统状态进行分离，并设计降维Ｌｕｅｎｂｅｒｇｅｒ观测器，得到满足故障估计误差和
控制能量综合最优的故障诊断器，实时输出故障最优估计值，实现对传感器和执行机构故障的检测。经仿真验证，改进方法具有收敛快、检测准确度高的特点，满足实时ｌ生要求。
摘要：研究航空发动机控制系统传感器与执行机构故障的统一优化检测问题，Ｌｕｅｎｂｅｒｇｅｒ观测器结构简单、计算量小、设计简
单，特别适合对变化缓慢的参数（如发动机控制系统软故障）进行估计。提出建立动态特性已知而初始条件未知的航空发动
ＡＢＳＴＲＡＣＴ：Ｓｅｎｓｏｓｒａｎｄａｃｔｕａｔｏｒｓｒｅｌｉａｂｉｌｉｔｙｏｆｔｈｅａｅｒｏ — ｅｎ￣ｎｅｃｏｎｔｒｏｌｓｙｓｔｅｍａｒｅｉｍｐｏｔｒａｎｔｆａｃｔｏｒｓｔｈａｔｄｉｒｅｃｔｌｙａｆ－

一种高效的通信电台测试点优化故障诊断策略

ｃｏｍｍｕｎｉｃａｔｉｏｎｒａｄｉｏｓｔａｔｉｏｎｓｂｙｏｐｔｉｍｉｚｉｎｇｔｈｅｔｅｓｔｐｏｉｎｔ’ Ｓｆａｕｌｔ — ｔｅｓｔｍａｔｒｉｘ．Ａｓｔｈｅｇｅｎｅｔｉｃ
第２５卷第１期２０１３年２月
军
械
工
程
学
院
学
报
Ｖｏ１．２５ＮＯ．１Ｆｅｂ．２Ｏ１３
ＪｏｕｒｎａｌｏｆＯｒｄｎａｎｃｅＥｎｇｉｎｅｅｒｉｎｇＣ ห้องสมุดไป่ตู้ ｌｌｅｇｅ
ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００８ — ２９５６．２０１３．Ｏ１．００９
一
种高效的通信电台测试点优化故障诊断策略
李文元，闫海华，姚宏杰
（１．西安通信学院通信指挥系，陕西西安７１０１０６；２．７５７０６部队，广东广州５１０５００）
摘要：针对通信电台的测试诊断问题，通过建立“ 故障一测试 ” 相关性矩阵，提出了一种ＧＡＤＰＳＯ算法与最大诊断
ｏｐｅｒａｔｏｒｉｓｉｎｔｒｏｄｕｃｅｄｉｎｔｏｔｈｅＤＰＳＯ，ｔｈｅａｌｇｏｒｉｔｈｍｉｓｕｓｅｄｔｏｆｉｎｄｔｈｅｏｐｔｉｍｕｍｔｅｓｔｐｏｉｎｔｓ．Ｂｙａｄｏｐｔｉｎｇｍａｘｉｍｕｍｆａｕｌｔｄｉａｇｎｏｓｉｓｉｎｆｏｒｍａｔｉｏｎ，ｔｅｓｔｏｒｄｅｒｃａｎｂｅｓｅｌｅｃｔｅｄｂａｓｅｄｏｎｔｈｅｉｎｆｏｒｍａｔｉｏｎ．ＴｈｅｒｅｓｕｌｔｓｈｏｗｓｔｈａｔｔｈｅＧＡＤＰＳＯｈａｓｂｅｔｔｅｒｃｏｍｐｕｔａｔｉｏｎｅｆｆｉｃｉｅｎｃｙａｎｄｐｒｅｃｉｓｉｏｎ．ＴｈｅＧＡＤＰＳＯｎｏｔｏｎｌｙａｖｏｉｄｓｔｈｅｌｏｃａｌｏｐｔｉｍｉｚａｔｉｏｎａｎｄｐｒｅｍａｔｕｒｅｃｏｎｖｅｒｇｅｎｃｅ，ｂｕｔａｌｓｏｉｍｐｒｏｖｅｓｔｈｅｓｅａｒｃｈｉｎｇｅｆｆｉｃｉｅｎｃｙ．Ｒｕｌｅｏｆｍａｘｉｍｕｍｄｉａｇｎｏｓｉｓｉｎｆｏｒｍａｔｉｏｎｃａｎｅｓｔｉｍａｔｅｔｅｓｔｐｏｉｎｔｓａｎｄｉｓｆａｓｔａｎｄｅｆｆｅｃｔｉｖｅｉｎｆｉｎｄｉｎｇｔｈｅｔｅｓｔｏｒｄｅｒ．Ｉｔｏｆｆｅｒｓａｎｅｆｆｉｃｉｅｎｔｍｅｔｈｏｄｆｏｒｔｈｅｆａｕｌｔｄｉａｇｎｏｓｉｓｓｔｒａｔｅｇｙ

