工程机械故障诊断算法比较分析

陈 静

（江苏省靖江中等专业学校，江苏 靖江 214500）

1 工程机械故障诊断中常用的三种基本算法分析

1.1 基于神经网络的故障诊断分析法

神经网络是由大量并行分布处理器按一定方式连接而成的信息网络处理系统，它是对现代神经科学研究成果的应用，是对人脑思维的抽象，简化和模拟。利用神经网络机械故障诊断的主要思想就是由工程机械各个系统的信息提取故障特征，并通过学习训练样本生成机械故障的判决规则或判决器，最后利用判决器对实时提取的工程机械信息进行故障诊断。

(1)基于BAM神经网络的故障诊断分析法。BAM神经网络又称双向联想网络（由B.kosko提出），是一种双层反馈网络。基于BAM神经网络的故障诊断系统如图1 所示，具体步骤为：首先，通过对工程机械各部分部件进行大量的信息采样，获得基础信息；其次，利用除噪、增强以及复原等一系列的技术手段对所得到的基础信息进行预处理，获得原始有效信息；再次，将原始有效的数据进行数学描述并对其进行数学变换处理，得到能够反映故障本质的特征向量；然后，对所得到的特征向量进行学习得到神经网络的具体系统参数，构造出该工程机械的故障判决规则或者判决器；再然后，通过实时获取机械信息对前一步所建立的故障判决规则进行不断的训练，不断调整神经网络中的各具体系统参数，使得该工程机械的故障判决规则不断的进行完善，最终达到最优；最后，利用所得到的最优故障判别规则对该工程机械进行正常的故障诊断。

(2)基于BP神经网络的液压故障分析法。BP神经网络又称Back propagation网络于1986年提出，是一种按误差逆传播算法训练的多层前馈网络。它的学习规则是使用最速下降法，通过反向传播不断调整网络的权值和阀值使网络的误差平方和最小。基于BP神经网络的液压故障诊断[2]的具体步骤为：首先，通过系统数据的实时采集，得到液压的上升段压力信号的AR模型参数构成特征量，并由上升段压力脉冲信号中提取出特征量；其次，求得正常和异常状态下AR模型的各均值模型参数向量并且进行比较计算，得到马氏距离和库尔拜克距离作为特征向量；再次，对所得到的特征向量进行训练学习得到一个3层的BP神经网络结构，生成该工程机械液压的故障判决规则或者判决器。

图1 基于BAM神经网络的故障诊断模型

1.2 基于模糊数学的故障诊断分析法

基于模糊数学的故障诊断方法就是通过将故障的现象与故障原因之间建立起一种模糊关系，并且求出故障现象的隶属度和故障原因的隶属度，来表征各种故障现象或者原因的倾向性，来减少不确定度或者不可知度，从而提高了故障诊断的效率。

基于模糊数学的故障诊断模型的具体步骤为：首先，将每一个故障原因或者故障现象生成集合，建立故障现象与原因的模糊关系集；再次，通过标准模式的模糊子集与待识别模糊子集通过引入隶属度的概念来比较汉明距离；最后，通过就近原则选择汉明距离小的为判别标准。

1.3 基于小波分析的故障诊断分析法

将整个工程机械作为一个系统，当该系统产生故障时该传递函数会产生变化，不同频率的幅频特性和相频特性也会相应的随之变化；对不同频率段的输入信号具有不同的抑制和增加作用是幅频特性产生变化的主要原因。因此，工程机械是否出现故障可以通过输出信号的各频率成分能量的变化来判别。

基于小波分析的故障诊断的具体步骤为：首先，通过获得正常工程机械的参数信息，并且以该工程机械作为一个系统建立起正常情况下的动态响应；其次，将实时采集的系统数据进行建模，看传递函数是否发生变化，若没有，则判定为正常；若传递函数发生了变化，则说明机器发生故障；然后，对有故障的机器做进一步的分析，通过小波分析将信号分解到各频段并重构，计算各频段的能量值，与正常情况下各频段的能量值作比较；最后，将比较结果作为判别准则，确定故障类型。

2 工程机械故障诊断中综合算法分析及故障诊断的发展趋势

2.1 基于模糊逻辑与遗传算法的工程机械故障诊断分析法

基于模糊逻辑与遗传算法的工程机械故障诊断分析法正是结合了模糊逻辑与遗传算法各自的优势，从而提高了工程机械故障诊断的效率。基于模糊逻辑与遗传算法的工程机械故障诊断模型,具体步骤：首先，将每一个故障原因或者故障现象生成集合，建立故障现象与原因的模糊关系集；其次，对每一个可测部件技术偏移值进行标准化并且对每一个可测部件求得其发生故障的概率；再次，通过偏移值与部件故障概率的综合比较，判定是哪一个部件发生了故障；然后，以该部件为节点建议模糊有向图，生成可能发生的故障传播路径；最后，利用遗传算法在这些可能发生故障的传播途径中确定故障产生的实际传播路径，从而确定了故障产生的具体原因。

2.2 工程机械故障诊断方法的发展趋势

从目前的情况来看，工程机械故障诊断算法的研究，已经由最初的引入式的水平式研究方式发展到了多种算法结合共同诊断的垂直式研究方式，已经由最初的已知故障现象判断故障原因发展到目前的不需要事先提供任何故障现象的诊断预防为一体的整体诊断方式，如基于模糊逻辑与遗传算法的工程机械故障诊断分析法，以及基于模糊神经Petri网的故障诊断模型等等。仅仅从工程机械故障诊断算法的角度来看，未来的工程机械故障诊断研究趋势主要有两种：一种引入新的诊断算法和诊断思想；另一种也是最主要的一种，就是将多种算法结合起来发挥各自的优势的联合诊断方法。

3 结语

本文对工程机械故障诊断的几种算法进行了分析研究，基于神经网络的诊断算法；基于模糊数学的诊断算法，但是在复杂的诊断系统中正确的模糊关系和隶属度函数比较困难；基于小波分析的诊断算法，它是将工程机械作为一个系统，从系统响应的角度进行分析是否有故障并且判定故障在哪里，是诊断与预防一体化的先进思想，这种算法思想是最优的；基于模糊逻辑与遗传算法的联合诊断算法，结合了模糊逻辑与遗传算法的各自优势实现了由传统算法构造了诊断与预防一体化的诊断方法；最后给出了工程机械故障诊断算法的未来发展方向。