电子设备智能故障诊断系统的研究.ppt

*,单击此处编辑母版标题样式,单击此处编辑母版文本样式,第二级,第三级,第四级,第五级,电子设备智能故障诊断系统的研究,三,.,课题的应用场景,二,.,课题的研究方法,一,.,课题的研究背景,在电子设备中，尤其是在以集成电路为核心的现代微电子路中，由于设备的规模越来越大，性能及构成也更加复杂和完善，设备中任何一个元器件的故障都可能导致部分功能失效或者整个备失灵，所以伴随着电子技术的发展，电子电路集成化程度日益提高，对电子电路的可靠性、可维修性和自动故障诊断的要求也日益迫切。,课题的研究背景,1.1,课题研究目的和意义,电子设备故障诊断是一项十分复杂困难的工作。在早期的电子设备故障诊断技术中，其基本方法是依靠一些测试仪表，按照跟踪信号逐点寻迹的思路，借助人的逻辑判断来决定设备的故障所在。这种沿用至今的传统诊断技术在很大程度上与维修人员的实践经验和专业技术水平有关，基本上没有一套可靠的、科学的、成熟的方法。,1.1,课题研究目的和意义,随着电子工业的发展，电子设备故障诊断技术取得了不少进展，有些方面已有较成熟的理论和方法,(,如数字电路的故障诊断,),，但仍有许多不足，特别是对复杂的大规模非线性系统故障诊断方法的研究更有待深入地探索。在技术方面，现有的不同等级和各种类型的故障诊断装置，能在不同程度上对被测对象进行故障诊断，在一定程度上满足了对设备进行故障检测和故障定位的需要，但与实际相比，还有相当大的距离。,针对电子设备故障诊断的现状，随着对故障诊断技术不断深入的研究，随着人工智能技术的飞速发展，近年来出现了不少电子设备故障定位的新技术，如,专家系统技术,、,模糊诊断方法,、,神经网络诊断方法,、粗糙集于规则的自动产生方法、多传感器信息融合诊断方法等。这些智能故障诊断技术能够以人类思维的信息加工和认识过程为推理基础，通过有效获取、传递、处理、再生和利用诊断信息，模拟人类专家，以灵活的诊断策略对监控对象的运行状态和故障做出正确判断和决策，从而具有学习功能和自动获取诊断信息对故障进行实时诊断的能力。,1.2,电子设备故障诊断技术的发展和现状,1.2.1,电子设备故障定义及其分类,所谓电子设备故障指的是设备丧失了规定功能，使系统表现出所不期望的特性。,软故障又称为渐变故障或部分故障，指元件参数超出容差范围而造成的故障。这时元件功能通常并没有完全丧失，而仅引起功能的变化,电子电路故障诊断方法，就是根据对电子电路的可及节点或端口及其他信息的测试，推断设备所处的状态，确定故障元器件部位和预测故障的发生，判别电子产品的好坏并给出必要的维修提示方法。,数字电路故障诊断,模拟电路故障诊断,1.2.2,常规电子设备故障诊断方法,1.2.2,常规电子设备故障诊断方法,数字电路故障诊断,为了研究故障电路或设备的影响，诊断故障的位置，必须对故障作一些分类，选择最典型的故障，这个过程称为故障的模型化。数字电路设备中常见的模型化故障主要有：固定型故障、桥接故障和暂态故障。,穷举测试法,伪穷举测试法,测试码生成法,数字电路的故障诊断包括,故障检测,和,故障定位,。目前主要诊断方法有：,数字电路故障诊断,穷举测试法是指在被测电路的输入端输入所有可能的测试码，观察电,路输出是否符合一定的逻辑功能。其基本关系如图,1-1,所示。,图,1-1,穷举测试法示意图,图中,S,为被测的逻辑电路，输入矢量测试码为,X,，输出矢量为,Y,。设,电路,S,所实现的逻辑函数为,S,，则,Y=S(X),。,数字电路故障诊断,若对于任何的 ，都有 ，则被测电路称为无故障的；若有一组 ，使得 ，则被测电路 称为有故障的，,称为诊断该种故障的矢量测试码。穷举测试法的基本思想是：在,n,维布尔空间中，有且仅有,个测试码，通过对其中的每一个测试码检查被测电路的输出是否符合预先指定的要求，从而判断被测电路是否存在故障。此处所有的故障都考虑到了，故障检测率为,100%,。但是随着原始输入维数,n,的增加，测试矢量的总数急剧增加，当原始输入数达到一定大小时，用穷举测试法进行诊断是不现实的。对此提出了伪穷举测试法和测试码生成法。