测试点设计的一种快速优化方法

隔离用测试点，用该点进一步分割矩阵。其思想并
实现快速建模；出最简排列组合算法，提实现测试点
快速设计。通过比较验证，扑相关性诊断方法对拓复杂系统具有较好的适用性。
１相关性快速建模
早期的拓扑理论主要用于数字或模拟电路的故障诊断－。随着这一理论的不断完善，何被测对２］任象，不论其规模和复杂程度，都可用拓扑图表示。拓
扑图中被测对象的组成单元作为节点，图１ａ所如（）
从本质上说，在初选测试点范围内不断寻找信息是
量大、合理有效的测试点。这一方法在系统复杂、测
试点和被测单元数量多的情况下，割所得的子矩分
示，中Ｆ表示被测对象组成单元；选测试点默其 ’ 初认为各组成单元的输出，某单元具有多个相互独若
（装备指挥技术学院，北京１１１）０４６
摘要：测试点设计是故障诊断的前提。文中将拓扑图论应用于被测系统测试点设计，出了提
拓扑相关性诊断方法。与常用的相关性诊断方法相比，实现了系统建模和测试点设计过程的快速化，出了测试点快速设计算法，用于复杂系统的测试点快速设计。提适关键词：故障诊断；拓扑；图论；测试；相关性中图分类号：Ｔ３６Ｐ０文献标志码：Ａ文章编号：１０ —０３２０）３０４ —４００１９（０７０ —３９０

基于规则的通用专家知识库故障诊断方法

总第248期2010年第6期计算机与数字工程Computer&Digital EngineeringVol.38No.672基于规则的通用专家知识库故障诊断方法3刘　剑　陈一超　江　虹(中国船舶重工集团公司测控技术部　武汉　430074)摘　要　针对故障诊断专家系统实用性与通用性的矛盾,在简要分析专家系统工作原理的基础上,提出了一种以用户为中心,基于规则表达的通用性专家知识库故障诊断方法。

将规则推理﹑模糊决策[1]融为一体,形成一阶梯式故障推理机制;对不同的诊断对象,只要设置好必要知识表达模型,就可自行生成一专用基于规则的专家知识库故障诊断方法,并能自动输出诊断结果。

关键词　专家系统;规则推理;模糊决策;故障诊断中图分类号　TP391Univers al Fault a nd Diagnosis Met hod of Expert KB on RegulationL iu J ian　Chen Yichao　J ia ng Hong(Test and Control of China Shipbuilding Industry Corp.,Wuhan　430074)Abs t rac t　In order to overcome contradiction of practicality and generality for fault diagnosis expert system,the design of general fault diagnosis method based on user and regular characterization is presented after the expert system is introduced concisely.Rule reasoning and f uzzy decision algorithm are merged,and the step fault diagnosis method is accomplished.For different object,when necessary knowledge properties former is given,a special fault diagnosis method on regulation will be automatically produced,and the diagnosis result will be given.Ke y Words　expert system,rule reasoning,f uzzy decision,fault diagnosisClass Nu m ber　TP3911　引言基于规则的通用专家知识库故障诊断方法是一种能以人类专家级水平进行故障诊断的计算机程序,它利用人工智能技术、现代设备诊断技术、信息传感与通信技术等,摆脱了传统的诊断技术对数学模型的强依赖性,将事先输入的经验知识以某种或几种方法表示出来,再应用不同的推理技术及诊断策略结合现场来的数据及事实进行诊断。

基于最大相关最小冗余准则的变压器故障诊断特征选择

（１．国网山东省电力公司电力科学研究院，山东济南２５０００２；２．武汉大学电气工程学院，湖北武汉４３００７２）
摘要：电力变压器油中溶解气体分析（ＤＧＡ）技术广泛应用于变压器内典型故障诊断，其中基于ＤＧＡ数据的人工智能诊断方法在变压器故障诊断领域具有较高的识别率，但该类方法在选择故障特征量时尚无统一的标准。鉴于此，本文尝试引入最大相关最小冗余算法（ｍＲＭＲ），以互信息理论为基础挖掘变压器故障特征量之间以及特征量与故障类型之间的关联关系，通过分析大量的ＤＧＡ在线监测数据挖掘出最优的变压器故障特征量集，并采用支持向量机（ＳＶＭ）分类器对比优选特征量集和传统的特征量集合在变压器故障诊断的效率。最后，通过与ＳＶＭ智能分类、ＩＥＣ推荐的三比值分类方法的对比测试表明该方案的故障诊断准确率优于传统的故障诊断方案，故障识别效率高于新型的人工智能诊断方案，更适合于现场的工程应用及推广。关键词：电力变压器；故障诊断；溶解气体分析；最大相关最小冗余
结合的变压器故障诊断方案，关注智能分类器的训练效率，引入ｋ近邻综合决策法提高故障识别率。文献［９］提出的改进人工鱼群优化粗糙集算法对故障样本输入特征维度进行约简，有效地简化了变压器的诊断工作。
然而，目前变压器智能诊断方法的输入故障特征量普遍采用Ｈ２、ＣＨ４、Ｃ２Ｈ６、Ｃ２Ｈ４、Ｃ２Ｈ２等主要特征气体及部分比值，在选择特征量中并没有充足的依据，因此，如何选择与故障类型更加紧密的故障特征量是目前变压器故障智能诊断中忽略的一个问题。由ＰｅｎｇＨａｎｃｈｕａｎ［１０］提出的最大相关最小冗余准则，基于互信息理论，通过挖掘特征变量之间的关联关系，获取与目标类别相关度最大的特征参量集合，成为了备受关注的经典有效的选择特征方法，已在人工智能算法［１１］、医学疾病诊断［１２］、生物工程［１３］、电力工程［１４，１５］等应用领域得到了广泛认可。

