智能故障诊断技术浅析论文（五篇材料）

第一篇：智能故障诊断技术浅析论文

引言

自进入21世纪以来，信息技术为广大居民的生产生活带来了很大的变化，机电设施也在整个生产过程发生着变化。在机械采矿中，添加了多种智能、自动化设施。由于是机械设施，在生产与运行中很容易出现各种问题，从而影响矿业发展。因此，在现实工作中，必须将诊断与维修技术作为研究重点，在将要发生或者发生故障时，对其进行预警，控制故障延伸，确保工作人员安全。

1故障诊断技术的总体概括

1.1设备诊断技术概念

从整体来看：故障诊断技术属于防护方式，它是在确保生产过程的条件下，让各个设备的参数满足最佳状态，然后再通过精密的仪表、仪器检测设备是否满足运行要求，是否有数值变化和破损现象。如果有异常，明确出现异常的原因，破坏程度，能否持续利用，能够持续利用的时间，然后再结合设备的受损度，看能否利用代替性的设备延伸时间，减小成本消耗。当然，这一切工作都是在正常的运行状态中才有效。

1.2故障诊断的技术原理

目前，应用在矿山机电设备智能故障诊断的技术主要包含：数字建模、数据采集、识别分析、状态预测和信息处理。数字建模是诊断智能故障的总规划和原则，它要求展现智能分析优势。例如：在数学模糊诊断中，A是可能发生的事实案例，B是数据库事例，通过对比A与B，在分析权值与特征的条件下得到准确的结果。数据采集，是矿山机电设备事先制定好参数值，然后再诊断设备，进行数值采集，用建模的方式对两份数值进行比对。一旦数值参数大于预设范畴、曲线变化，那么说明机电设备还存在问题。识别分析，是在掌握机电设备测试参数与原始参数的情况下，结合参数变化，从故障库中找到类似样本，再确认产生故障的原因。也只有智能分析与识别，机电设备诊断与检测才能达到智能要求。状态预测，是在预测、识别现有参数后，结合相关资料，验证机电设备运行状态，同时这种结果具有很好的可信性与真实性，该预测结果同时也是深入机电设备运行的有效条件。信息处理，则是一份有效的测试参数，它要求将数据模型变成参数模型，再通过分析等形式进行处理。它能准确分辨无用与有用信息，通过综合处理信息，找准诊断结果和过程分析后，最后得出一份理想的分析报告。

2矿山机电设备出现故障的原因

2.1配合关系

从检查已有设备故障反馈的信息来看，大多数故障都是零件原配变化或者损伤造成的。在这期间，零件损伤是零件原设计与形态出现偏离，这种偏离多数是机械使用或者内部因素所致。常见的零件损伤体现为：意外和老化损伤所致。

2.2超出设备负荷

在相关设备设计之前，工作人员都会对参数极限进行限制，一旦其输出参数超过设计极限时，它的运行状态就会遭到破坏，甚至出现不同程度的故障。如果是超负荷造成的故障，就必须对技术参数和相关设备进行调整，并且采用适当的方式，以帮助其改善承受力。

2.3设备损耗

设备损耗是在内外因素的共同作用下，随空间与时间的改变，其综合能力不断降低。造成这种情况的主要原因是：机件刚性不够、间隙过大、部件磨损与老化、相关设施磨损、系数过大、负荷增加、关键负荷的联接发生磨损与变形等。

3故障诊断在矿山机电维修中的运用

3.1诊断类别

从故障诊断的目的来看：它是对机电设施的计划与检修，以此保障各种生产设施运行的连续性。大致分成：事后检修、根据周期检修和状态检修。事后维修是机电设施发生故障的治理方案，不属于主动对策的范畴，而是大多数机电设施在没有准备的状态下采用的方法。因此，将事后诊断应用在矿山机电设施中的效果并不太理想，其检修质量也有待提高。周期检修相对固定，并且带着强制的特征，同时也是负责的展现。该方式方便易操作，大多数情况下是结合维修或者使用周期操作，从外看这种似乎会增加工人成本，事实上它是不可缺少的打基础部分，从某种角度来看它也是节约成本的体现，通过积极防护设施，延长相关设备的使用年限和周期，并且及时发现和修复问题，最大程度的避免问题带来的停产损失。因此，固定维修对矿山机电设备具有很好的作用，它能最大程度的做到防患于未然，从而降低经济损失。状态检修，是在数据分析的条件上，让每个工作人员负起对应的责任，然后再结合各种部件出现问题的时间推断故障时间。虽然这种预测不能准确捕捉时间，甚至还存在误差，但是能给企业警告的作用，避免措手不及的状况发生。在争取将设备控制在萌芽阶段的过程中，帮助其延长使用周期，减小安全隐患，以确保生产正常进行。

3.2诊断方法

首先是参考历史进行诊断记录，通过对局部系统和元器件进行排查，找出问题症结，这也是矿山机电设施诊断与维护的主要方法之一。一旦出现故障，对相关结论进行精细归纳，最后生成诊断集。第二次出现类似故障时，就能借用诊断路径与经验对其进行处理与诊断。它的优点是相同故障发生时，定位快速。其次是智能诊断，在控制系统、模拟人脑的基础上，获取、再生、传递、利用相关信息，最后利用已经准备好的经验策略。其具体包含灰色系统、模糊诊断、专家诊断、神经网络等方法。当前，应用最广的是神经网和专家体系，让诊断更加智能化。矿山机电设备故障诊断具有隐蔽性与复杂性，通过传统的方法进行精确、迅速的诊断。同时，专家系统能精确的应用专业知识与经验，通过模拟思维，对故障进行求解，最后得到结论。在人工智能诊断的基础上，借助计算机系统与已有经验解决故障。

4矿山机电设备故障监测的步骤

从整体来看：矿山机电设施故障诊断主要包含以下步骤：信息采集、处理、识别、建模和预测。在信息采集中，对机电设施运行参数、状况与数据信号进行有效监测，利用传感器传输的信息数据进行整理，最后放进网络进行存储，以备后续利用。信息处理，是对设备运行状态进行数据整理和识别。当然，在这期间，存在有用与无用信息之分，因此必须对相关信息进行区分与整理，剔除无用信息，并且转换数据，对具体信息进行有效分析，最后将数据变成设备能接受的信息与数据。信息处理与识别是在信息采集后，对相关信息进行识别与分析，包含数据分类、识别与分析，然后再将信息与之前得到的数据进行比对，最后得出设备运行中可能存在故障的区域、故障原因与类型。在矿山机电生产中，机电设施由多种信息数据和参数，并且和设施状态、是否存在隐患有着直接的关系。对此，必须建立起良好的模型，以确定和反映设备状态与故障之间的数学关系。预测技术是对机电设施的故障状况以及剩余使用时间进行预测，它能作为机电设施故障维修与保养的条件，从而避免机电设施出现不必要的故障。

5.结语

为了推动矿业发展，提高开采安全性，在矿山开采中必须注重相关设备的故障诊断与维修技术。在开采中，做好故障记录与整理归档工作，经常对压力、温度进行检查，一旦发现问题立即解决，这样才能改善故障诊断技术，进一步完善与优化诊断系统。

