3.2.2实际故障现象的模糊描述故障诊断是根据故障现象判别故障原因的识别过程。模糊智能故障诊断就是以模糊数学理论为基础,对机械故障进行模式识别的过程。建立模糊矩阵时,一个故障的所有故障原因是一个集合,故障原因相互独立,是一个单元素集合。这样每种故障原因与故障现象可以生成一个模糊关系集,这个模糊关系集可以作为一个故障模式。所以一种故障现象有多少种故障原因就应有多少个故障模式。具体的故障诊断中,需要知道待诊断故障原因与实际故障现象之间的模糊关系。在模糊诊断中哪一个故障原因对应的模糊关系向量与此模式最接近,哪一个就是诊断结果。4.模糊数学在阀门故障诊断中的应用阀门广泛应用于工业容器和管道系统中,阀门工作可靠性不仅关系到企业的生产,还涉及到设备和人身安全,因此,阀门故障诊断和预测显得尤为重要。然而,阀门除了本体外,还有复杂的控制部分和执行器,其故障原因和症状间很多时候不是一一对应的,因而呈现出复杂的关系,从而导致诊断的决策出现多义性。并且,在状态监测中,设备状态从正常到不正常都有一个渐变过程,这时由于征兆的非典型表现也会出现判断的多交性。这种故障诊断的模糊性,以往主要依靠经验解决。随着模糊数学的产生和发展,使得计算机处理模糊信息成为可能。利用模糊数学的理论基础,对故障诊断的模糊事物进行推理、判断并作出决策,在阀门智能诊断和故障预测方面有着重要意义。4.1模糊数学模型4.1.1隶属函数在传统的故障诊断中,对应于故障症状,做出的结论是某零部件是否存在故障,一般用逻辑代数就可表示。如当表示“零件u有故障”时,可用R={1}表示,表示“零件u完好”时,可用R={0}。但表示“零件u有轻微/一般/严重/相当严重故障”时,无准确的表示方式。为了解决这个问题,模糊数学引入隶属函数μA(u)进行描述,且有0≤μA(u)≤1。因此对“零件u有轻微/一般/严重/相当严重故障”的模糊数学集合表示为A={
全文预览
