人工智能在故障診斷領(lǐng)域的應(yīng)用

1、人工智能在故障診斷領(lǐng)域的應(yīng)用摘要：本文在簡要介紹故障診斷和人工智能的基礎(chǔ)上，詳細(xì)分析人工智能在 故障診斷領(lǐng)域中的應(yīng)用，包括智能故障診斷技術(shù)和故障診斷專家系統(tǒng)，最后總結(jié)基 于人工智能的故障檢測的發(fā)展趨勢。關(guān)鍵詞：故障診斷；人工智能；專家系統(tǒng)；智能診斷Application of Artificial Intelligence in the field of Fault DiagnosisAbstract:Based on a brief introduction on the fault diagnosis and artificialintelligence, this paper detai

2、ledly analyses the application of artificial intelligence in thefield of fault diagnosis, including intelligent fault diagnosis and fault diagnosis expertsystem. Finally, this paper summarizes the development trend of fault detection basedon artificial intelligence.Keywords: Fault Diagnosis; Artific

3、ial Intelligence; Expert System; IntelligentDiagnosis1引言隨著科學(xué)技術(shù)的發(fā)展，裝備的結(jié)構(gòu)越來越復(fù)雜，功能也越來越完善，自動化 程度越來越高，不但同一設(shè)備的不同部分之間相互關(guān)聯(lián)，緊密耦合，而且不同設(shè)備 之間也存在著緊密的聯(lián)系，在運(yùn)行過程中形成一個(gè)整體。一處故障可能引起一系列 連鎖反應(yīng)，導(dǎo)致整個(gè)過程不能正常運(yùn)行，甚至?xí)斐芍卮蟮膿p失。因此，對故障診 斷的要求也越來越高。另一方面，人工智能技術(shù)近年來得到很大發(fā)展，基于人工智 能的故障診斷專家系統(tǒng)已成為當(dāng)前研究和應(yīng)用的一個(gè)熱點(diǎn)。系統(tǒng)的故障是指系統(tǒng)的運(yùn)行處于不正常狀態(tài)（劣化狀態(tài)），并可導(dǎo)致系統(tǒng)相應(yīng) 的

4、功能失調(diào)，即導(dǎo)致系統(tǒng)相應(yīng)的行為（輸出）超過允許范圍，使系統(tǒng)的功能低于規(guī)定 的水平，這種劣化狀態(tài)就稱為故障。故障診斷是指系統(tǒng)在一定工作環(huán)境下查明導(dǎo)致 系統(tǒng)某種功能失調(diào)的原因或者性質(zhì)，判斷劣化狀態(tài)發(fā)生的部位和部件，以及預(yù)測狀 態(tài)劣化的發(fā)展趨勢等1,2,3。故障診斷的基本思想可以這樣描述：設(shè)被檢測對象全部可能發(fā)生的狀態(tài)（包括正常和故障狀態(tài)）組成狀態(tài)空問S,它的可觀測量特征的取值范圍全體構(gòu)成特征空 問丫，狀態(tài)空間與特征空間的關(guān)系如下圖來表示。_廠 r、F持征宰間狀態(tài)牢間S ）、-/ ：1G一、圖1狀態(tài)空間與特征空間的關(guān)系圖故障診斷的過程主要分成三個(gè)步驟：第一步檢測設(shè)備狀態(tài)的特征信號；第二 步從檢測到的

5、信號中提取征兆；第三步根據(jù)征兆和其他診斷信息來識別設(shè)備的狀 態(tài)，從而完成故障診斷。4故障診斷技術(shù)的發(fā)展大體經(jīng)歷了三個(gè)階段5:第一階段是故障診斷的初級階段，診斷結(jié)果是建立在領(lǐng)域?qū)＜业母泄俸蛯I(yè) 經(jīng)驗(yàn)基礎(chǔ)上，僅對診斷信息作簡單的處理，其診斷水平受到個(gè)人技術(shù)能力和工作經(jīng) 驗(yàn)的限制。第二階段是以傳感器技術(shù)和動態(tài)測試技術(shù)為手段、以信號處理和建模處理為 基礎(chǔ)的常規(guī)診斷技術(shù)。其中，信號處理包括統(tǒng)計(jì)分析、相關(guān)分析、頻譜分析、小波 分析和模態(tài)分析等；建模處理包括參數(shù)估計(jì)、系統(tǒng)辨識、模式識別等，其理論基礎(chǔ) 是系統(tǒng)論、信息論和控制論。在這一階段，故障診斷技術(shù)在工程上得到了廣泛的應(yīng) 用，其自身也得到了空前的發(fā)展，誕生