第二篇：智能故障诊断报告

智能：是指能随内、外部条件的变化，具有运用知识解决问题和确定正确行为的能力。表现形式：观察、记忆、想像、思考、判断智能可分为低级智能和高级智能：

低级智能——感知环境、做出决策和控制行为

高级智能——不仅具有感知能力，更重要的是具有学习、分析、比较和推理能力，能根据复杂环境变化做出正确决策和适应环境变化

智能的基本要素

三个基本要素：推理、学习、联想

推理——从一个或几个已知的判断（前提），逻辑地推断出一个新判断（结论）的思维形式学习——根据环境变化，动态地改变知识结构

联想——通过与其它知识的联系，能正确地认识客观事物和解决实际问题

智能应具备的条件（能力）

三个基本能力：感知、思维、行为

感知能力——就是能感知外界变化和获取感性知识的能力

思维能力——就是具有记忆、联想、推理、分析、比较、判断、决策、学习等能力

行为能力——就是对外界刺激（输入信号）做出反应（输出信息）并采取相应动作的能力

故障：是指设备在规定条件下不能完成其规定功能的一种状态。可分为以下几种情况： 1）设备在规定的条件下丧失功能；

2）设备的某些性能参数达不到设计要求，超出允许范围；

3）设备的某些零部件发生磨损、断裂、损坏等，致使设备不能正常工作； 4）设备工作失灵，或发生结构性破坏，导致严重事故甚至灾难性事故。

故障的性质

1）层次性——系统是有层次的，故障的产生对应于系统的不同层次表现出层次性。一般可分为系统级、子系统级、部件级、元件级等多个层次；高层故障可由低层故障引起，而低层故障必定引起高层故障。诊断时可采用层次诊断模型和诊断策略。

2）相关性——故障一般不会孤立存在，它们之间通常相互依存和相互影响，如系统故障常常由相关联的子系统传播所致。表现为，一种故障可能对应多种征兆，而一种征兆可能对应多种故障。这种故障与征兆间的复杂关系导致了故障诊断的困难。

3）随机性——故障的发生常常是一个与时间相关的随机过程，突发性故障的出现通常都没有规律性；再加上某些信息的模糊性和不确定性，就构成了故障的随机性。4）可预测性——设备大部分故障在出现之前通常有一定先兆，只要及时捕捉这些征兆信息，就可以对故障进行预测和防范。

故障诊断：就是对设备运行状态和异常情况做出判断。具体说来，就是在设备没有发生故障之前，要对设备的运行状态进行预测和预报；

在设备发生故障之后，要对故障的原因、部位、类型、程度等做出判断；并进行维修决策。故障诊断的基本思想：

设被检测对象全部可能状态（正常和故障）组成状态空间S，它的可观测量特征的取值范围全体构成特征空间Y 若系统处于某一状态s时具有确定的特征y，即存在映射

；反之，一定的特征y也对应确定的状态s，即存在映射

。状态与特征空间这一关系可表述为：

因此，故障诊断的目的就是：根据可测量的特征向量来判断系统处于何种状态，也就是找出映射关系 f

故障诊断的实质

对于有限状态的系统，令正常状态为s0，n种故障对应的系统状态为s1, s2, …, sn；其中，处于状态si时，对应的可测量特征向量为yi =(yi1, yi2, …, yim)；故障诊断就是由特征向量y =(y1, y2, …, yk)，求出它所对应的状态s的过程

在这种情况下，故障诊断就成为：根据特征向量对被测系统的状态进行分类的问题，或者说对特征向量进行模式识别的问题

结论：故障诊断的实质——模式识别（分类）问题

故障诊断的过程有三个主要步骤：

第一步是检测设备状态的特征信号，即信号测取；

第二步是从检测到的特征信号中提取征兆，即征兆提取；

第三步是根据征兆和其它诊断信息来识别设备的状态，从而完成故障诊断，即状态识别。

——这是整个诊断过程的核心。

故障诊断的任务故障检测：采用合适的观测方式、在合适部位测取特征信号，即信号测取；采用合适的方法，从特征信号中提取状态征兆，即征兆提取

故障识别：采用合适的状态识别方法与装置，依据征兆而推理识别出设备的有关状态，即状态识别

故障分离与估计（预测）：采用合适的状态趋势分析法，依据征兆与状态推理出状态的发展趋势，即状态预测

故障评价与决策：采用合适的决策形成方法，依据有关的状态和趋势作出调整、控制、维修等，即干预决策

什么是智能故障诊断？智能故障诊断：是人工智能和故障诊断相结合的产物，主要体现在诊断过程中领域专家知识和人工智能技术的运用。它是一个由人（尤其是领域专家）、能模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。

从传统故障诊断到智能故障诊断故障诊断技术经历的三个阶段：

第一阶段对诊断信息只作简单的数据处理

第二阶段将信号处理和建模处理应用于数据处理

以上两个阶段，完全基于检测数据处理，没有利用领域专家知识——传统故障诊断阶段第三阶段以知识处理为核心，信号处理、建模处理与知识处理相融合——智能故障诊断阶段

传统故障诊断的局限性：未引入人工智能技术前，直接由领域专家完成状态识别任务，不能有效利用专家的知识和经验；

缺乏推理能力，不具备学习机制；

对诊断结果缺乏解释，诊断程序的修改和维护性差。智能故障诊断的优越性：

引入人工智能技术后，能模拟领域专家完成状态识别任务（最大差别），人-机联合诊断，达到甚至超过专家；

发展出基于知识的诊断推理机制，能模拟人类的逻辑思维和形象思维的推理过程；能解释自己的推理过程，并能解释结论是如何获得的。

智能故障诊断的研究意义：

研究如何及时发现故障和预测故障并保证设备在工作期间始终安全、高效、可靠地运行

——故障诊断技术为提高设备运行的安全性和可靠性提供了一条有效途径

故障的随机性、模糊性和不确定性，导致一个故障的形成往往是众多因素造成的结果，且各因素之间的联系又十分复杂

——传统故障诊断方法已不能满足现代设备的要求，必须采用智能故障诊断方法

智能故障诊断的研究目的及时发现故障，给出故障信息，并确定故障的部位、类型和严重程度，同时自动地隔离故障；预测设备运行状态、使用寿命、故障发生和发展；

针对故障的不同部位、类型和程度，给出相应的控制和处理方案，并进行技术实现；

自动对故障进行削弱、补偿、切换、消除和修复，以保证设备出现故障时的性能尽可能地接近原来正常工作时的性能，或以牺牲部分性能指标为代价来保证设备继续完成其规定功能；进行维修决策，减少维修费用，提高设备利用率。

智能故障诊断的国内外研究概况

20世纪60年代末开始，已历经三个阶段：

美国从1967年开始，NASA、ONR率先在故障机理研究和故障检测、诊断和预测等方面取得实用性研究成果；此后，在水泵、空压机、轴承、润滑油、内燃机、汽车发电机组、大型客机等方面都取得了许多研究成果

英国和日本相继在20世纪70年代初开始故障诊断的研究，并在锅炉、压力容器、核发电站、核反应堆、铁路机车等方面取得了许多研究成果

国外，设备维修费平均降低15～20%，技术投入占生产成本的比例，美国7.2%、日本5.6%、德国9.4% 我国从20世纪80年代初开始这方面研究，在石化、冶金、电力等行业得到应用；90年代后在各行业快速发展