,数字电路故障诊断,伪穷举测试法是在穷举测试法的基础上设法把电路进行划分，使每一个被划分的电路都能够进行穷举测试，从而使测试数大大减少，使其达到实际可行的目的。,测试码生成法也是为了解决穷举测试法测试矢量过多，测试时间过长的缺点而提出的，该方法是针对被测电路可能存在的故障，通过布尔差分法或,D,算法等生成特定的测试码，以达到故障定位的目的。,模拟电路故障诊断,现实中有关模拟电路故障诊断的理论与方法远落后于数字电路的故障诊断，主要原因是模拟电路的非线性特性、连续性和元器件的容差等因素给故障的建模分析造成了诸多不确定因素，因此出现了对模拟电路的设计能力远大于对其故障诊断的能力的现象。,LS-WSVM,Least Squares Wavelet Support Vector Machines,1.2.3,设备故障诊断方法的分类,故障诊断技术主要包括四个方面的内容：,故障检测,、,故障诊断,、,故障隔离,、,故障辨识,。,从本质上讲，故障诊断技术是一个模式分类与识别的问题，即把系统的运行状态分为正常和异常两类，判别异常的信号样本究竟属于哪种故障，这又属于一个模式识别问题。,基于信号处理的方法,基于解析模型的方法,基于知识的故障诊断方法,基于信号处理的方法,所谓基于信号处理的方法，通常是利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，从而检测出故障。如旋转机械中的滚动轴承在出现疲劳脱落、压痕或局部腐蚀等故障时，其振动信号的功率谱就会出现相应的反应，利用这种反应就可诊断系统故障。,基于解析模型的方法,基于解析模型的方法是在明了诊断对象数学模型的基础上，按一定的数学方法对被测信息进行诊断处理，可分为状态估计法和参数估计法。,基于知识的故障诊断方法,近年来人工智能及计算机技术的飞速发展，为故障诊断技术提供了新的理论基础，产生了基于知识的诊断方法。此方法由于不需要对象的精确数学模型，而且具有“智能”的特性，因此是一种很有生命力的方法。,基于知识的故障诊断方法主要可以分为：,专家系统故障诊断方法,、,模糊故障诊断方法,、,神经网络故障诊断方法,、故障树故障诊断方法、信息融合故障诊断方法以及基于,Agent,故障诊断方法等。,1.2.4 人工智能应用于电子设备故障诊断,“人工智能”是指用计算机模拟或实现的智能。人工智能主要包括的领域有：认知建模、自然语言理解、语音和视觉识别、机器人学、专家系统、神经网络等。,专家系统,能够方便的表示和存储人类专家的知识，模拟专家的思维进行推理判断，并且提供增加知识的机制，所以在故障诊断中应用很广泛。,神经网络,具有处理复杂模式及进行联想、推测和记忆的功能，因而非常适用于各种系统的故障诊断。,模糊诊断技术,能够根据不确定的信息模拟人的思维进行推理，得出诊断的结论。,针对神经网络自动获取知识的能力比较差，,Rough,集的概念被进入故障诊断中，使得诊断系统能够根据实时得到的数据进行数据预处理、数据约简、规则生成，从而达到知识自动获取；还有,Agent,技术的应用等等。,美国很早就开始了电子设备故障诊断和自动测试方面的研究和开发，其中应用最为广泛的是在军用飞机的机载电子设备故障诊断和自动测试方面。现代先进战斗机大量采用各种先进航空电子系统来保障飞机具有全天候的探测能力、精确的武器投放能力和强大的电子对抗能力，因此机载航空电子设备的故障检测与诊断成为影响战备完好性、使用和保障费用的主要问题。,F-22,、,F-35,和,EF-2000,等现役和新研发战斗机上使用的综合测试系统，包括机载综合预测、测试与诊断系统和地面综合维修与保障系统。,随着汽车电子的发展，汽车电子控制装置和车载电子装置的数量急剧增加，开发故障诊断系统的重要性显著提高。许多国际汽车公司，比如福特、丰田等都开发了汽车电子故障诊断系统,北京航天测控技术开发公司的“华佗电子诊所”系列,HTEDS8000,电子设备电路板维修测试与诊断系统分知识库和推理机两部分。对于诊断知识库，包括电路板的故障知识、正常知识，知识库的知识可以增加、修改、删除及优化。推理机采用基于普通推理、神经网络、模糊逻辑相结合的综合智能推理机，既可以提高诊断推理速度，同时也可以提高故障隔离的精度。