基于模糊推理的电机故障诊断专家系统研究

收稿日期: 2009 08 10; 修回日期: 2009 09 23。 作者简介: 薛 寒( 1985 ) , 男, 河北承 德人, 硕士研 究生, 主要从 事智能故障诊断以及计算机仿真技术方向的研究。
中华测控网 chinamca. co m
图 1 电机常见故障模式图 由电机的 故 障 模 式 分 析 可 知, 试 验 数 据 的 采 样 频 率 为
在本文阐述的基于模糊 推理的 电机故障 诊断专 家系统 中, 包括事实数据库、规则知识库和推理机三个模块。事实数据库 用来存放实时得到的电机故障的高频能量特征向量; 规则知识 库存放模糊产生式规则, 这些规则表示了各种故障的高频能量 特征; 推理 机对实时获得的故障特征向量与各条规则前提条件
进行模糊匹配, 得到最终的诊 断结果[ 1] 。
0 引言
电机设备在工业生产的各个领域中的广泛应用, 使得电机 的安全性及可靠性变得尤为重要, 对电机的故障诊断研究已成 为必要。电机故障要比其它设备的故障更为复杂, 不仅由于其 故障诊断所涉及到的技术范围很广, 而且还表现在故障特征量 的隐含性、故障起因与故障征兆之间的多元性。一种故障可能 表现出多种征兆, 有时不同故障起因也可能会反映出同一个故 障征兆, 这种情况下很难 立即确定 其真正 的故障 起因。另 外, 电机的运行还与其负载情况和环境因素等有关, 电机在不同的 状态下运行, 表现出的故障状态各不相同, 这进一步增加了电 机故障诊断难度。因此, 利用传统的基于数学模型的电机故障 诊断方法就难以实现了。
5
∀ ( 4) 在 上述的特征向量 u 中, 令 E = (
Ej
2)
1 2
,
经
j= 1
计算后可得到提取的 故障特 征向量 U =
[
E1 E
,
E2 E
,
E3 E
,
E4 E
,
E5 E
]
[3] 。
根据上述特征向量提取 方法, 对 实验实测 数据 进行处 理,
可得到某电机部分常见的故障的特征向量, 如表 1 所示。 表 1 部分故障模式的特征向量
波分解系数序列的能量, 则
k
∀ Ej =
d
m j
2
m= 1
式中,
d
m j
为小波分解高频系数,
j
为层数,
点数。
k 为该频 段的采样
( 3) 以高频信号 能量为元素构造一个特征向量。按尺度顺 序, 以各层 小波分解系数的能量为元素得到一组与信号对应的
序列 Ej , 则可由此确定与能量 序列对应 的特征 向量 u= [ E1 , E2, E3 , E4 , E5 ] 。
规则中前提子条件权重系 数的引入, 不仅解决了多个故障 征兆对结论支持的重 要程度不同和各个故障征兆之间独立性与 依赖性不同的表示问题, 而且还解决了 故障征兆不完整时的不 确定推理问题。故障诊断模糊 规则逻辑结构图如图 2 所示[5] 。
图 2 模糊规则逻辑结构图
该系统故障特征 的提取方法中, 每条规则都有 5 个前提条 件, 即 A 1 、A 2 、 !、A 5 , 分别对应于 db1 小波分解后各 尺度 空间的高频信号能量排列出的 特征向量。各前提条件的权系数 w 1 、w2 、 !、w 5 的计算方法如下: 以正 常信号的 频带能 量特 征向量作为基准, 将该规则所对应的故 障的频带能量特征向量 与基准向量作比较, 得到向量 差值, 将 向量差值经过归一化计 算, 所得的结果即为对应的权 系数。
0 5622 0 4862 0 5241 0 4281 0 6185
0 7865 0 8269 0 6826 0 7519 0 9124
确定将 db1 小波分解后各尺度空间的高频信号能量作为特 征向量, 该特征向量与 F FT 频谱体现的频域特征基本上是一致 的, 并在同一故障模式的不 同运行 环境下 具有良 好的故 障辨识 度, 可以作为故障检测的依据[ 4] 。
因此把小波分解后各尺度空间的高频信号能量按尺度大小排列

成的向量作为特征向量, 对频带能量进行分析, 这种能量分布
特征提取的具体步骤为: ( 1) 将 故障样本信号进行 5 层多分辨率分解, 得到各层的
高频分解系数序列 dj { j = 1, 2, !, 5} ; ( 2) 求 各层小波分解系 数序列 的能量。 设 Ej 为 第 j 层小
专家系统能够运用人类专家的知识和解决问题的方法进行 推理和判断, 模拟人类专家求解决策问题的推理机制, 来解决 各领域复杂的专业问题。基于模糊推理的专家系统将不确定性 的专家经验以模糊子集的知 识表示 方式存 储在规则 知识库 中, 同时采用模糊近似匹配规则的模糊推理过程, 以实现快速的不 确定性的模糊推理, 提高排除故障的速度和准确性。
关键词: 电机故障诊断; 专家系统; 模糊推理
Study of Fuzzy Fault Diagnosis Expert System in Motor System
Xue H an, Xie L ili, Ye L iuyi
( Co llege of Automat izat ion, N W PU , Xi an 710129, China) Abstract: A nalyse t h e noise sign al of some mot or usin g t he w avelet m ult i res ol ut ion anal ysis met hod, w e get t h e h igh f requ ency energy f rom w avelet decomposit ion by w ay of proper vect or, w h ich is t aken as basis of t he failure detect ion. In view of mot or f ailure's charact eri st ic and failu re diagnos is's requ est , th e t ex t has des igned expert syst em based on t he f uzz y reasoning, it expressed know ledge u sing t he fu zzy rule, cons t ruct