基于油液監(jiān)測的智能維護系統(tǒng)關鍵技術研究.pdf

1、主動維修的有效實施能夠保證機械設備和系統(tǒng)最高的可靠性和最長的使用壽命，從根本上避免故障的發(fā)生。同時，油液分析技術作為其實現(xiàn)的前提條件，已經(jīng)得到廣泛的應用。本文針對實現(xiàn)主動維修的油液監(jiān)測故障診斷技術中存在的不確定性問題以及知識獲取和故障源挖掘的問題，將知識發(fā)現(xiàn)方法引入油液監(jiān)測和故障診斷技術，構建了基于油液監(jiān)測的智能維護系統(tǒng)。該系統(tǒng)能完成對油液監(jiān)測數(shù)據(jù)的積累與存儲，并能結合單個油液監(jiān)測方法的靈活性和信息融合模式識別的準確性，分層次地進行設備

2、磨損情況的判斷與預測，輔助維修決策。圍繞系統(tǒng)中診斷知識獲取的問題、油液監(jiān)測多源信息融合問題、不確定性推理以及故障診斷知識處理技術問題展開了全面而深入地研究。主要研究內(nèi)容如下：
　　 在分析了油液監(jiān)測與故障診斷技術在國內(nèi)外的發(fā)展現(xiàn)狀后，較為全面地介紹了油液監(jiān)測故障診斷的數(shù)據(jù)源及其與故障模式之間的關系。針對其中應用最為廣泛、便捷高效的光譜數(shù)據(jù)分析，采用決策樹算法進行設備磨損狀態(tài)識別的知識獲取，并輔助維修決策。
　　 在信息融

3、合的思想下，根據(jù)油液監(jiān)測數(shù)據(jù)源多的特點，利用粗糙集方法對知識進行融合與處理，去除其中的冗余知識，構造簡潔、有效的油液監(jiān)測故障診斷決策規(guī)則，并結合模糊邏輯推理進行故障診斷與維修決策。由于通?；诖植诩碚摰募s簡處理之前必需的離散化過程卻會造成某種程度的信息損失，它沒有保留離散化后具有相同符號表示的屬性值在實數(shù)值上存在的差異，這使得粗糙集屬性約簡難以完整保留信息內(nèi)容。為此本文提出對油液監(jiān)測數(shù)據(jù)采用模糊化處理技術，構建基于油液監(jiān)測的模糊決策信

4、息系統(tǒng)，并運用模糊信息系統(tǒng)知識發(fā)現(xiàn)方法進行屬性約簡，從而避免了粗糙集約簡處理之前必需的離散化而造成的信息丟失。
　　 依靠單一智能技術的故障診斷已難以滿足復雜的設備診斷的全部任務，將多種不同的智能技術結合起來的混合診斷系統(tǒng)成為智能故障診斷研究的一個發(fā)展趨勢。
　　 本文基于智能互補融合的思想，將粗糙集理論與貝葉斯網(wǎng)絡有機結合在一起，對粗糙集約簡后的最小約簡征兆屬性，根據(jù)故障征兆與油液監(jiān)測數(shù)據(jù)之間的聯(lián)系，構建了用于油液監(jiān)測

5、故障診斷的貝葉斯網(wǎng)絡，其拓撲結構表示出故障征兆與故障原因之間的定性因果關系，分配于各個結點的概率分布有效地解決了診斷知識的不確定性問題。對貝葉斯網(wǎng)絡用于診斷的兩個關鍵性技術——診斷推理算法、貝葉斯網(wǎng)絡學習進行了研究。然后利用貝葉斯網(wǎng)絡的柔性推理，通過信度更新輔助故障源的確定。
　　 在綜合考慮診斷與維修決策過程中的時間、風險、費用、影響以及故障排查與維修中的觀測代價和維修操作代價等因素后，通過對貝葉斯網(wǎng)絡增加觀測和試驗節(jié)點，進一

6、步構建了基于油液監(jiān)測的維修決策貝葉斯網(wǎng)絡，給出了兩步最佳操作選擇算法(TSHA)，分析表明，該算法能有效降低診斷代價。
　　 由于監(jiān)測數(shù)據(jù)本身的多源性及經(jīng)知識發(fā)現(xiàn)各種技術獲取的故障診斷知識表示的多樣性，針對油液故障診斷的特點，本文在前幾章的基礎上，討論了基于數(shù)據(jù)倉庫的油液監(jiān)測故障診斷系統(tǒng)的體系結構，數(shù)據(jù)倉庫的設計和管理，對智能維護系統(tǒng)的知識集成、存儲與管理進行了研究。
　　 最后通過ADO使用Visual C++操作SQ