目前智能故障诊断的几个重要研究方向 1）集成化智能故障诊断研究：

现代设备复杂性和故障不确定性，单一方法不能满足要求；集成多种方法进行诊断，取长补短，提高诊断智能化水平。2）网络化智能故障诊断研究：

现有诊断大都面向单台或单类设备，可扩充性、灵活性、通用性差，信息不能有效交互和共享；分布式智能诊断能充分发挥各专家的特点，做到资源共享、协调诊断。3）适应型智能故障诊断研究：

利用智能结构、智能Agent的特性，构建满足现场需要，并对故障具有自修复、自补偿、自抑制、自消除等适应型智能故障诊断，也是一个很有前途的研究方向。

第三篇：飞机故障诊断技术

1．故障是指产品丧失了规定的功能，或产品的一个或几个性能指标超过了规定的范围。它是产品的一种不合格状态。

2．故障按其对功能的影响分为两类：功能故障和潜在故障。

功能故障是指被考察的对象不能到达规定的性能指标；潜在故障又称作故障先兆，它是一种预示功能故障即将发生的可以鉴别的实际状态或事件。

3．故障按其后果分四类：

平安性后果故障：采取预防维修的方式；使用性后果故障：对使用能力有直接的不利影响，通常是在预防维修的费用低于故障的间接经济损失和直接修理费用之和时，才采用预防维修方式；非使用性后果故障：对平安性及使用性均没有直接的不利影响，只是使系统处于能工作但并非良好的状态，只有当预防维修费用低于故障后的直接维修费用时才进行预防维修，否那么一般采用事后维修方式；隐患性后果故障：通常须做预定维修工作。

4．故障按其产生原因及故障特征分类可分为早期故障、偶然故障和损耗故障。偶然故障也称随机故障，它是产品由于偶然因素引起的故障。对于偶然故障，通常预定维修是无效的。耗损故障是由于产品的老化、磨损、腐蚀、疲劳等原因引起的故障。这种故障出现在产品可用寿命期的后期，故障率随时间增长，采用定期检查和预先更换的方式是有效的。

5．故障模式或故障类型是故障发生时的具体表现形式。故障模式是由测试来判断的，测试结果显示的是故障特性。

6．故障机理是故障的内因，故障特征是故障的现象，而环境应力条件是故障的外因。

7．应力-强度模型：当施加在元件、材料上的应力超过其耐受能力时，故障便发生。这是一种材料力学模型。

8．高可靠度状态〔图1.2-2〔a〕〕：应力和强度分布的标准差很小，且强度均值比应力均值高得多，平安余量Sm很大，所以可靠度很高。

图1.2-2〔b〕所示为强度分布的标准差较大，应力分布标准差较小的情况，采用高应力筛选法，让质量差的产品出现故障，以使母体强度分布截去低强度范围的一段，使强度与应力密度曲线下重叠区域大大减小，余下的装机件可靠度提高。

图1.2-2〔c〕所示为强度分布标准差较小，但应力分布标准差较大的情况，解决的方法最好是减小应力分布的标准差，限制使用条件和环境影响或修改设计。

图1.2-2

应力、强度分布对可靠性的影响

9．反响论模型：

如果产品的故障是由于产品内部某种物理、化学反响的持续进行，直到它的某些参数变化超过了一定的临界值，产品丧失规定功能或性能，这种故障就可以用反响论模型来描述。

串连式反响过程：总反响速度主要取决于反响最慢的那个过程的速度。

并联式反响过程：总反响速度主要取决于反响最快的过程的速度。

10．最弱环模型〔串连模型〕：认为产品或机件的故障〔或破坏〕是从缺陷最大因而也是最薄弱的部位产生

11．故障树分析法简称FTA法〔Fault

Tree

Analysis〕

故障树分析法是一种将系统故障形成的原因由总体至局部按树状逐级细化的分析方法。

故障树分析法将最不希望发生的故障事件作为顶事件，利用事件和逻辑门符号逐级分析故障形成原因。优点：直观、形象，灵活性强，通用性好；缺点：理论性强，逻辑严谨，建树要求有经验，建树工作量大，易错漏。

12．顶事件和中间事件〔矩形〕

底事件〔圆形〕

开关事件〔房形〕

省略事件〔菱形〕

13．逻辑与门

逻辑或门

逻辑非门

异或门

表决门K/N门

表决门：仅当n个输入事件中有k个或k个以上发生时，输出事件才发生。

14．建树步骤

§顶事件选取原那么：

1)必须有确切的定义，不能含混不清、模棱两可。

2)必须是能分解的，以便分析顶事件和底事件之间的关系。

3〕能被监测或控制，以便对其进行测量、定量分析，并采取措施防止其发生。

4〕最好有代表性。

15．〔1〕系统级边界条件

顶事件及附加条件（系统初始状态，不允许出现事件，不加考虑事件)

〔2〕部件级边界条件

元部件状态及概率，底事件是重要部件级边界

利用边界条件简化：

与门下有必不发生事件，其上至或门,那么或门下该分支可删除；

与门下有必然发生事件,那么该事件可删除;

或门下有必然发生事件，其上至与门,那么与门下该分支可删除

或门下有必不发生事件，那么该事件可删除

16．n个不同的独立底事件组成的故障树，有个可能状态，故可有个状态向量。

17．与门结构故障树的结构函数

18．或门结构故障树的结构函数

19．k/n门结构故障树的结构函数

20．底事件的相干性

假设对第i个底事件而言，至少存在一对状态向量Y1i=(y1,y2,…yi-1,1,yi+1,…,yn)记作(1i,Y)和Y0i=(y1,y2,…yi-1,0,yi+1,…,yn)记作(0i,Y)，满足Φ

(1i,Y)>

(0i,Y)，而对其它一切状态向量而言，恒有Φ

(1i,X)

≥

(0i,X)成立，那么称第i个底事件与顶事件相干。

如果找不到状态向量满足Φ

(1i,X)

(0i,X)，那么称第i个底事件与顶事件不相干。

相干结构函数：Φ(X)满足：

故障树中底事件与顶事件均相干；

Φ(X)对各底事件的状态变量xi(i=1,2,…n)均为非减函数

21．相干结构函数的性质

〔1〕假设状态向量X=(0,0,…0)，那么Φ(X)=0；

〔2〕假设状态向量X=(1,1,…1)，那么Φ(X)=1；

〔3〕假设状态向量X≥Y(即xi

≥yi,i=1,2,…n)，那么结构函数Φ(X)

≥

Φ(Y)；

〔4〕假设Φ(X)

是由n个独立底事件组成的任意结构故障的相干结构函数，那么有

即任意结构故障树，其结构函数的上限为或门结构故障树结构函数，而下限是与门结构故障树结构函数。

22．假设状态向量X能使结构函数=1，那么称此状态向量为割向量。在割向量X中，取值为1的各分量对应的状态变量〔或底事件〕的集合，称作割集。割集是导致顶事件发生的假设干底事件的集合。假设状态向量X是割向量〔即=1〕，并对任意状态向量Z而言，只要Z

23．假设状态向量X能使结构函数=0，那么称此状态向量X为路向量。在路向量X中，取值为0的各分量对应的状态变量〔或底事件〕的集合，称作路集。路集是使系统不发生故障的正常元件的集合。假设状态向量X是路向量〔即=0〕，并对任意状态向量Z而言，只要Z>X，恒有=1成立，那么称X为最小路向量，最小路向量X中取值为0的各分量对应的底事件的集合，称为最小路集。最小路集是使系统不发生故障的必要正常元件的集合。