6、出許多新的診斷方法。如振動診斷技術(shù)、聲發(fā)射診斷技術(shù)、頻譜診斷技術(shù)、光譜診斷技術(shù)、無損診斷技術(shù)和熱成像檢測診斷技 術(shù)等。第三階段是智能診斷技術(shù)階段。所謂診斷系統(tǒng)的智能就是它可以有效地獲 取、傳遞、處理、再生和利用診斷信息，從而具有對給定環(huán)境下的診斷對象進(jìn)行成 功狀態(tài)識別和狀態(tài)預(yù)測的能力。至80年代中期以后，由于機(jī)器設(shè)備的大型化、復(fù) 雜化以及連續(xù)高速運(yùn)行的需要，加之自動化制造系統(tǒng)的誕生和發(fā)展，單靠信號處理 和人工分析判斷又難以實(shí)現(xiàn)在線的精確診斷。目前,國內(nèi)檢測診斷技術(shù)的研究主要集中在以下幾個(gè)方面: 傳感技術(shù)研究:傳感技術(shù)是反映設(shè)備狀態(tài)參數(shù)的儀表技術(shù)。國內(nèi)先后開發(fā) 了各種類型的傳感器,如屯渦流傳感器

7、、速度傳感器、加速度傳感器和溫度傳感器 等;最近開發(fā)的傳感技術(shù)有光導(dǎo)纖維、激光、聲發(fā)射等。 關(guān)于信號分析與處理技術(shù)的研究:從傳統(tǒng)的譜分析、時(shí)序分析和時(shí)域分析 開始引入了一些先進(jìn)的信號分析手段,如快速傅立葉變換, Wigner譜分析和小波 變換等。這類新方法的引入彌補(bǔ)了傳統(tǒng)分析法的不足。 關(guān)于人工智能和專家系統(tǒng)的研究:這方面的研究已成為診斷技術(shù)的發(fā)展主 流,目前已有日程機(jī)械故障診斷專家系統(tǒng)， 但這一技術(shù)在工程方面的研究尚未達(dá)到 人們所期望的水平。 關(guān)于神經(jīng)網(wǎng)絡(luò)的研究:比如旋轉(zhuǎn)機(jī)械神經(jīng)網(wǎng)絡(luò)分類系統(tǒng)等的研究已經(jīng)取得 了應(yīng)用,取得了滿意的效果。 關(guān)于診斷系統(tǒng)的開發(fā)與研究:從單機(jī)巡檢與診斷到上下位機(jī)式主

8、從機(jī)結(jié)構(gòu) 直至以網(wǎng)絡(luò)為基礎(chǔ)的布式系統(tǒng)的結(jié)構(gòu)越來越復(fù)雜,實(shí)時(shí)性越來越高。 專門化與便攜式診斷儀器和設(shè)備的研制與開發(fā)。目前,我國的冶金、電 力、化工等行業(yè)的故障診斷技術(shù)己經(jīng)很成熟,得到了廣泛的應(yīng)用2人工智能人工智能是計(jì)算機(jī)科學(xué)的一個(gè)重要組成部分。它的任務(wù)是：讓計(jì)算機(jī)模擬人 類的智能活動，使之具有應(yīng)用知識、邏輯推理、解決實(shí)際問題的能力。人工智能的 研究，始于1956年，是從所謂難題求解開始的。早期的問題，大都限于下棋、猜 謎和數(shù)學(xué)定理證明之類的簡單領(lǐng)域。目前人工智能的研究，幾乎涉及所有學(xué)科，其 主要包括以下幾個(gè)方面6： 專家系統(tǒng)：讓計(jì)算機(jī)模擬人類專家的決策過程，求解那些無法建立數(shù)學(xué)模 型而必須依靠專

9、家經(jīng)驗(yàn)來解決實(shí)際問題。 決策支持系統(tǒng)：通過計(jì)算機(jī)的推理、判斷，對某些多元的、非精確的或不 確定的難題進(jìn)行輔助決策。 自然語言理解系統(tǒng)：使計(jì)算機(jī)能夠理解人類的語言，改善人機(jī)聯(lián)系的條 件。 知識庫系統(tǒng)把人類自己掌握的知識，用一定的規(guī)則表示出來，即經(jīng)過形式 比較處理存放在計(jì)算機(jī)中，為用戶提供知識共享。 智能機(jī)器人使機(jī)器人具有入的手、眼、腦的功能，不僅會看、會做、還會 思考，并能根據(jù)環(huán)境條件決定自己的行為，智能機(jī)器人已在航天、核工業(yè)、冶金、 機(jī)械、化工等各個(gè)領(lǐng)域開始部分代替人類的工作。 智能計(jì)算機(jī)在知識庫的支持下，能識別聲音、圖像、自動進(jìn)行程序設(shè)計(jì)， 具有推理、學(xué)習(xí)等功能的新一代計(jì)算機(jī)。人工智能系統(tǒng)還