基于故障特征信息熵的故障诊断策略优化方法

基于故障特征信息熵的故障诊断策略优化方法摘要:针对复杂电子设备的顺序故障诊断策略问题，为实现快速的故障检测与隔离，提出了一种基于故障特征信息熵的故障诊断策略树生成算法。

该算法综合考虑测试费用和故障概率因素，依据故障特征信息熵的大小依次选择测试点来生成优化的故障诊断策略树。

实例表明该算法可行，能以较低的测试费用和较少的测试步骤实现复杂电子设备的故障检测和隔离。

关键词:信息熵；测试排序；故障诊断策略；测试费用；诊断树optimization algorithm for fault diagnosis strategy basedonfailure feature information entropyli qi.zhi*，hu guo.pingmissile institute，air force engineering university，xi’an shaanxi 713800，chinaabstract:aiming at the sequential fault diagnosis strategy problem of complicated electrical equipment, to realize fast fault detection and isolation, an algorithm for designing fault diagnosis strategy tree based on the failure featureinformation entropy was presented. the algorithm, considering test cost and fault probabilities, can select test points and build optimal fault diagnosis strategy tree based on the value of failure feature information entropy. an example showed that the algorithm is feasible, and can accomplish fault detection and isolation by using lower testing costs and fewer testing steps.concerning the sequential fault diagnosis strategy problem of complicated electrical equipment, to realize fast fault detection and isolation, an algorithm for designing fault diagnosis strategy tree based on the failure feature information entropy was presented. the algorithm, considering test cost and fault probabilities, can select test points and build optimal fault diagnosis strategy tree based on the value of failure feature information entropy. an example shows that the algorithm is feasible, and can accomplish fault detection and isolation by using lower testing costs and fewer testing steps.key words: information entropy; test sequencing; fault diagnosis strategy; test cost; diagnosis tree0 引言随着科技的发展和各种新技术的应用，现代武器装备系统日趋向高度集成化、自动化方向发展。

