摘 要:在分析生产制造设备各种故障诊断技术的基础上,设计基于特征知识引导的模糊逻辑诊断方法,该方法以模糊数学为依据通过模仿人类的思维方式来处理系统的模糊性和不确定性。它以诊断参数向量的择近原则或隶属原则对生产加工过程中的故障进行求解,且能够适用于各种复杂对象的全面诊断。文章提出诊断系统的知识表述及组织模型,并阐述了模糊诊断推理的实现过程,最后结合现场的托辊生产线为例开发原型系统。
关键词:模糊诊断;生产设备;融合诊断;隶属原则;托辊
中图分类号:TF305 文献标志码:A 文章编号:2095-2945(2017)30-0170-02
引言
制造装备是普遍使用的加工设备,由于设备自动化程度高、价格昂贵、结构复杂,影响设备安全和工作性能的因素越来越多,导致其故障与诊断参数间也具有较为复杂的对应关系,同时也就决定了其诊断方法的复杂性,其中有定性关系的复杂性和定量关系的复杂性这两种较为复杂的对应关系[1]。
定性关系的复杂性是指较难确定设备的某一故障是与哪些诊断参数相对应。对于一个简单的单值对应系统,可以根据诊断参数a的变化很容易地确定系统的故障F,即F=f(a)。但对于机械设备而言,由于其各子系统间的耦合关系,必须根据某一诊断参数向量来对其相应的故障进行综合评判,即:
Fi=f(Ai)
其中,Ai=(ai1,…,aij,…,ain),为诊断参数向量;aij为诊断参数;n为诊断参数的个数;Fi为与Ai对应的故障。
定量关系是指诊断参数向量Ai与故障Fi的函数关系,一般用隶属度函数表示,但其这一函数关系是很难确定,只能按着一定的诊断逻辑及统计的方法,给出Ai中各诊断参数以一定的概率发生时,故障Fi的发生概率,因此,定量关系存在着一定的复杂性。目前使用的主要诊断方法有模糊诊断法和最小割集诊断法。模糊诊断法是较为常用的一种对复杂系统进行诊断的方法。模糊诊断法是以模糊数学为依据,得到了越来越广泛的应用,它以诊断参数向量的隶属原则对故障进行求解,具有较大的灵活性,可以有效地了解量值评判准则的建立问题,其设备的故障特征用语言表述的诊断经验知识,适用通过模糊逻辑系统加以处理[2,3]。
1 基于模糊逻辑故障诊断的原理
1.1 模糊诊断的特征知识引导
特征知识引导的故障诊断排除了不必要的验证,缩小故障的搜索空间,将故障定位到少量可能的原因上,在充分分析设备故障特征经验知识的基础上,将经验性诊断知识转化为具有可操作性的诊断参数。
形成抽象的故障特征集{Sai},应用经验。
1.2 模糊蕴涵推理
在基于原理的故障诊断技术中,如故障树诊断方法等,无论是采用距离法还是采用统计分类法,都是以布尔逻辑为基础,即只存在两种可能性,当事件发生时用“1”表示,当事件未发生时用“0”表示。这种二值逻辑在简单的诊断系统中能得到十分明确的结论,但却不能表示复杂情况。对于复杂的机械设备,人们不能简单地用“是”或者“否”来描述出现故障的可能性和故障的程度。模糊逻辑正好可弥补二值逻辑的不足,它将[0,1]分成许多区间,它们分别表示xi隶属于事件A的不同程度,定义为隶属度函数,用μA(x)表示:
为在X中的模糊集合。
在模糊蕴含推理的过程中定义在直积空间X×Y ={(x,y)|x∈X,y∈Y}上的模糊关系是X×Y上的一个模糊子集R,R是故障与征兆之间的模糊关系矩阵,也称为隶属度矩阵。当X={x1,x2,…,xn},Y={y1,y2,…,ym}是有限集合时,定义X×Y上的模糊关系R可用m×n阶矩阵表示:
隶属度举证R的建立完全依赖于各征兆与故障间的隶属函数,当隶属度矩阵确定后,通过求解关系矩阵方程Y=X·R,即可得到待检状态的故障向量Y,据此得出合理的诊断结论。
2 诊断实例
下面以托辊诊断实例说明运用模糊逻辑的诊断原理来实现故障诊断的过程,诊断对象托辊。托辊生产加工中心,加工过程中,经检测出现不合格品托辊,将托辊的不合格影响因素归纳为径向跳动超差、旋转阻力不符合标准、轴向载荷不符合要求、浸水密封不达标、轴向位移过大等记作条件属性 X={x1,x2,x3,x4,x5},评价托辊故障因素集合为Y,其集合元素都分别用{y1,y2,y3,y4,y5,y6,y7},其用模糊语言{1,2,3,4,5,6,7}表示,即托辊轴的不圆度,托辊管体的不圆度及不同轴度,轴承座内孔尺寸精度及外径的同轴度,轴承质量问题,润滑脂不符合要求,装配工艺不达标,焊接质量问题。随机抽取18根不合格托辊进行分析,测试项目如下:径向跳动参数、旋动阻力参数、轴向载荷参数、浸水密封参数、轴向位移参数。由上可知,需进行粗糙计算求正域,设信息系统(U,A),令U={V1,V2,…,Vn},R?哿U,则R关于U的下近似集 R的算法如下:
通过上述语句可以编程求得关于U的属性集的上、下近似集,进而得到正域和属性约简后的正域,并由此判断出冗余属性。根据表1首先进行横向约简有三组对象属性相同,于是对象总量降为15根。经过编程计算后得到的正域与原正域相同,最后得到5个条件属性对于托辊故障原因分析集合的依赖度。再根据条件属性的权重系数得到模糊关系R。然后根据公式Y=X·R得到模糊评价集合Y。最后的评价结果为Y= max(yi),j=1,2,…7,上述计算表明,评价集“装配工艺不达标”的评价值影响力最大,其次是轴承座内孔尺寸精度及外径的同轴度不符合要求,经过对装配工艺的调整以及对轴套加工方法的改进,托辊产品合格率得到了大大提高。经过托辊管线单元GC9综合检测,检测内容为:左右径向跳动、扭矩、左右轴窜等三项托辊指标,得到产品实际报表,可发现运用基于模糊逻辑推理诊断原理来实现故障诊断避免了不合适的维修路线,带来效益的同时减少了维修风险。
3 结束语
根据生产设备的特点,构建模糊推理系统,将诊断知识和语言信息得到较好表述和管理,并通过模糊蕴涵推理进行故障诊断,结合实际生产系统开发了故障诊断系统的原型,取得较好的应用效果。
参考文献:
[1]Marzi R, John P. Supporting fault diagnosis through a multi-agent architecture[J].Mathematics and Computer in Simulation,2002,60(3-5).
[2]陳长征,胡立新,周勃,等.设备振动分析与故障诊断技术[M].北京:科学出版社,2007(5).
[3]裴俊峰,齐明侠,杨其俊.机械故障诊断技术[M].北京:中国石油出版社,2010(9).
[4]徐志丰,王海.SCADA监控系统在托辊自动生产线故障诊断中的应用[J].科技创新与应用,2015(34):32-33.
扩展阅读文章
推荐阅读文章
77范文网 https://www.hanjia777.com
Copyright © 2015-2024 . 77范文网 版权所有
Powered by 77范文网 © All Rights Reserved. 备案号:粤ICP备15071480号-27