10、構(gòu)成了新興的知識工業(yè)，它將為新技術(shù)革命提供重要的工 具，為變革人類的生產(chǎn)和生活方式做出了巨大貢獻(xiàn)。Schreiber在1978年首次提出了自動測試生成技術(shù)(Automatic Test Generation Techniques)7。由于電路的日益復(fù)雜，故障診斷也變得越來越困難。在過去的幾十年中，人工智能技術(shù)(AI)已經(jīng)成為一個(gè)重要的研究課題。2001年Fenton等人對AI技術(shù)進(jìn)行了很好 地總結(jié)，并對這種技術(shù)進(jìn)行了分類8。昭rrttt粵圖2 AI技術(shù)分類2.1專豕系統(tǒng)專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個(gè)研究領(lǐng)域，是基于知識 的計(jì)算機(jī)智能程序系統(tǒng)。它從人類領(lǐng)域?qū)＜夷抢铽@取知識，并用來

11、解決只有領(lǐng)域?qū)?家才能夠解決的困難問題。因此可以這樣來定義專家系統(tǒng)：專家系統(tǒng)是一種具有特 定領(lǐng)域內(nèi)大量知識與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，根據(jù)某個(gè)領(lǐng)域一個(gè)或 多個(gè)人類專家提供的知識和經(jīng)驗(yàn)進(jìn)行推理判斷，模擬人類專家求解問題的思維過 程，以解決該領(lǐng)域內(nèi)的各種問題。人類對問題求解的過程離不開對知識的表示和利用來兩個(gè)方面。下面由知識 的表示，就專家系統(tǒng)及其原理進(jìn)行深入闡述。專家系統(tǒng)一般被認(rèn)為它是一個(gè)智能程序系統(tǒng)；它具有相關(guān)領(lǐng)域內(nèi)大量的專家知識；能應(yīng)用人工智能技術(shù)模擬人類專家求解問題的思維過程進(jìn)行推理， 解決相 關(guān)領(lǐng)域內(nèi)的困難問題，并達(dá)到領(lǐng)域?qū)＜业乃?。專家系統(tǒng)按系統(tǒng)的體系結(jié)構(gòu)可分為三種:F 堆3

12、W集中式專家系統(tǒng)：指對知識及推理進(jìn)行集中管理的專家系統(tǒng)。目前大多數(shù) 成功應(yīng)用的專家系統(tǒng)都屬于這一類型。分布式專家系統(tǒng)：指把知識和推理機(jī)制分布在一個(gè)計(jì)算機(jī)網(wǎng)絡(luò)上的專家系 統(tǒng)。這種類型的系統(tǒng)具有具有較強(qiáng)的問題求解能力。它將復(fù)雜的問題進(jìn)行分解，并 在求解之后將各個(gè)子問題的解合為原問題的解，對那些單個(gè)機(jī)構(gòu)難以解決的問題它 都可以實(shí)現(xiàn)求解。神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)：采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立的一種專家系統(tǒng)。它以神 經(jīng)網(wǎng)絡(luò)為體系結(jié)構(gòu)實(shí)現(xiàn)知識表示和求解推理。一個(gè)專家系統(tǒng)通常具有以下功能：咨詢功能，回答用戶提出的問題，解決其 決策過程；學(xué)習(xí)功能，專家的訓(xùn)練下，系統(tǒng)能不斷擴(kuò)充和完善自己的知識；教育功 能，系統(tǒng)能回答用戶的

13、提問，使用戶在與系統(tǒng)交流時(shí)掌握領(lǐng)域內(nèi)的知識。專家系統(tǒng) 特點(diǎn)是靈活性、透明性、交互性9。專家系統(tǒng)是在計(jì)算機(jī)中實(shí)現(xiàn)的。它由知識庫、知識獲取機(jī)構(gòu)、綜合數(shù)據(jù)庫、 推理機(jī)、人-機(jī)接口、解釋器五個(gè)部分組成。其中知識庫和推理機(jī)是專家系統(tǒng)的核 心部分。各部分的關(guān)系如圖所示。在上述各組成部分中，知識庫與推理機(jī)是專家系 統(tǒng)不可缺少的組成部分。某些應(yīng)用領(lǐng)域中，可以缺少解釋部分和知識獲取部分，但 是一個(gè)完善的專家系統(tǒng)應(yīng)具備上述五個(gè)部分。圖3故障診斷專家系統(tǒng)結(jié)構(gòu)圖2.2機(jī)器學(xué)習(xí)在AI領(lǐng)域，知識獲取已經(jīng)成為建造專家系統(tǒng)的“瓶頸”問題。知識的自動獲 取更是人工智能研究的難點(diǎn)。機(jī)器學(xué)習(xí)是解決知識獲取問題的主要途徑。機(jī)器學(xué)習(xí)