设备故障检测与维修决策的故障诊断方法分析

设备故障检测与维修决策的故障诊断方法分析第一章：引言设备故障的检测与维修决策在现代工业生产中起着至关重要的作用。

故障诊断方法的选择与应用对于设备故障的快速定位和修复至关重要。

本文将对设备故障检测与维修决策中的故障诊断方法进行分析和研究。

第二章：故障诊断方法2.1 经验法经验法是一种基于经验和专家知识的故障诊断方法。

通过诊断人员对设备故障特征的判断和经验积累，进行故障诊断和维修决策。

这种方法依赖于专家的经验和判断能力，并且容易受到主观因素的影响。

2.2 基于规则的方法基于规则的方法是一种基于预先定义的规则和模型的故障诊断方法。

通过建立故障诊断规则库，将设备故障特征与具体的故障模式进行匹配，从而判断设备故障的原因和位置。

这种方法需要事先收集和整理大量的故障数据，并构建合适的规则库。

2.3 模型基方法模型基方法是一种基于设备模型的故障诊断方法。

通过建立设备的物理或数学模型，将实际的传感器数据与模型进行对比和分析，从而判断设备是否存在故障。

这种方法需要准确的模型和对数据的精确测量。

2.4 数据驱动方法数据驱动方法是一种基于大数据分析和机器学习的故障诊断方法。

通过对大量的故障数据进行分析和挖掘，从中提取出设备故障的特征和规律，并构建故障诊断模型。

这种方法能够自动发现隐藏在数据中的故障模式，并具有较高的诊断准确性。

第三章：故障诊断方法的比较与分析3.1 准确性经验法和基于规则的方法在故障诊断的准确性上具有局限性，容易受到主观因素的影响。

而模型基方法和数据驱动方法通过建立准确的模型和大数据分析，能够提高故障诊断的准确性。

3.2 可扩展性经验法和基于规则的方法需要依赖于专家的经验和规则库，对新设备或新故障的适应性较差。

而模型基方法和数据驱动方法可以通过建立新的模型或更新数据集来应对不同设备和故障模式，具有较强的可扩展性。

3.3 实时性经验法和基于规则的方法需要依赖于人工判断和分析，具有较长的故障诊断时间。

而模型基方法和数据驱动方法通过自动化分析和快速计算，能够实现实时的故障诊断与维修决策。

故障诊断算法在工业设备中的使用方法

故障诊断算法在工业设备中的使用方法引言：随着工业设备的不断发展和更新，故障诊断成为了保障设备正常运行和提高产能的重要环节之一。

而传统的人工故障诊断方法在效率和准确性方面存在一定的不足。

因此，采用故障诊断算法在工业设备中的使用方法越来越受到关注。

本文将介绍故障诊断算法在工业设备中的使用方法，包括故障诊断算法的选择、数据采集和预处理、建立故障诊断模型以及应用故障诊断算法进行故障诊断的过程。

一、选择故障诊断算法在使用故障诊断算法之前，首先需要根据实际情况选择适合的故障诊断算法。

常见的故障诊断算法包括基于规则的故障诊断、模型驱动的故障诊断、机器学习方法和深度学习方法等。

在选择故障诊断算法时，需要考虑设备的特性和故障类型，以及算法的准确性、鲁棒性和实时性等因素。

同时，还需要考虑算法的可调节性和可扩展性，在实际应用中能够适应不同设备和故障的需求。

二、数据采集和预处理在进行故障诊断之前，需要采集工业设备的数据，并对数据进行预处理。

数据的采集可以通过传感器等设备进行，获取设备的运行状态、工作参数和传感器数据等信息。

数据预处理包括数据清洗、数据转换和数据标准化等步骤。

数据清洗的目的是去除数据中的噪声和异常值，保证数据的准确性和可靠性。

数据转换可以将原始数据转换为适合故障诊断算法处理的形式，如时间序列数据、频谱数据等。

数据标准化可以将不同特征之间的量纲问题进行统一，提高故障诊断算法的精度和稳定性。

三、建立故障诊断模型在完成数据采集和预处理后，需要建立故障诊断模型。

故障诊断模型可以是基于规则的，也可以是基于统计学和机器学习的。

基于规则的故障诊断模型是通过设定一系列规则和判别条件来进行故障诊断的，需要根据设备的特点和实际经验来确定规则和条件。

而基于统计学和机器学习的故障诊断模型可以通过训练数据来学习设备的正常运行状态和故障状态之间的关系，进而进行故障诊断。

在建立故障诊断模型时，需要注意合理选择特征和模型，以及考虑模型的可解释性和复杂度。

大数据分析在航空业中的异常检测与故障诊断方法

大数据分析在航空业中的异常检测与故障诊断方法航空业是一个极其重要且复杂的行业，涉及到飞行安全、航班正常运行以及客户满意度等诸多方面。

其中，异常检测与故障诊断对于航空业的运营和维护至关重要。

近年来，随着大数据分析技术的广泛应用，航空业开始采用大数据分析来进行异常检测与故障诊断，提高航空业的安全性和运行效率。

本文将介绍大数据分析在航空业中的异常检测与故障诊断方法。

一、大数据分析在航空业中的应用航空业是一个信息量巨大的行业，每个飞机上都有大量的传感器收集飞行数据、航班数据、维修数据等。

这些海量的数据提供了宝贵的信息，利用大数据分析技术可以发现其中的规律和异常情况，从而实现异常检测和故障诊断。

针对航空业中出现的异常情况，大数据分析可以帮助航空公司快速发现异常事件，并及时采取相应的措施。

例如，通过分析飞行数据，可以检测到飞行器在飞行过程中出现的异常行为，如姿态角变化过大、高度变化异常等。

通过大数据分析，可以将这些异常行为与以往的数据进行比对，进而判断出是否存在故障或危险情况，并及时通知相应的部门进行处理，确保飞机和乘客的安全。

二、异常检测方法1. 数据预处理大数据分析的第一步是对数据进行预处理。

在航空业中，数据预处理的任务包括数据清洗、数据去噪和数据整合等。

例如，对飞行数据进行清洗可以去除异常值和缺失值，同时对数据进行标准化和归一化处理，以便后续的分析。

2. 统计分析在航空业中使用统计分析方法可以帮助识别数据中的异常。

统计分析方法包括假设检验、异常值检测等。

例如，可以使用假设检验方法来判断数据样本是否符合正态分布的要求，如果数据不符合正态分布，可能表明数据存在异常行为。

3. 机器学习方法机器学习是大数据分析中常用的方法之一，可以用于航空业中的异常检测。

机器学习方法可以通过训练模型来对未知数据进行分类和判断。

例如，可以使用支持向量机（SVM）或随机森林（Random Forest）等算法来构建异常检测模型，通过模型的预测结果来判断数据是否异常。

aic信息准则自动寻找最优参数

aic信息准则自动寻找最优参数引言aic信息准则是基于信息论的统计学准则，用于模型选择和参数估计。

在统计建模中，选择合适的参数对模型的拟合和预测有重要影响。

然而，在给定的数据集上，我们如何确定最优的参数是一个复杂的问题。

本文将介绍如何利用aic信息准则自动寻找最优参数，以提高模型的准确性和预测性能。

什么是aic信息准则aic（赤池信息准则，Akaike’s Information Criterion）是由日本统计学家赤池弘次于1974年提出的。

它是一种评估统计模型的好坏的准则，同时考虑了模型的拟合能力和复杂度。

aic信息准则的计算公式在给定的数据集上，模型的aic信息准则由以下公式计算得出：aic=−2log(L)+2k其中，L为模型的最大似然估计值，k为模型的自由参数个数。

