（2）基于模糊知识处理技术的诊断，先建立故障与征兆的模糊规则库，再进行模糊逻辑推理的诊断过程；
（3）基于模糊聚类算法的诊断，先对原始采样数据进行模糊c均值聚类处理，再通过模糊传递闭包法和绝对值指数法得到模糊c均值法的初始迭代矩阵，最后用划分系数、划分熵和分离系数等来评价聚类的结果是否最佳［8］。
模糊故障诊断系统的基本结构图如图3所示，主要包括模糊化接口、模糊规则库、模糊推理机和费模糊化接口等四部分［1］。
3.4基于遗传算法的故障诊断方法［8］
基于遗传算法的智能故障诊断的主要思想是利用遗传算法的寻优特性，搜索故障判别的最佳特征参数的组合方式，采用树状结构对原始特征参数进行再组织，以产生最佳特征参数组合，利用特征参数的不同最佳组合进行设备故障的准确识别，其识别精度有了很大的提高。其基本点是将信号特征参数的公式转化为遗传算法的遗传子，采用树图来表示特征参数，得到优化的故障特征参数表达式。
3.5基于信息融合的故障诊断方法
目前，信息融合在大多数情况下采用多传感器融合的方式，其原理是通过有效利用不同时间、空间的多个传感器信息资源，最大限度地获得被测目标和环境的信息量，采用计算机技术对获得的信息在一定准则下加以自动处理，获得被测对象的一致性解释和描述，以完成所需的决策。
多传感器信息融合技术应用于故障诊断的主要原因是因为：（1）信息融合能够为故障诊断提供更多的信息；（2）故障诊断系统具有信息融合系统相类似的特征。
概括起来，多信息融合技术在故障诊断方面的应用主要包括以下几点［6］：①对多传感器形成的不同信道的信号进行融合；②对同一信号的不同特征进行融合；③对不同诊断方法得出的结论进行融合。融合诊断的最终目标就是利用各种信息提高诊断的准确率。
3.6 故障诊断的新方向［9-10］
（1）多技术融合的故障智能诊断。比如基于多尺度融合估计的故障诊断方法、基于智能诊断技术的故障诊断方法等，由于多传感器信息融合技术涉及到多学科、多领域，且具有多信息量、多层次、多手段等特点，因此，利用信息融合技术可得到比单一信息源更精确、更完全的判断。
（2）虚拟现实技术成为继多媒体技术之后另一研究热点，它可以广泛应用在军事、教育、航天等多领域。由于虚拟现实技术可以解决智能系统中许多无法解决的困难问题，所以它也会对故障智能诊断体统带来一次技术性的革命。
（3）人工智能与数据库技术是计算机科学的两大重要领域，越来越多的研究成果表明，这两种技术的相互渗透将会给故障智能诊断系统带来更为广阔的应用前倾。
本文关键字：智能 电工技术，电工技术 - 电工技术
上一篇：光电轴角编码器选型