24．用最小割集表示结构函数：

25．用最小路集表示结构函数：

26．掌握化相交和为不交和，求顶事件概率〔此法最简单易于理解，故采用之〕：

式中为故障树的最小割集，将上式化成单独项〔形如这种形式〕的逻辑和，将式中的用代替，用代替。这样便可得到顶事件发生的概率为：

27．底事件的发生对顶事件发生的影响，称作底事件的重要度。

概率结构重要度：仅由单个底事件概率的变化而引起顶事件概率发生变化，那么顶事件概率对底事件概率的变化率称作该底事件的概率结构重要度，简称概率重要度，记作。数学表达式为：

。上式可以看出概率重要度较大的底事件，其概率发生变化，那么对顶事件概率变化的影响是比拟大的。

结构重要度：第i个底事件的结构重要度定义为该底事件处于关键状态的系统状态数与其处于正常状态的系统状态数之比。当系统由n个独立元件组成时，那么可表示为：，为该底事件处于关键状态的系统状态数，可由下式表示：

所谓底事件的关键状态是指该底事件状态变量由0变为1时〔该元件由正常变故障〕，故障树的结构函数也由0变为1〔系统由正常变故障〕的状态。

用以下原那么求结构重要度，在概率重要度的根底上，令各底事件的概率均为1/2，那么所求结构重要度与其底事件的概率重要度相同。

关键重要度：，由此可见，底事件的关键重要度是指顶事件概率相对变化量与引起此变化的底事件概率相对变化量之比的极限。

28．故障隔离手册〔FIM〕和故障报告手册使用同一的故障码，该故障码为8位数：左起前两位为故障所在章号〔系统〕，3、4位为节号〔子系统〕，5、6位为工程号，7、8位表示故障件位置。

29．无空勤人员提供故障码时的故障隔离程序

–

故障必然归入下面四种情况之一：

有相应的EICAS信息的故障；

有机内自检程序〔BITE〕的故障；

有适用的维修控制显示板〔MCDP〕信息的故障；

以上信息全没有的故障。

假设报告的问题上述三种信息均有，那么故障分析顺序为优先考虑执行有EICAS信息的排故程序，其次是机内自检程序，最后是考虑执行有MCDP信息的排故程序。

30．查找故障的典型概率法〔P75〕重点看，有计算。

概率法应用的条件：故障是由某一元件故障引起；查找故障不会引入新故障。

概率法应用的参数：

检查次数〔一次检查、平均检查次数

检查时间〔一次检查时间ti、平均总检查时间

检查工作量(一次检查工作量ti、平均总检查工作量

检查费用〔一次检查费用Ci、平均总检查费用

适用范围

–

逐件检查系统

–

分组检查系统

31．32．

分组检查的方法：两分法、等概率法、最小时间法。

两分法：要点--符合机件数大致相等的要求；

最少检查次数与最大检查次数：

假设系统由n个机件组成，满足2m

2m+1〔m为正整数〕，那么系统最少检查次数为m次，最大检查次数为〔m+1〕次，平均检查次数

Sm--第m次可查出故障的机件零件号组成的集合，同理。-零件号为j的机件故障的条件概率。

2〕

假设系统机件数恰好满足n

2m，那么只需且必须经过m次检查，才能查出故障原因，平均检查次数Nm

等概率法：要点--先把系统按每组各机件故障条件概率之和大致相等分成两组，检查故障条件概率之和较大的那组，确定故障件所在局部。再将存在故障件的那一组按每组各机件故障条件概率之和大致相等分成两个分组，检查故障条件概率之和较大的一组，确定故障原因所在。如此继续下去，直至查出故障原因为止。

最小时间法：要点--每组各机件故障条件概率之和大致相等。

对各组计算检查时间消耗率h，h

(bi/

ti)，选择h较大的一组进行检查

33．信息量应该是该信息出现概率的单调减函数

信息量＝，P——信息量出现的概率，信息量的单位是“比特(bit)〞

–

假设有n个信息同时出现，它们对故障诊断提供的信息量要比单一信息提供的信息量大

–

当n个信息相应的事件互相独立时，n个信息共同出现时的信息量等于各个信息的信息量之和，即信息量具有可加性

34．现代信息论中，“熵〞是系统不确定程度的度量

假设系统A有n个状态A1,A2,…,An，系统随机处于相应状态的概率分别为P(A1),P(A2),…,P(An)，那么系统的熵定义为

35．复合系统的熵：设系统A有n个可能状态，系统B有m个可能状态

从而复合系统的熵为

A、B互相独立：H(A+B)=H(A)+H(B)

A、B统计相关：

H(AB)=H(A)+H(B/A)=H(B)+H(A/B)

A条件下B的熵值：

36．定义系统B为判断A所处的状态提供的平均信息量为

也被称为系统B包含有关系统A的平均信息量。

37．目视检查是飞机结构完整性检查的最根本、最常用的检查方法，也是保证飞行平安的重要手段之一。

当蒙皮离开铆钉头并形成目视可见的明显间隙，铆钉周围有黑圈，均说明铆钉已松动。

铝合金和镁合金腐蚀初期成呈白色斑点，开展后出现灰白色腐蚀产物粉末。

不锈钢的腐蚀往往是出现黑色的坑点。

38．气密舱的密封检查：流量法和压力降法。流量法更适用于泄漏量较大而容积小的气密舱。压力降法设备简单，测法简单可靠。气密舱和结构油箱泄露包括可控制泄露和不可控制泄露。

影响密封舱结构密封性的因素：

环状缝隙影响因素；平面缝隙影响因素；加工与装配质量的影响。

39．涡流检测的根本原理

检测线圈通交流电，在线圈周围产生交变的初级磁场，当检测线圈靠近被检测的导电构件时，在交变的初级磁场作用下，构件中感生交变的电流——涡流。涡流在构件中及其周围产生一个附加的交变次级磁场，次级磁场又在线圈内产生感应电流，它的方向与原电流方向相同。当构件中产生裂纹或有其它缺陷，检测线圈与其接近时，涡流发生畸变，影响次级磁场，进而影响检测线圈中的感应电流，检测线圈中的电流的变化，说明构件发生损伤。