aic信息准则的特点•良好的拟合能力：aic信息准则可以衡量模型的拟合能力，即模型对已知数据的拟合程度。

拟合能力越好，aic值越小。

•模型复杂度的惩罚项：aic信息准则通过惩罚模型的自由参数个数，避免了过拟合问题。

aic值越小，模型的复杂度越低。

利用aic信息准则选择最优参数选取最优参数的方法常用的有网格搜索和贪心算法。

下面分别介绍两种方法。

网格搜索法网格搜索法是一种通过遍历所有可能的参数组合，然后计算并比较其aic值来选择最优参数的方法。

1.确定参数范围：首先需要确定参数的范围，例如，假设有两个参数a和b，它们的范围分别为[1, 10]和[0, 1]。

2.确定步长：根据参数范围确定步长，例如，假设步长为0.5。

3.遍历参数组合：对于参数a和b的范围，按照指定的步长依次遍历所有可能的参数组合。

假设在给定的参数范围内，a的取值有10个，b的取值有5个，那么总共会有10*5=50个参数组合。

4.计算aic值：对于每个参数组合，根据模型的拟合效果计算其aic值。

5.选择最优参数：根据计算得到的所有aic值，选择aic值最小的参数组合作为最优参数。

故障诊断中信号特征参数择取方法

试验研究第37卷第5期故障诊断中信号特征参数择取方法刘会芸12(1 •省部共建电工装备可靠性与智能化国家重点实验室（河北工业大学）天津300401)(2 •河北工业大学机械工程学院天津300401)中商要：针对故障诊断中数据量大的问题，提出一种故障信号特征参数择取方法，达到只需少量的特征参数来训练高精度故障识别神经网络的目的。

该方法通过对特征参数之间的相关性及每个特征参数的故障敏感性进行系统分析，从而择取满足故障识别要求的特征参数。

以滚动轴承故障诊断为例，使用该方法择取4 种特征参数的情况下实现了高精度、高效率和高鲁棒性的故障识别。

这一方法可推广到其他机械系统的故障识别中。

关键词：滚动轴承相关性分析特征参数择取故障诊断BP神经网络T ech n iq u es for C haracteristic P aram eters S election for F ailure Type D iagn osisLiu Huiyun1'2(1. State Key Laboratory of Reliability and Intelligence of Electrical Equipment,Hebei University of TechnologyTianjin 300401)(2. School of Mechanical Engineering, Hebei University of Technology Tianjin 300401)A bstract Aiming at the problem of large amount of data in fault diagnosis,a technique for characteristic parameters selection for failure type diagnoses is proposed to achieve the purpose of training a high-precision fault recognition neural network with a small amount of characteristic parameters.Correlations between characteristic parameters and their sensitivities to the failure types are studied systematically in great detail.The best combinations of characteristic parameters are found that satisfy the required successful failure diagnosis rate. Take rolling bearings fault diagnosis as an example, the results show that the proposed method can successfully train NNs effectively with as little as 4 characteristic parameters. This greatly improves the training efficiency and robustness of the neural network, comparing with the brute-force training of using all 20 parameters. This method can be extended to train NNs for other mechanical systems for failure type diagnosis.K eyw ords Rolling bearing Correlation analysis Characteristic parameter selection Failure diagnosis BP neural network中图分类号：X924 文献标识码：B文章编号：1673-257X(2021 >05-0007-06 DOI ：10.3969/j. issn. 1673-257X .2021.05.002随着人工智能算法的发展以及计算硬件水平的提高，使得基于人工智能算法的故障诊断成为故障诊断领域的热点。

基于最大概率的故障指示器故障判定方法

基于最大概率的故障指示器故障判定方法郑国华;黄朵;张伟;吴孝彬;赵建勋;梁安韬;梁丽军【摘要】In order to solve the problem of distribution fault diagnosis in case of misreporting or failed-report of fault indicator information, the characteristics of the fault indicator are analyzed, and the concept of the minimum fault judgment area of the distribution network is developed. Based on which, the mathematical model of fault indicator fault diagnosis is evaluated. The characteristics of fault indicator signals are analyzed. Based on two-in-three principle, a probabilistic fault indicator combination signal processing method is proposed. Based on the combination of the minimum fault judgment area model, the fault indicator combination signal and the interdependence between the fault indicators, a fault diagnosis method based on maximum probability is proposed. The method is based on the similarity between the simulated fault signal and the real fault signal, and the detailed formula is given. The method has good fault-tolerance in the case of misreporting or failed-report of fault indicator information, which can more accurately determine the fault area. The probability of each region is given, and fault alternatives are provided. The proposed approach is feasible and valuable for the dispatching and maintenance personnel to deal with the fault.%为解决配电网故障指示器信号错报及漏报情况下的故障判定问题,分析了故障指示器的特点,提出了配电网最小故障判定区域的概念.基于配电网最小故障判定区域建立了故障指示器故障判定数学模型.分析了故障指示器信号特点,以"三选二"原则提出了一种基于概率的故障指示器组合信号处理方法.结合最小故障判定区域模型和故障指示器组合信号,以故障指示器之间的相互依赖关系为依托,提出了一种基于最大概率的故障指示器故障判定方法.该方法以各区域假设故障后的模拟故障信号与实际情况下的故障信号之间的相似度表征故障发生的最大可能区域,并给出了详细公式.该方法在故障信号漏报和错报较少情况下具有很好的容错性,能够较为准确地确定故障区域.并且给出各个区域的可能概率,提供了故障备选方案,方便调度与运检人员干预排查故障,具有较好的现场应用价值.【期刊名称】《电力系统保护与控制》【年(卷),期】2017(045)016【总页数】6页(P105-110)【关键词】配电网;最大概率;故障指示器;故障判定【作者】郑国华;黄朵;张伟;吴孝彬;赵建勋;梁安韬;梁丽军【作者单位】福建电力职业技术学院,福建泉州362000;福建电力职业技术学院,福建泉州362000;积成电子股份有限公司,山东济南 250100;福建奥通迈胜电力科技有限公司,福建福州350000;福建奥通迈胜电力科技有限公司,福建福州350000;福建奥通迈胜电力科技有限公司,福建福州350000;福建奥通迈胜电力科技有限公司,福建福州350000【正文语种】中文随着智能配电网建设的逐步推进，确保配电网运行安全，缩短故障停电时间，提高供电可靠性被广泛关注。