,专家系统的构造是一个逐步成熟的过程，随着诊断知识的积累、优化，故障诊断专家系统功能就会越来越强。该系统继承了规则推理、多重神经网络、模糊神经网络、自适应遗传算法的智能诊断推理方法，具有完整的电路原理与网络连接的知识表示模型。,课题的研究方法,2.,专家系统概述,2.1,专家系统的发展过程,专家系统,(Expert System),通常是指一类具有大量专门知识的计算机智能信息系统,(,或智能程序,),，它运用特定领域的专门知识和人工智能中的推理技术来求解和模拟通常要由人类专家才能解决的各种复杂、具体的问题，达到与专家具有同等解决问题的能力，它可使专家的专长不受时间和空间的限制，以发挥专家更大的作用和效益。,专家系统进入发展阶段是以,1977,年在日本召开的第五届国际,AI,会议为标志的，当时第一个专家系统的创始人费根鲍姆在会上正式提出“知识工程”的概念，并从此形成了以专家系统为特点的应用人工智能,知识工程蓬勃发展的新时期。至此，各类专家系统如雨后春笋般地发展起来，大量的商品化的专家系统及智能系统纷纷推出。目前，在全世界已开发出几千个专家系统。,2.2,专家系统的组成部分,知识库,（规 则）,工作记忆,（事 实）,解释机,知识获取机,用户界面,议 程,推理机,图,2-1,专家系统基本结构,图,2-1,描述了一个基于知识的专家系统的基本结构。用户提供事实和一些其他信息给专家系统，相应地收到专家给出的建议。专家系统内部包括两个主要部分：知识库和推理机。知识库包含有为推理机,(,InferenceEngine,),所使用的知识，利用这些知识可以得出推理结论，从而对用户的询问做出响应。,知识库用于存储某领域专家系统的专门知识，包括事实、可行操作与规则等。,用于记忆所采用的规则和控制策略，使整个专家系统能够以逻辑方式协调地工作。推理机能够根据知识进行推理和导出结论。,2.3,专家系统的特点,符号推理,专家系统按照符号形式表示知识，能运用专家的知识与经验进行判 断和决策，可以使用符号表示大量知识，如事实、概念或者规则等。,启发式推理,专家擅长提取经验，以加快当前问题的求解过程。他们凭经验形成对问题的实际理解，并把经验运用于拇指规则或者启发信息中。,透明性,专家系统能够解释本身的推理过程和回答用户提出的问题，以便让用户能够了解推理过程，提高对专家系统的信赖感。,灵活性,专家系统能不断地增长知识，修改原有知识，不断更新。由于这一特点，使得专家系统具有十分广泛的应用领域。,知识与控制分离,如图,2-1,所示，知识库和推理机是专家系统中独立的模块。把系统的知识与其控制分离是专家系统颇有价值的特征。这种分离也是专家系统区别于传统程序的特征。,处理专家知识,专家系统所用知识的重要特征就是它体现了人类专家的专业技术。在专家系统中力求获取和表示的就是这个专业技术，它包括领域知识和问题求解的技能。,允许非精确控理,专家系统在需要非精确推理的应用上已经获得相当的成功。这类应用的特征有不确定、模糊或者不可信的信息和本来就不精确的领域知识。,擅长复杂推理,问题应该是相当复杂、不太容易或者很难的。,3.,模糊理论和智能故障诊断,模糊理论是一种描述不确定性的数学理论，而模糊专家系统是一类在知识获取、知识表示和运用过程中全部或部分采用了模糊推理技术的专家系统，它能够模拟人的思维对现实世界的模拟现象进行处理。,Lotfi A.Zadeh,美国加利福尼亚大学著名教授,3.1.1,模糊性,所谓模糊性是指客观事物在性态及类属方面的不分明性，其根源在于,类似事物间存在一系列过渡状态，它们相互渗透，互相贯通，使得彼此之,间没有特别明显的界限。模糊性是客观世界中某些事物本身所具有的一种,不确定性，它与随机性有着本质的区别。有明确定义但不一定出现的事件,中包含的不确定性称为随机性，它不因人的主观意识变化，而是由事物本,身的因果规律决定。对于已经出现但难以给出精确定义的事件中包含的不,确定性我们称为模糊性，是由事物的概念界限模糊和人的主观推理与判断,产生的。