大型電機故障診斷中的貝葉斯網(wǎng)絡(luò)原理.pdf

1、在故障診斷領(lǐng)域，不確定性問題占多數(shù)，主要是由診斷對象的結(jié)構(gòu)復(fù)雜性、檢測手段及方法的局限性、知識的運用和精確程度等諸多因素造成的。特別是電機這種型號和種類齊全的機電設(shè)備，其構(gòu)件之間及構(gòu)件內(nèi)部都存在很多錯綜復(fù)雜、關(guān)聯(lián)耦合的相互關(guān)系，不確定因素和不確定信息充斥其間，其故障可能是多故障、關(guān)聯(lián)故障等多種復(fù)雜形式。因此，解決不確定性問題成為故障診斷中的首要問題。常用的解決不確定性問題的方法包括貝葉斯方法、模糊集理論、證據(jù)理論等，經(jīng)Agre G等多位

2、專家的分析研究，基于貝葉斯理論的貝葉斯網(wǎng)絡(luò)是目前解決不確定性問題的最有效的方法。 貝葉斯網(wǎng)絡(luò)是目前不確定知識表達(dá)和推理領(lǐng)域最有效的理論模型之一，適用于不確定性和概率性的知識表達(dá)和推理，特別適用于有條件地依賴多種控制因素的決策。貝葉斯網(wǎng)絡(luò)是一種基于網(wǎng)絡(luò)結(jié)構(gòu)的有向圖解描述，具有多源信息一致表達(dá)與信息融合能力，能進(jìn)行雙向并行推理，并能綜合先驗信息和樣本信息，使推理結(jié)果更為準(zhǔn)確可信。因此，貝葉斯網(wǎng)絡(luò)在故障診斷領(lǐng)域中的應(yīng)用具有重要意義。

3、 本文針對電機故障診斷技術(shù)中存在的固有的不確定性，從信息融合的一般化問題入手，在綜合現(xiàn)有信息融合相關(guān)的研究結(jié)論的基礎(chǔ)上，對相關(guān)的不確定性理論及其相互關(guān)系作了綜合研究，詳細(xì)分析了適合于信息融合領(lǐng)域的幾種不確定性測度以及相關(guān)的不確定度。對電機故障診斷過程中存在的各種不確定性以及這些不確定性的解決辦法和特點作了詳細(xì)分析。原有的電機故障診斷方法基本上都是用單參數(shù)方法實現(xiàn)診斷，由于存在不確定性因素，故障診斷的準(zhǔn)確性難以保證，而貝葉斯網(wǎng)絡(luò)融合

4、方法可大大提高電機故障診斷的準(zhǔn)確性。 電機故障診斷中信息融合主要是決策融合，可以把診斷問題看成是一個多源不確定性信息條件下的決策問題。本文以感應(yīng)電動機為應(yīng)用研究對象，提出了用于解決不確定性問題的故障診斷結(jié)構(gòu)模型和功能模型，并對模型的知識表達(dá)、建造方法進(jìn)行了深入研究，提出了貝葉斯網(wǎng)絡(luò)融合算法。為了獲得更高準(zhǔn)確率的故障診斷結(jié)果，針對故障診斷中傳感器傳輸數(shù)據(jù)的時序性特點，采用在線學(xué)習(xí)的思想，對貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行改進(jìn)。以最大似然估計(M

5、aximum Likelihood Estimation-MLE)方法進(jìn)行參數(shù)學(xué)習(xí)。并通過圖搜索算法，推理得出產(chǎn)生故障的原因節(jié)點，獲得高效、準(zhǔn)確的診斷結(jié)果。 在應(yīng)用中，將故障診斷融合模型及融合算法應(yīng)用在感應(yīng)電動機故障診斷過程中。通過多個實驗表明，在電動機運行工況下，故障診斷融合模型的診斷準(zhǔn)確率優(yōu)于傳統(tǒng)的專家系統(tǒng)方法和學(xué)習(xí)前的貝葉斯網(wǎng)絡(luò)方法，有效地解決了故障診斷中存在的問題，提高了診斷的準(zhǔn)確率。從而驗證了故障診斷融合模型及算法的有