40．涡流检测分为高频涡流检测〔>50kHz〕和低频涡流检测。

趋肤效应：涡流的磁场会引起交变电流趋向构件外表，外表电流密度最大，随着深度增加，电流密度减弱

41．涡流检测法的适用范围

检查导电构件的疲劳损伤和腐蚀损伤。对铝合金是首选的无损检测方法

不适用非金属构件，如塑料、玻璃纤维复合材料等的损伤

高频涡流可检测试件外表或近外表的损伤，而低频涡流可检测构件隐蔽面或紧固件孔壁上的损伤

对于钢构件一般不采用涡流检测法探伤。

不能检测出平行于探测面的层状裂纹。

厚度小于1.5

mm的薄板材，板边缘或紧固件孔边的边界效应较大，给检测带来一定的困难

42．超声波检测法：高频声束〔频率在20kHz以上〕射入被检材料，经过不同介质分界面会发生反射，检测者分析反射声束信号，便可确定缺陷或损伤的存在及其位置。

超声波的发射与接收是利用压电材料的压电效应来实现的超声波是一种波长比光波长，比普通电波短，频率高于20kHz的机械波

43．纵波检测法的适用范围：

易检测出与工件探测面走向平行的缺陷

受仪器盲区和分辨力的限制，外表和近外表检测能力低

适用于检测大面积的厚工件，定位简单

横波检测法的适用范围：

可发现与工件外表成一定角度的缺陷或损伤

辅助纵波检测，检测垂直于探测面的缺陷或损伤。

应用：可检测金属、非金属、复合材料的内部及外表缺陷〔裂纹损伤和腐蚀损伤〕，对平面缺陷十分敏感，只要声束方向与裂纹面夹角到达一定要求，就可清晰地显示出裂纹损伤

44．磁粉检测的原理：〔通过检测漏磁来发现缺陷〕

铁磁试件被磁化后，假设试件存在外表或近外表缺陷，会使试件外表产生漏磁。铁磁性工件中存在着许多小磁畴，磁化前，磁畴随机取向，磁性抵消；被磁化时，磁畴规那么排列，呈现磁极。当工件外表或近外表存在与磁化方向近于垂直的裂纹缺陷时，磁力线会弯曲，呈绕行趋势，溢出外表的磁力线叫做缺陷漏磁。漏磁场强度取决于缺陷尺寸、方向和位置以及试件的磁化强度。漏磁场强度越大，缺陷部位越容易吸附磁粉，越能显示出磁粉迹痕，观察磁粉迹痕判断缺陷所在。

周向磁化法：直接通电法、电极法、芯棒法

纵向磁化法：线圈法、电磁铁法、感应电流法

复合磁化法

适用于铁磁性构件外表或近外表缺陷〔或裂纹〕。主要检测锻钢件及焊件，不适用于奥氏体不锈钢〔非磁性材料〕。

注意：磁粉检测后要对零件进行退磁。

45．传统的故障诊断方法包括逻辑诊断方法、统计诊断方法和模糊诊断方法。

46．逻辑诊断法师根据故障特性〔故障信息或征兆〕与故障状态的逻辑关系，运用推理的方式进行故障诊断的方法。

有效决策规那么：将有效逻辑基中全部变元〔取值为１〕或逆变元〔取值为０〕逻辑乘，再求逻辑和．

有效决策主范式：从决策规那么出发，通过逻辑运算，得到全部变元或逆变元逻辑乘的逻辑和．

概括逻辑诊断步骤:

1.确定考虑的因素,建立决策规那么;

2.建立有效决策规那么或有效决策主范式;

3.将给定元件状态的元件变元或逆变元组成征兆函数,待定元件变元或逆变元组成成因函数,进行状态识别或故障诊断.注：此节求有效逻辑基，通过分析故障成因函数查找故障原因是重点。

47．统计诊断方法：

确定临界值是重点。

根据对平均冒险率的分析，提出以下四种确定临界值的方法：

最小冒险法、最小错误诊断概率方法、极小极大法和纽曼-皮尔逊方法。

在满足平均冒险率最小的条件下，即使=时，确定临界值的方法称为最小冒险方法。

当==，==时，最小错误诊断概率方法确定临界值得条件和最小冒险法完全相同。

在使平均冒险率取极大的同时，使平均冒险率取极小，这样确定临界值的方法称为极小极大法。

纽曼-皮尔逊方法：要正确地估计错误诊断的代价往往是十分困难的，为此往往采用使某种诊断错误概率降低到最小的原那么。

例题：根据滑油中含铁量监测发动机机匣的工作状态。设由统计资料得到：在正常状态下含铁量的均值〔1p.p.m=1毫克/升〕，在异常状态下含铁量的均值，标准偏差为；含铁量为正态分布，并发动机处于正常状态的概率为=0.8。试用最小错误诊断概率法：

〔1〕详细推导确定临界值的公式

〔2〕计算临界值x0

48．模糊诊断方法〔重点看该书最后两页〕：

设分别表示m种故障成因，它们是征兆群空间X〔论域U〕上的m个模糊子集，为相应的m个模糊子集的隶属函数。对U中的任一元素，如果，那么判断隶属于模糊子集，这就是最大隶属原那么。

隶属函数计算式：其中〔i=1，……，n〕表示第i个征兆出现的状态，征兆出现取1，不出现取0，是权系数，即诊断矩阵中第i行，第j列的元素。根据最大隶属度原那么判断故障成因，从而判断故障成因。

编者注：考试题型：选择〔10〕、填空〔10〕、简答〔20〕、计算〔60〕.本材料仅供参考。预祝大家考个好成绩，谢谢！

第四篇：智能故障诊断技术知识总结（最终版）

智能故障诊断技术知识总结

一、绪论 □ 智能：

■ 智能的概念

智能是指能随内、外部条件的变化，具有运用知识解决问题和确定正确行为的能力。■ 低级智能和高级智能的概念

低级智能——感知环境、做出决策和控制行为

高级智能——不仅具有感知能力，更重要的是具有学习、分析、比较和推理能力，能根据复杂环境变化做出正确决策和适应环境变化

■ 智能的三要素及其含义

三个基本要素：推理、学习、联想

推理——从一个或几个已知的判断（前提），逻辑地推断出一个新判断（结论）的思维形式学习——根据环境变化，动态地改变知识结构

联想——通过与其它知识的联系，能正确地认识客观事物和解决实际问题

□ 故障：

■ 故障的概念

故障是指设备在规定条件下不能完成其规定功能的一种状态。可分为以下几种情况： 1.设备在规定的条件下丧失功能；

2.设备的某些性能参数达不到设计要求，超出允许范围；

3.设备的某些零部件发生磨损、断裂、损坏等，致使设备不能正常工作； 4.设备工作失灵，或发生结构性破坏，导致严重事故甚至灾难性事故。■ 故障的性质及其理解

1层次性——系统是有层次的，故障的产生对应于系统的不同层次表现出层次性。一般可分为系统级、子系统级、部件级、元件级等多个层次；高层故障可由低层故障引起，而低层故障必定引起高层故障。诊断时可采用层次诊断模型和诊断策略。

2相关性——故障一般不会孤立存在，它们之间通常相互依存和相互影响，如系统故障常常由相关联的子系统传播所致。表现为，一种故障可能对应多种征兆，而一种征兆可能对应多种故障。这种故障与征兆间的复杂关系导致了故障诊断的困难。

3随机性——故障的发生常常是一个与时间相关的随机过程，突发性故障的出现通常都没有规律性，再加上某些信息的模糊性和不确定性，就构成了故障的随机性。

4可预测性——设备大部分故障在出现之前通常有一定先兆，只要及时捕捉这些征

兆信息，就可以对故障进行预测和防范。

□ 故障诊断：

■ 故障诊断的概念

故障诊断就是对设备运行状态和异常情况做出判断。具体说来，就是在设备没有发生故障之前，要对设备的运行状态进行预测和预报；在设备发生故障之后，要对故障的原因、部位、类型、程度等做出判断；并进行维修决策。■ 故障诊断的实质及其理解