基于专家系统的故障诊断方法

基亍专家系统的故障诊断方法主要内容一专家系统的定义组成和作用二专家系统的建造三知识的表示与获取四推理机五实验举例专家系统的定义组成和作用定义和作用专家系统是用解决某专门问题的专家知识的方法和技术而建立起来的故障诊断系统
基于专家系统的故障诊断方法
主要内容
一、专家系统的定义、组成和作用二、专家系统的建造三、知识的表示与获取四、推理机五、实验举例
专家系统的建造
再分析再分析再分析再分析
找出概念建立联系
提出要求
认识问题的特征
形成概念
设计组织知识的结构
确定知识表示
建立知识及推理机制Fra bibliotek原型系统
概念知识库及系统功能
专家系统的定义、专家系统的定义、组成和作用
１、定义和作用专家系统是用解决某专门问题的专家知识的方法和技术而建立起来的故障诊断系统。（专家知识包括整个具体领域的知识） 2、组成专家系统由知识库和推理机组成。
一个完整的专家系统包括四部分：知识库、推理机、知识获取模块和解释界面。知识以事实和规则的形式存储起来。事实是短期信息，可以剧烈变化。规则是长期信息，相对比较固定。推理机是协调控制整个系统工作的机构，它根据知识库中的事实、规则，按一定的推理策略来求解当前的问题。

基于最大故障诊断信息量准则的多负荷传感液压系统监测点优化设计

基于最大故障诊断信息量准则的多负荷传感液压系统监测点优
化设计
郭浩亮;穆希辉;杜峰坡;陈建华
【期刊名称】《中国机械工程》
【年(卷),期】2014(000)011
【摘要】对特种叉车多负荷传感液压系统的监测点进行分析，建立了多负荷传感
系统的测试信号有向图和“元部件监测点”相关性模型。

利用信息论中熵的概念，综合评判最大故障诊断信息熵、较短测试时间和较低测试成本以实现故障诊断，建立了最大故障诊断信息量准则，并以此准则对多负荷传感液压系统状态监测点进行优化设计。

最后采用分步测试方式画出特种叉车液压系统故障诊断隔离树。

【总页数】5页(P1502-1505,1506)
【作者】郭浩亮;穆希辉;杜峰坡;陈建华
【作者单位】军械工程学院，石家庄，050003;总装备部军械技术研究所，石家庄，050000;总装备部军械技术研究所，石家庄，050000;军械工程学院，石家庄，050003
【正文语种】中文
【中图分类】TH17
【相关文献】
1.基于最大信息量的机组调速器故障诊断方法 [J], 李书明;曹林宁;沈祖诒
2.基于最大故障特征信息量准则的故障搜索策略 [J], 张耀辉;许军;徐宗昌
3.基于信息量准则的广义Lambda分布变点分析 [J], 黄传明;张晓旭;张三国;
4.基于最大故障诊断信息量准则的测试点优选方法 [J], 周玉良;何广军;吴建峰;崔三俊
5.基于模糊故障诊断算法的米巴赫焊机液压伺服系统监测与故障诊断系统 [J], 宋星;杨彦青;金珍珍
因版权原因，仅展示原文概要，查看原文内容请购买。

故障诊断算法

故障诊断算法1 故障诊断算法故障诊断算法是根据系统的问题发现故障原因和求解最优解的算法。

故障诊断算法涉及自动控制系统、专家系统和能源管理系统等等，是当前应用最为广泛的算法之一。

1.1 基本原理故障诊断算法的基本原理是，根据系统状态和故障症状提出假设，并通过比较和检验系统的实际状态，确定其原因并生成最优解，以修复故障。

1.2 基本策略故障诊断算法的基本策略包括：* 代价函数法：通过对系统中的状态变化定义一种代价函数，然后使用梯度下降等方法求解最小代价函数，从而求解故障原因和最优解。

* 模拟重构法：通过模拟故障情况，结合系统的实际数据构建模型，然后使用该模型重构系统的故障情况，从而推导出对应的最优解。

* 基于规则的方法：采用基于规则的方法，根据系统中观测到故障的症状，借助专家系统进行故障诊断，从而确定故障原因，然后构造相应的最优解。

1.3 案例研究下面为一组故障诊断算法案例：某自动控制系统出现故障，该系统被设定为在两个温度状态之间切换，故障发生在状态改变的过程中，根据代价函数法，可设定一个相应函数，并利用梯度下降法确定最小代价函数，最终定位故障的原因。