ed prerequis it e of rules wit h proper vect or of kinds of f au lt s w hich w e have, m at ch ed in f uzzy w ay prerequisit e of rules w it h proper vect or of f ault w hich w e get real t ime, u sed t h e f orw ard f uzz y reasoning met hod t o real ize t h e inf erence m echanis m, t hen w e coul d ob t ain t h e diagn os is resu lt direct ly. It i s f easib le in ex periment al verifi cat ion, an d has high t imeliness as w ell as accu racy. Key words: f ault diagnosis of m ot or; ex pert syst em; f uzz y reas oning
权重系数的引入是由于在 电机实际故障问题中, 故障规则 的多个故障原因对电机故障结 论的支持程度是不同的, 每个故 障前提对电机故障结论具有不 同的重要程度。在本模糊诊断推 理及设计中, 采用在故障诊断规则中为 每个故障规则前提引入 权重系数, 使不同的规则前 提具有 不同的 ∃ 权重% , w i 称 为前 提子 条 件 的 权重 系 数 ( 0 # w i # 1) , 且 所 有权 重 系 数 的 和 为 1。
故障类型
第一层 第二层 第三层 第四层 第五层 高频 高频 高频 高频 高频
正常信号
0 0132
轴承温度过高
0 0178
定子绕组匝间短路
0 0263
定子铁心松动
0 0096
定子与转子间气隙不均匀 0 0225
0 0562 0 0648 0 0895 0 0392 0 0863
0 2130 0 2253 0 3125 0 1657 0 3452
2 电机故障诊断专家系统的知识表示
在电机的故障诊断中, 由于故障特征的模糊性、诊断经验 知识的不确定性, 为了能够让电机的故障诊断在信息不完全的 情况下做出正确的判断, 在本专家系统中知识的表示采用产生 式规则和模糊数学相结合的模糊产生式规则方式, 模糊产生式 规则具有效地表达启发性知识等优点, 并可以根据数据可靠性 给出可信度因子, 从而实现模糊推理。
为规则阈值, 即规则可 被使用的 限值, 对故 障诊断 中的 模糊性征兆与知识库中 的模糊 规则的 前提条 件进行 模糊匹配, 我们通过模糊匹配得 到的匹配度为 k (0 # k# 1), 只有当 k> 时, 该规则才允许被使用; 若 = 1 时, 该规则即为精确规则。
这里尤其强调的是, w1 、w2 、 !、w n 为前 提子 条件 的权 重系数, 即表示 前提 子条 件中 征兆 对故 障产 生影 响大 小的 度 量, 同一故障中对不同征兆分 配不同权重系数; 同一征兆对不 同故障应分配 不同 权重 系数, 同一 征兆 对一 种故 障的 可信 度 高, 权重系数就大。
( 西北工业大学 自动化学院, 陕西 西安 710129)
摘要: 利用小波的多分辨率分析方法对某电机的噪声信号进行分析, 将小波 分解后得到的高 频能量作为故障 特征向量, 作为故 障检 测的依据; 针对电机故障的特点及故障诊断的要求, 设计了基于模糊推理的专家系统, 采用模 糊产生式规则 表示知识, 利用已 获得的各 种故障的高频能量特征向量构造规则的前提条件, 通过实时获得的故障特征向量与各条规则前 提条件进行模 糊匹配, 采用正向 推理的模 糊推理方法实现推理机制, 直接得出诊断结果, 经实验验证是可行的, 并且具有较高的实时性以及准确性。
1 电机故障模式及故障提取方法
电机设备的故障较为复杂 , 这里我 们简化分析电机的基本 故障为定子铁心故障、定子绕组故障、转子本身 故障、转 子绕 组故障以及轴承故障 , 具体的 故障模式如图 1 所示。
当电机出现故障 时, 会出 现超出允许限值的振动, 以及不 同的噪声信号, 本文 通过 对噪 声信 号进 行小 波的 多分 辨率 分 析, 完成对电机 的故 障提 取。小波 的多 分辨 分 析是 M allat 在 构造正交小波基时提出来的概 念, 由于 单一尺度的小波变换难 以区分复杂多变的信 号, 只有 通过多尺度的分解, 才能更全面 及精确地提示信号的 内在特征[2] 。
8
文章编号: 1671 4598( 2010) 01 0008 03
计算 机 测 量 与控 制 . 2 010 . 18 ( 1) Computer Measurement & Control
中图分类号: T M 307+ 2
文献标识码: A
自动化测试
基于模糊推理的电机故障诊断专家系统研究
薛 寒, 谢利理, 叶留义
在电机的故障诊断知识库中知识模糊化主要是通过设置前 提条件的权重系数、设置规则激活阀值、设置规则可信度来实 现的。在该故障诊断专家系统中, 模糊规则表达形式如下:
IF A 1 ( w1 ) A ND A 2 ( w 2 ) A N D ! A n ( wn )
T HEN B ( CF, ) ; 式中, A 1 、A 2 、 !、A n 为 规 则的 前 提 条 件; B 为 规 则 结论, CF 为规则的可信 度, 每 条规则 的可信程 度不同, 对规则 增加 可信度因子, 表明了人类专家 对该规则的确信程度, 这样就在 传统产生式规则的基 础上增加了模糊表示的能力。
第1期
薛 寒, 等: 基于模糊推理的电机故障诊断专家系统研究
9
22kH z, 为使 相应尺度的小波母函数的频窗 中心尽量 接近于特
征频率点, 选定 db1 作 为小 波母 函数, 并 做 5 层 多分 辨 率分 解。每次分 解得到的低频信号和高频信号长度都是原信号长度
的一半, 并 且分解得到的 信号 结果不 冗余, 也 不损 失原信 号。 当系统出现故障时, 会 对各频 带内 信号的 能量 有一 定的影 响,