故障诊断的实质——模式识别（分类）问题 ■ 故障诊断的任务及其含义

故障检测：采用合适的观测方式、在合适部位测取特征信号，即信号测取；采用合适的方法，从特征信号中提取状态征兆，即征兆提取

故障识别：采用合适的状态识别方法与装置，依据征兆而推理识别出设备的有关状态，即状态识别故障分离与估计：采用合适的状态趋势分析法，依据征兆与状态推理出状态的发展

趋势，即状态预测故障评价与决策：采用合适的决策形成方法，依据有关的状态和趋势作出调整、控

制、维修等，即干预决策

□ 智能故障诊断：

■ 智能故障诊断的概念

智能故障诊断是人工智能和故障诊断相结合的产物，主要体现在诊断过程中领域专家知识和人工智能技术的运用。它是一个由人（尤其是领域专家）、能模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。

□ 智能故障诊断的研究方法：

■ 基于知识的研究方法

基于知识的研究方法：不需要对象的精确数学模型，而是根据人们长期的实践经验和大量的故障信息设计出一套智能计算机程序，以此来解决复杂故障诊断问题。模糊故障诊断

专家系统故障诊断神经网络故障诊断信息融合故障诊断智能体故障诊断集成化故障诊断网络化故障诊断

二、智能故障诊断的构成 □ 基本结构：

■ 智能故障诊断系统的基本结构

两大部分：故障检测与诊断、故障容错控制

输入控制执行器监控对象输出数据库故障检测与诊断知识库故障容错控制智能故障诊断与容错控制的基本结构

■ 智能故障检测与诊断模块的主要任务和基本要求

知识获取

故障检测与诊断：就是从监控对象中适时准确地检测出故障信息，并对故障产生的原因、部位、类型、程度及其发展做出判断。

其主要任务通常包含以下几个方面的内容： 1.获取故障信息；

2.寻找故障源，确定故障的位置、大小、类型及原因； 3.评价故障的影响程度，预测故障的发展趋势； 4.对检测诊断结果做出处理和决策。基本要求包括以下几方面：

1）对故障具有强检测能力

故障检测能力的强弱，一方面反映了检测诊断模块对故障的检测能力，另一方面也直接影响故障诊断的效果

对弱故障信号和早期故障信号，故障检测能力尤为重要 2）对故障具有强诊断能力

能综合运用多种信息和多种诊断方法，以灵活的诊断策略来解决诊断问题；能通过使用专家的经验，而尽量避开信号处理方面复杂的实时计算；

能处理带有错误的信息和不确定性信息，从而相对降低对测试仪器和工作环境的要求。

3）尽量采用模块化结构

结构应当模块化，使之可以方便地调用其他应用程序

如维修咨询子模块、模拟故障诊断子模块等 4）具有人机交互诊断功能

现代设备的复杂性，要求综合运用多种知识源（浅、深知识）来求解复杂问题用户适当地实时参与，将使诊断速度更快、准确性更高

用户参与有主动和被动两种方式：主动参与可干预和引导推理过程；被动参与只回答提问，而不干预推理过程 5）具有多种诊断信息获取的途径

获取的诊断信息越丰富，则诊断效果越好

首先，应具有自动获取状态信息（当前、历史）的功能其次，应能通过人机交互获取状态信息 6）对问题求解应当实时和准确

实时：一旦发现故障迹象，应立即开始诊断工作

准确：输出结果应当细致明了，对于并发故障允许输出多个诊断解，对于同一故障则只有一个诊断解，对于征兆不完备情况应输出按权值排序的多个候选故障解

7）具有学习功能

现代设备的复杂性以及新知识的不断涌现，导致专家现有知识的不足要求系统具有被动和主动（自学习）获取新知识的能力

8）具有预测能力

应能预测故障的发生和发展，以便在故障没有发生之前采取措施，将故障消灭在萌芽状态，使损失减为最小 9）具有决策能力

故障出现前，应能提前预测故障

故障出现后，应能对故障做出决策并提供维护方案

□ 构成原理：

■ 故障检测与诊断的常用方法

1）基于数学模型的故障检测与诊断方法

特点是必须将故障数学模型化，有时建立模型很困难不依赖实例和经验，适用于新的没有成熟经验的诊断

2）基于参数估计的故障检测与诊断方法

特点是须先确定一个信任域，当参数超出域时认为故障适用于故障能由参数的显著变化来描述的诊断

3）基于信号处理的故障检测与诊断方法

通过对检测信号的分析处理，利用特征信号对故障进行识别和诊断。典型方法：小波变换、模态分解等

4）基于知识的故障检测与诊断方法

不需精确的数学模型，能模拟人的思维过程，具有自学习、自组织、自推理能力

5）基于实例的故障检测与诊断方法

是一种使用过去的经验实例指导解决新问题的方法

优点是不需从实例中提取规则，求解快；不足是能搜集的实例是有限的，求解时可能出现误诊或漏诊

6）基于模糊理论的故障检测与诊断方法

征兆的描述、故障与征兆的关系往往具有模糊特性，模糊语言变量能更准确地表示这种模糊性的征兆和故障

问题在于知识获取困难：如何确定故障与征兆间的模糊规则；如何实现模糊语言变量与隶属度间的推理转换

7）基于神经网络的故障检测与诊断方法

利用神经网络的联想、推理和记忆能力进行知识处理

适用于复杂多模式的诊断，有离线和在线诊断两种方式

■ 智能故障诊断中的机器学习策略及其理解

简单学习：

文献、专家和资料所描述的关于诊断对象的结构、功能、运行约束条件等知识，机械学习机制为主；

主要用于元知识学习阶段

交互学习：

知识工程师或诊断对象处理过的知识，讲授学习机制为主；主要用于领域知识学习和知识库丰富阶段独立学习：

推理策略面对的新知识，归纳学习机制为主；主要用于诊断能力改善阶段文献、专家知识工程师诊断对象简单学习交互学习知识检验与评价知识库独立学习

□ 构成方法：

■ 智能故障诊断系统的设计要求

智能故障诊断系统的设计，一般应满足以下要求：

1）满足故障诊断的实际需要；

主要指标有故障诊断率、诊断结果准确率、系统可靠性和投资效益比等，一般需分阶段实现系统目标。

2）建立适应不同诊断对象的知识库；

智能故障诊断系统是基于知识的，以知识处理为研究内容，知识库的建立是保证诊断结果正确性的前提。

3）能自动获取征兆；

征兆的自动获取是实现故障诊断智能化的重要环节。将征兆获取从用户交给计算机，既可减少人为差错、提高诊断准确率，又可减轻操作要求、提高系统可接受性。4）诊断和推理方法应符合故障诊断要求；

应从征兆出发去诊断故障，征兆对故障的肯定和否定程度，是故障诊断的根本依据。因此，知识表示和不精确推理应当充分反映故障诊断的特点。

5）能实现计算机自动诊断；

完成系统的方案设计后，用计算机进行系统的实际开发，可以使故障诊断易于实现，并获得最佳效果。

6）系统要经过严格的测试和考核。

一方面，开发进度的加快导致测试时间减少；另一方面，系统一般是由缺少现场经验的人员研制的。

经实验室模拟测试、现场测试后，才能投入实际应用。

三、智能故障诊断的控制方案 □ 几种控制方案的基本原理

■ 基于状态反馈、基于多模冗余、基于功能模块、基于神经网络、基于专家系统的控制方案 □基于专家系统的控制方案 ■ 结构、原理

控制方案：知识库存放领域专家知识；数据库存放监控对象原始数据、故障特征数据等；推理机按一定的推理规则，对监控对象进行故障识别、估计和决策，根据故障性质采取相应策略进行容错控制。X执行机构监控对象故障检测与分离推理机知识库Y数据库知识获取 ■ 推理过程和推理机的概念，推理策略及其理解