另一种方法是，采用模拟重构法，根据现有数据构建模型，然后通过模拟重构原状态，以定位故障原因，最终确定故障最优解。

2 结论故障诊断算法是根据系统的问题发现故障原因和求解最优解的算法。

它被广泛应用于自动控制系统、专家系统和能源管理系统等。

它的基本原理是根据系统状态和故障症状，提出假设，确定故障原因并生成最优解；基本策略包括使用代价函数法求最优解，使用模拟重构法求最优解，以及基于规则的方法求最优解。

故障诊断算法有助于系统进行故障诊断，迅速解决故障问题，节约成本，提升系统的可靠性和可用性。

故障诊断算法 -回复

故障诊断算法 -回复
故障诊断算法是指通过分析设备或系统的异常状态或故障现象，确定故障的原因和位置的过程。

常见的故障诊断算法包括基于规则的诊断、基于模型的诊断、基于统计的诊断和机器学习算法等。

基于规则的诊断算法是根据已经定义好的故障规则和知识库来进行故障诊断。

当设备或系统出现异常时，通过匹配规则库中的相应规则来确定故障的原因和位置。

基于模型的诊断算法是基于设备或系统的数学模型来进行故障诊断。

通过建立设备或系统的数学模型，将实际观测值与模型预测值进行比较，从而确定故障的原因和位置。

基于统计的诊断算法是通过统计分析设备或系统的历史数据来进行故障诊断。

通过比较当前的数据与历史数据的差异，找出异常的数据点，并通过统计方法确定故障的原因和位置。

机器学习算法是通过从大量的数据中学习，建立模型来进行故障诊断。

通过训练算法，模型能够根据实际数据对故障进行预测和诊断，可以提高故障诊断的准确性和效率。

以上是几种常见的故障诊断算法，不同的算法适用于不同的故障情况和需求，可以根据具体情况选择合适的算法进行故障诊断。

故障诊断基本原则、故障排查方法.

故障诊断基本原则、故障排查方法、电路排查的方法及数据流读取分析2015-02-01刘金深圳三羚汽车电脑诊断仪目录导读：一、故障诊断基本原则二、故障排查方法三、电路排查的方法四、数据流读取分析一、故障诊断基本原则造成电喷发动机故障的原因可能是电子控制系统故障，可能是低压油路、进排气气路故障，也可能是燃喷高压零部件或者发动机各机械部件故障。

为准确而迅速地找出故障所在，在故障诊断过程中我们应该遵循一定的原则，基本原则可概括为以下几点：1、先读代码电喷发动机都有故障自诊断功能，当系统出现某种故障时，电控单元就会即刻监测到故障并通过故障灯向驾驶员报警，与此同时以代码的方式储存该故障的信息。

通常我们有两种方式获取故障码：1）按下检查开关，发动机故障指示灯会按顺序闪出闪码；2）使用诊断仪读取故障码。

从而我们可根据读得的故障码排查故障。

2、由外而内在发动机出现故障时，先对电子控制系统以外的可能故障部位予以检查。

这样可避免本来是一个与电子控制系统无关的故障，却对系统的传感器、电脑、执行器及线路等进行复杂且又费时费力的检查。

当发动机发生故障时，首先观察系统的故障指示灯，如果指示灯没亮，则基本可以作为机械故障来进行处理。

如果指示灯亮，必须先读取故障码，进而进行相应处理。

3、先简后繁很多情况下，发动机的故障都是比较简单的故障，电气系统的故障也是如此。

我们可以首先对电气系统进行初步的检查，比如检查电控系统线束的连接状况：1）传感器或执行器的电连接器是否良好？2）线束间的连接器是否松动或断开？3）电线是否有磨破或线间短路现象？4）电连接器的插头和插座有无腐蚀现象？5）各传感器和执行器有无明显损伤？如果以上简单检查找不出故障，则需要借助于仪器仪表或其他专用工具来进行检查时，也应对较容易检查的先予以检查。

能检查的项目先进行检查。

4、全面检测如果没有故障码，以上检测也找不出问题所在，则需要利用诊断仪等专业工具对发动机系统做一个全面的检测，共轨柴油机常见检测类别有：1）低压系统检测；2）压缩测试；3）怠速比较；4）进排气系统检测；5）冷却系统检测；6）加速测试；7）高压测试；8）断缸测试；9）部件测试等。