,美国加利福尼亚大学著名教授扎德教授于,1965,年提出了模糊集合的理论，开创了模糊数学这一新兴的数学分支，从而对模糊性的定量描述与处理提供了一种新途径。,3.1,模糊理论基础,3.1.2,模糊集与隶属函数,3.1.3,模糊集合的运算,3.1.4,模糊关系和模糊变换,3.1.5,模糊器和反模糊器,3.2,模糊知识与模糊推理,3.2.1,模糊知识的表示和匹配,3.2.2,模糊推理,3.3,模糊专家系统,模糊专家系统在很多领域都得到广泛的应用并且取得了不少成果，在,某些方面，它甚至超过了人类专家的工作水平，它的优点在于：,具有专家水平的专门知识，能表现专家的技能和高度的技巧以及有,足够的鲁棒性。,能进行有效的推理，具有启发性，能够运用人类专家的经验和知识,进行启发性的搜索、试探性的推理。,具有灵活性和透明性。透明性是指它能够在求解问题时，不仅能得到正确的解答，还能知道给出该解答的依据；灵活性表现在决大多数专家系统中都采用了,知识库与推理机分离,的构造原则，彼此相互独立，使得知识的更新和扩充比较灵活方便，不会因一部分的变动而牵动全局。系统运行时，推理机可根据具体问题的不同特点选取不同的知识来构成求解序列，,具有较强的适应性。,3.3.1,模糊专家的优点,3.3.2,模糊专家系统结构,它的作用是将一个确定的点映射为输入空间的一个模糊集合，也称模糊化。系统的输入变量根据其相应的隶属度函数来确定这些输入分别归属于恰当的模糊集合。,它的目的是将输出空间的一个模糊集合映射为一个确定的点，以达到实际应用的目的，又称解模糊化或清晰化。,它是由若干模糊“,ifthen”,规则组成，它是模糊推理系统的核心部分。这些规则通常来源于专家知识，其获得需要一些相关的专业和实践知识，一般可以通过请教专家或采用基于测量数据的学习算法来得到。系统其他部分的功能在于解释和利用这些模糊规则来解决具体问题。,主要是把输入空间上的模糊集合通过模糊规则映射到输出空间的模糊集合，它包括连接词的计算、“,ifthen”,规则的表示、直觉推理判断和一些相关的运算性质，实现的功能分为模糊蕴涵计算和输出结果合成两部分。,对于多输入多输出,(MIMO),系统,(n,个输入，,q,个输出,),，其规则库可以,看成由,q,个子规则库所组成，每一个规则库由,n,个多输入单输出,(MIMO),规,则所组成，而且每个子规则库是相互独立的。因为模糊推理的决策是在对,模糊推理系统中所有规则进行测试的基础上做出的，故必须以某种方式将,规则结合起来以做出决策。,聚类就是这样一个过程，它将表示每个规则的模糊集结合成一个单独的模糊集。只有在反模糊化之前，才对所有的输出变量进行一次聚类处理。聚类过程的输入是对每个规则的蕴涵过程返回的截断输出函数，输出是一个输出变量的模糊集合。在聚类方法中，各条规则结果的合成顺序并不影响结果，合成方法用的比较多的是最大值法。,3.4,模糊理论在电子设备智能故障诊断中的应用,收音机故障,4.,人工神经网络和智能故障诊断,现代电子设备集成度越来越高，许多设备内的模块都是由核心集成电路外接一些分立元器件构成的，无法对整个模块建立可以电路仿真的数学模型,(,或者整个模型过于复杂以至于在无法在实际中应用,),。神经网络由于并行运算和非线性逼近的特点，适合用于对这种情况进行建模。对应模块电路的神经网络，其训练用的样本数据可以从设备运行过程中收集的正常状态和故障状态的数据中取得。,课题的应用场景,5.,电子设备智能故障诊断系统概述,5.1,系统总体结构,现代电子设备结构复杂、集成度高，总体来说有两个基本的特点：,系统模块化,模块电路高度集成,，缺乏内部详细的电路原理图,根据现代电子设备的这些特点，本文研究的电子设备智能故障诊断系,统分成系统级故障诊断子系统和模块级故障诊断子系统两个层次，逐,层对故障进行分析和定位。整个系统的结构如图,5-1,所示。,5.2,故障诊断流程,通过用户界面，用户选择要进行故障诊断的电子设备类型和具体型号，然后诊断系统会询问用户电子设备的故障现象，用户提交故障现象后诊断系统进行故障诊断，得出诊断结果,(,证据充分,),，或者继续询问用户问题,(,证据不充分,),。故障诊断的流程如图,5-2,所示。,谢 谢！,