推理：就是对故障进行识别和容错控制

推理过程：就是将数据库中的事实与知识库中的规则进行匹配的过程推理机：实际上就是实现推理过程的一种智能程序推理方法：正向推理、反向推理、正反向混合推理

基于数据驱动的正向推理策略：推理过程较慢，适用于搜索空间较小的知识库；

基于目标驱动的反向推理策略、正反向混合的双向推理策略：推理效率较高，适用于搜索空间较大的知识库或在线故障诊断。

■ 知识的分类及其理解

1）原型知识：

原型知识是领域专家指出的故障集和征兆集这两个集合之间存在的确定的映射关系“征兆族故障”

生成的诊断知识可由规则或框架表示它是故障诊断必备的知识，也是推理机工作的基础

2）关联知识：

关联知识是描述故障传播特性的知识生成的诊断知识一般由规则来表示

它表征了诊断系统内部的状态联系，构成了诊断问题的求解路径，引导诊断向纵深推进直到故障的位置和原因

3）权重知识：

权重知识是领域专家对故障间关系及证据可靠度的认识它可以有目的地引导诊断过程的进行，提高诊断效率

■ 对象的分解及其理解

1）结构分解：从结构上对系统进行分解，把系统的总体结构分解为下一层的子结构，直到最低层次的零部件

最终可确定系统故障的物理位置，但难以表达子系统间的相互关系，难以反映由联系劣化所引起的故障

2）功能分解：从功能上对监控对象进行分解，把系统的总体功能分解为下一层次的子功能，直到最低层次的基本功能

无论子系统或与其相联系的故障都能在功能层次中反映出来，但最终确定的诊断结果是系统劣化的功能模块

3）故障分解：从故障类型上对监控对象进行分解，下层总是上层的特例、而上层则是下层的概括，直到最具体的故障

可反映出所有类型的故障，但难以确定故障的物理位置

综合分解原则：在高层采用结构和功能分解，减少分类过程的搜索量；在中间和低

层采用故障分解，与诊断目的一致

四、智能故障诊断的控制策略 □ 瞬时故障的消除：

■ 几种常见的瞬时故障消除策略

1）循环采样技术：将信号的一次采样改为循环采样，通过对采集数据的类比分析，消除瞬时故障

2）自动补偿技术：采用特殊结构和特殊装置组成补偿器，抵消瞬时故障影响，如温度补偿器

3）自动切换技术：设备运行中出现瞬时过载等不安全情况时，使设备有关部分或全部停止运行，消除瞬时故障影响和保护设备，如切换开关、熔断器

4）阻尼技术：设备运行中出现过载物理量时，对其加以限制或衰减，消除瞬时故障影响，如电感器抑制过电压、减震器吸收振动冲击等

5）旁路技术：把瞬时过载能量或不需要的物理量从旁路泄走，如低阻通路将瞬时过载电能旁路到大地、过流阀旁路掉液压或气动系统能量等

6）屏蔽技术：把瞬时故障的效应屏蔽起来，以消除瞬时故障的影响，如碳纤维或形状记忆合金等

7）隔离技术：通过设计瞬时故障隔离器来消除瞬时故障的影响，如电磁隔离等

□ 多模块并行诊断策略：

■ 概念或原理

即对同一种故障信息，用不同的诊断模块进行识别，若结果相同或基本相同，则认为诊断成功，并根据故障性质和故障特征，调用相应的容错模块对故障进行容错控制；若诊断结果差异较大，则可采用表决方法对结果做出判断。

■ 单输出对象：模型区域划分、模型切换、避免切换震荡

模型区域划分：

仅根据控制器输出所在的一维区域，划分为有代表性的不同工作区段。

模型切换：

根据期望控制器输出判断下一时刻系统处在哪个子模型控制器的控制域内，以此切换模型。

避免切换振荡：

扩大训练域冗余，使相邻训练域相互重叠；

在总的工作范围内离线训练一个网络模型，作为过渡过程使用。

■ 多输出对象：模型区域划分、模型切换

模型区域划分：

不能仅根据控制器输出所在的一维区域进行划分，可以通过聚类方法划分样本空间进行子模型训练。

模型切换：

选择包括当前系统状态的子模型作为控制器；

将当前输入与各子模型工作空间的隶属度作为权值，各子模型都对输出进行加权贡献。

五、智能故障诊断的实现方法 □ 故障信号检测： ■ 可预测故障和不可预测故障的概念

1）可预测故障：是指那些可预先知道的故障。故障发生前通常都有一定征兆，只要及时捕捉这些征兆信息并采取相应措施，就可预防故障。渐发性故障是一种最常见的可预测故障。

2）不可预测故障：是指那些不可预先知道，但会影响设备正常工作的故障。突发性故障是其中最典型的一种。

可预测故障通常有一定规律性，易于检测和防范；不可预测故障具有随机性，且常对设备造成严重危害，是故障诊断研究的主要对象。

■ 故障的判断标准

1）绝对标准：在设备的同一部位、按一定要求测得的表现设备状态的值，与某种相应判断标准相比较，以评定设备的状态。

2）相对标准：对设备的同一部位、同一工况、同一测量值，用相同方法进行定期测取，按时间先后将实测值与正常状态下的初始值进行比较来判断。

3）类比标准：若有多台机型相同、规格相同的设备，在相同条件下用相同方法进行测定，通过相互比较来评定设备的状态。

■ 微弱信号检测的概念

微弱信号检测：分析噪声产生的原因和规律，研究被测信号的特点和相关性，检测被噪声淹没的微弱有用信号、或从强噪声中提取有用信号、或采用其他新技术和新方法来提高检测系统输出信号的信噪比。

■ 早期故障的主要特点及其理解

1）早期故障信号很微弱：早期故障属于轻微故障，其故障信号分量通常很小，不易察觉；

2）早期故障信号表征不明显：早期故障信号的幅值、相位、时频特性等变化很小，表征很不明显；

3）早期故障信号容易被噪声信号淹没：由于噪声信号通常会夹杂在故障信号中，当故障信号很弱时噪声信号就相对较强，早期故障信号常被噪声信号所淹没，具有很大的隐蔽性。

□ 故障特征识别： ■ 故障识别的内容

1）正确选择与设备状态有关的特征信号

特征信号是指与设备功能紧密相关的、最有用的、能代表设备运行状态的信号

应根据不同监控对象，选取最能反映其运行状态的那部分信息作为特征信号选择特征信号依据：经济性好、信息量大、敏感度高

2）正确地从特征信号中提取征兆

对特征信号进行处理，提取出与设备状态相关的、能直接用于诊断的征兆信息

3）正确地根据征兆对设备进行状态识别

征兆是故障诊断的基本信息

采用合适的故障诊断理论与方法对征兆加以处理，对不同的设备状态进行模式识别

4）正确地根据识别结果对设备进行状态诊断

有故障时，分析故障的位置、类型、性质、原因与趋势——故障定位无故障时，分析状态趋势，预计未来情况——故障预测 5）正确地根据状态诊断对设备进行干预决策

干预设备及其工作进程，保证设备安全可靠高效运行

■ 故障识别的内容

故障识别过程可分为以下四步进行：

1）特征信号检测

2）征兆信息提取 3）设备状态识别 4）故障维修决策

原始信号特征信号征兆信号设备维修决策信号检测特征提取状态预测状态诊断状态识别 ■ 组合思维的概念、基于组合思维的识别方法

专家系统知识处理模拟的是人的逻辑思维，神经网络知识处理模拟的是人的经验思维，将逻辑思维、经验思维和创造性思维集成在一起，就形成组合思维

首先用经验思维进行识别；当经验思维无法解决问题时，转向高一层的逻辑思维；当逻辑思维也无法解决复杂问题时，转向更高一层的创造性思维，即通过提出新的假设，经过检验后再发现新理论和解决问题的新方法