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｏａｉｕｕｔＤｉｇｏｉｎｏｍａｉｎＶａｕｆＭｘｍｍＦａｌａｎｓｓＩｆｒｔｏｌｅ
ＺＨＯＵｌｎＹｕｉｇ，ＨＥＧｕｎＪｎａａｇｕ，ＷＵｉｎｅｇＪａｆｎ．ＣＵＩａｊｎｎｕＳ
可行的，到的诊断策略只需较低的测试费用。得关键词：关性模型；靠性；试费用；；息量相可测熵信中国分类号：Ｊ６．１Ｔ７５４文献标志码：Ａ
ＡｎＯｐｉａｅｈｏｆＳｌｃｉｇＴｅｔＰｏｎｔＢａｅｎＲｕｅｔｍｌＭｔｄｏｅｅｔｎｓｉｓｄｏｌ
（ｅＭｉｓｌｎｔｔｔ，ＡｉＦｒｅＥｎｉｅｒｎｉｅｓｔＴｈｓｉＩｓｉｅｅｕｒｏｃｇｎｅｉｇＵｎｖｒｉｙ，ＳａｎｉＳｎｕｎ７３０，Ｃｉａｈａｘａｙａ１８０ｈｎ）ＡｂｔａｔＴｈｒｂｅｏｅｅｔｇｔｓｏｎｓｏｉｉｔｉｕｅｓａｉｚｔｎｓｂｙｔｍｅｅｒｈｄｓｒｃ：ｅｐｏｌｍｆｓｌｃｉｅｔｐｉｔｆａｍｓｌａｔｔｄｔｂｌａｉｕｓｓｅｉｒｓａｃｅ．Ａｔｆｓ，ｕｉｇｔｅｃｎｅｔｎｓｅｉｏｓｉｔｓｎｈｏｃｐｒｏｎｒｐｎｔｅｉｆｒｔｏｅｒ，ａｌｏｉｈｏｈｘｍａａｌｄａｎｓｓｉｆｒｔｎｖｌｅｏｓｄｒｎｅｉｂｌｙａｄｔｓｆｅｔｏｙｉｈｏｍａｉｎｔｏｙｎａｇｒｔｍｆｔｅｍａｉｌｕｔｉｇｏｉｎｏｍａｉａｕ，ｃｎｉｅｉｇｒｌｉｔｎｅ — ｎｈｆｏａｉ
ｔｎＯｔｓｐｅｅｔｄｂｓｄｏｈｅｔｅｃｄ１ｉｇＣＳ，ｉｒｓｎｅａｅｎｔｅｐｒｉｎｅｍｏｅ．Ｔｈｎｅｔｏｎｓｃｎｂｅｅｔｄｂｓｄｏｈｆｒｔｎｖｌｅｒｆｎｅ，ｔｓｉｔａｅｓｌｃｅａｅｎｔｅｉｏｍａｉａｕ，ａｍｏｅｅ — ｐｎｏ
合考虑可靠性和测试费用的影响，用信息论中熵的概念，立了最大故障诊断信息量准则；利建然后根据信息量的大小依次选择测试点，定出优选的故障诊断策略，画出故障隔离树。实例应用表明：方法是正确的、确并该
型Ⅲ 可用下述矩阵表示：
Ｆ１ｄ２ｄｌｌ
Ｄ一
ｄ１
ｊ
Ｊ：
１
：
。
（）１
测试节点，但效率不高而且不能保证搜索路径的唯一性。文献［］过相关性模型选取最佳测试点，有３通没综合考虑可靠性和费用的影响。文中在单故障假设前提下，以相关性模型为基础，引入了熵的概念，出给了基于最大故障诊断信息量的测试点优选方法。最
周玉良，广军，何吴建峰，崔三俊
（军工程大学导弹学院，空陕西三原摘７３０）１８０要：对某型导弹姿态稳定分系统的测试点优选问题进行了分析研究。首先在相关性模型的基础上，针综
ｏｓｃｒｅｔａｄｆａｉｌ，ｔｅｓｒｔｇｅｄｅｒｔｓｉｇｃＳＳｄｉｏｒｃｎｅｓｂｅｈｔａｅｙｎｅｓｆｗｅｅｔｎＯｔ．Ｋｅｗｏｄ：ｅｔｅｃｄｌｅｉｂｌｙｅｔｇＣＳ；ｅｔｏｙｎｏｍａｉｎｖｌｅｙｒｓｐｒｉｎｅｍｏｅ；ｒｌｉｔ；ｔｓｉＯｔｎｒｐ；ｉｆｒｔａｕ；ｎａｉｎｏ
ｆｉｎａｌｄａｎｓｓｓｒｔｇａｅｃｎｔｔｔｄ．ｎａｌｉｌｔｎｔｅｒｗｎＴｈｐｌａｉｎｅａｉｅｔｆｕｔｉｇｏｉｔａｅｙｃｎｂｏｓｉｕｅａｄａｆｕｔｓａｉｒｅｉｄａ．ｃｏｏｓｅａｐｉｔｘｍｐｅｓｏｈｔｈｔ — ｃｏｌｈｗｓｔａｅｍｅｈｔ
第３Ｏ卷
第５期
弹
箭
与
制
导
学
报
Ｖｏ．ＯＮＯ５１３．
０ｅ０１ｔห้องสมุดไป่ตู้ ０
２１００年１Ｏ月
ＪｕｎｌｆＰｒｊｃｉｓｏｒａｏｅｔｌ，Ｒｏｋｔ，ＭｉｓｅｎｉａｃｏｅｃｅｓｓｉｓａｄＧｕｄｎｅｌ
基于最大故障诊断信息量准则的测试点优选方法
被测单元ＵＵＴ（ｎｔｕｄｒｔｓ）的相关性模ｕｉｎｅｅｔ
０引言
测试点的优化选择和设计问题是故障诊断和可测试性设计的重要问题。文献［ —２分别通过图论１］和故障树的方法对测试点进行了优化设计，可以减少