矛盾新假设检验新知识创造性思维知识库x故障特征提取逻辑思维规则匹配模式匹配逻辑推理经验思维报警y

考试说明

□ 考试方式：

■ 闭卷，试卷成绩60%，平时成绩40% □ 考试题型：

■

一、名次解释：6题，5分/题，共30分

■

二、简答：8题，3题10分、5题8分，共70分 □ 考试时间：

■ 第10周周四（5月2日）下午14:30-16:30 □ 考试要求：

■ 严禁一切作弊行为

第五篇：智能交通技术综述论文

当前，我国城市化进程正面临着巨大的机遇和挑战，如何不断提高城市发展水平和产业竞争力，看看下面的智能交通技术综述论文吧！

智能交通技术综述论文

摘要：随着网络和信息技术的快速发展，我国城市信息化建设不断推进。作为智慧城市发展的重要组成部分，构建智能交通具有很重要的意义。文章分析了构建智能交通系统的体系结构及其关键技术，明确了智能交通是未来交通发展的必然趋势。

关键词：智能交通车联网智能科学

全面提升城市生活品质，解决城市发展中的交通、安全、能耗等问题，已成为关键。“智慧城市”顺应了当前全球先进城市发展演进和技术变革的时代潮流，是当今世界推进战略性新兴产业和城市信息化进程中的前沿理念，是我国新一轮城市发展与转型的客观要求，是提升城市品质和竞争力的必然途径，也是更好地保障和改善民生的重大举措[ ]。建设智能交通体系是智慧城市建设中不可或缺的重要内容之一。

智能交通系统是将先进的信息技术、数据通讯传输技术、电子控制技术、计算机技术及智能车辆技术等综合运用于整个交通运输管理体系，通过对交通信息的实时采集、传输和处理，借助各种科技手段和设备，对各种交通情况进行协调和处理，建立起一种实时、准确、高效的综合运输管理体系，从而使交通设施得以充分利用，提高交通效率和安全，最终使交通运输服务和管理智能化，实现交通运输的集约式发展[ ]。智能交通是集智能调度、视频监控、定位管理、运营分析等应用服务为主要内容的交通发展新模式。

1、体系结构

从技术层面分析，实现智能交通的体系结构分为三个层次：感知层、传输层和应用层，如图1所示。

通过感知，获得车辆、道路和行人等全方位的信息，将采集到的信息通过传输层“运送”到服务端，根据不同的应用和业务需求，进行相应的服务端计算，对信息进行分析、处理、融合，实施重要信息的存储管理及其相关信息（如公交指示信息、交通诱导信息等）的及时发布。

2、关键技术

智能交通建设过程中，从信息的收集，数据的分析处理，到信息的管理和信息的发布，涉及很多关键技术。

2.1车联网技术

车联网，是指利用装载在车内和车外的感知设备，通过无线射频等识别技术，获取所有车辆及其环境的静、动态属性信息，再由网络传输通信设备与技术进行信息交换和通信，最终经智能信息处理设备与技术对相关信息进行处理，根据不同的功能需求对所有车辆的运行状态进行有效的监管和提供综合服务的高效能、智能化网络。

车联网是物联网技术在智能交通中的应用。车联网系统发展主要通过传感器技术、开放智能的车载终端系统平台、无线传输技术、语音识别技术、海量数据处理技术以及数据整合等技术相辅相成配合实现。在国际上，欧洲的CVIS、美国的IVHS、日本的VICS等系统通过车辆和道路之间建立有效的信息通信，已经实现了智能交通的管理和信息服务。

2.2云计算技术

云计算是一种基于互联网的新一代计算模式和理念。云计算通过互联网提供、面向海量信息处理，把大量分散、异构的IT资源和应用统一管理起来，组成一个大的虚拟资源池（共享的软硬件资源和信息），通过网络，以服务形式、按需提供给用户。

云计算的特点之一是分散资源集中使用。与传统互联网数据中心（IDC）相比，云计算比较容易平稳整体负载，因而大大提高资源利用率，同时，弹性伸缩的运行环境增强了业务的灵活度。云计算的另一个特点是集中资源分散服务，把IT资源、数据、应用作为服务通过网络、按需提供给用户。

云计算技术为智能交通中海量信息的存储、智能计算提供重要的使能技术与服务。

2.3智能科学技术

智能科学，是研究智能的本质和实现技术, 是由脑科学、认知科学、人工智能等综合形成的交叉学科。脑科学从分子水平、细胞水平、行为水平研究自然智能机理，建立脑模型，揭示人脑的本质；认知科学是研究人类感知、学习、记忆、思维、意识等人脑心智活动过程的科学；人工智能研究用人工的方法和技术，模仿、延伸和扩展人的智能，实现机器智能[ ]。通过多学科的交叉、融合，不仅从功能上进行仿真, 而且从机理上研究、探索智能的新概念、新理论、新方法，最终达到应用的目的。

目前，具有重要应用的智能科学关键技术包括：主体技术、机器学习与数据挖掘、语意网格和知识网格、自主计算、认知信息学和内容计算等[ ]。

智能科学为智能交通提供智慧的技术基础，支持对智能交通中海量信息的智能识别、融合、运算、监控和处理等功能。

2.4建模仿真技术

仿真技术是一门多学科的综合性技术，它以控制论、系统论、相似原理和信息技术为基础，以计算机系统和物理效应设备及仿真器等专用设备为工具，根据研究目标，建立并运行模型，对研究对象（已有的或设想的）进行动态试验、运行、分析、评估认识与改造的一门综合性、交叉性技术。

仿真由三类基本活动组成：建立研究对象模型，建立并运行仿真系统，分析与评估仿真结果。汽车驾驶训练模拟器，就是应用仿真技术的成果。

仿真技术对智能交通各功能领域和运营活动进行建模仿真研究、试验、分析和论证，为智能交通体系的构建和各类业务项目实施运行提供决策依据和不可或缺的关键技术支撑。

智能交通是一个综合性的系统工程。在智能交通建设过程中，还涉及统一的标准，需要系统工程技术、高性能计算技术、数据安全技术和各种应用技术等技术支撑。

3、结语

随着基础设施建设的不断完善，各种相关理论和技术的不断成熟，智能交通发展日趋完善，那时的交通将会是人、车、路、环境达到和谐统一的新景象。

参考文献

[1]嘉兴市人民政府.嘉兴市“智慧城市”发展规划（2011―2015年）[R].嘉兴:嘉兴市人民政府, 2011.[2]中国智能交通协会.http://www.省略.[3]史忠植.智能科学[M].北京:清华大学出版社,2006.[4]智能科学网站.http://www.intsci.省略.