14、研究的主要目標(biāo)是通過構(gòu)造智能學(xué)習(xí)機(jī)讓機(jī)器自身具有獲取知識的能力，使其能在 實(shí)際工作中不斷總結(jié)成功和失敗的經(jīng)驗(yàn)教訓(xùn)，對知識庫中的知識自動進(jìn)行調(diào)整和修 改，以豐富、完善系統(tǒng)的知識。機(jī)器學(xué)習(xí)從內(nèi)在行為來看，是從未知到已知的過 程，是知識增長的過程；從外在表現(xiàn)看，是系統(tǒng)的某些適應(yīng)性改變，使得系統(tǒng)能完 成原來不能完成的任務(wù)或把原來的任務(wù)做得更好。學(xué)習(xí)是一切智能系統(tǒng)最根本的特征。機(jī)器學(xué)習(xí)是人工智能最具智能特征和最 前沿的研究領(lǐng)域之一。機(jī)器學(xué)習(xí)的研究取得重大進(jìn)展往往意味著人工智能，甚至整 個(gè)計(jì)算機(jī)科學(xué)向前邁進(jìn)了堅(jiān)實(shí)的一步。因此，機(jī)器學(xué)習(xí)是提高故障診斷系統(tǒng)智能水 平的主要途徑，一旦診斷系統(tǒng)具有了自學(xué)習(xí)能力，它

15、就能從環(huán)境的變化中學(xué)習(xí)新知 識，不斷實(shí)現(xiàn)自我完善。關(guān)于學(xué)習(xí)的概念，多數(shù)人工智能學(xué)者認(rèn)為學(xué)習(xí)是以組織化的知識出發(fā)，然后 變得更為組織化HJ.Simon定義說：學(xué)習(xí)是系統(tǒng)發(fā)生了變化，使得下一次比這一次 做得更好；Minsky的定義是：學(xué)習(xí)是我們頭腦里有用的變化；Miehalski認(rèn)為：學(xué) 習(xí)是對經(jīng)歷描述的建立或修改；Diettvrich認(rèn)為：學(xué)習(xí)是知識的增長。這些定義 雖然不盡相同，但可以看出學(xué)習(xí)的形式不外乎兩種：知識獲取和技能改善。在人工 智能領(lǐng)域中，學(xué)習(xí)系統(tǒng)的研究、認(rèn)知模擬和理論性分析這三者之間的相互競爭和支 持，反映了人工智能領(lǐng)域的整體情況，使問題和概念相互交融。機(jī)器學(xué)習(xí)是研究怎樣使用計(jì)算機(jī)

16、模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動的科學(xué)，是人工智 能中最具智能特征、最前沿的研究領(lǐng)域之一。自80年代以來，機(jī)器學(xué)習(xí)作為實(shí)現(xiàn) 人工智能的途徑，在人工智能界引起了廣泛的興趣。特別是近幾年來，機(jī)器學(xué)習(xí)領(lǐng) 域的研究工作發(fā)展很快，它已成為人工智能的重要課題之一?！?。機(jī)器學(xué)習(xí)不僅在 基于知識的系統(tǒng)中得到應(yīng)用，而且在自然語言處理、非單調(diào)推理、機(jī)器視覺、模式 識別等許多領(lǐng)域也得到了廣泛開展。一個(gè)系統(tǒng)是否具有學(xué)習(xí)能力已成為是否具有智能”的一個(gè)標(biāo)志。機(jī)器學(xué)習(xí)研究的主要發(fā)展過程大致可分為四個(gè)階段，并分別 以四個(gè)重要事件為標(biāo)志 第一階段：第一個(gè)學(xué)習(xí)機(jī)器的創(chuàng)立。（60年代） 第二階段：學(xué)習(xí)理論基礎(chǔ)的創(chuàng)立。（60-70年代）第三階

17、段：神經(jīng)網(wǎng)絡(luò)（ANN）的創(chuàng)立，（80年代）第四階段：ANN替代方法的創(chuàng)立（90年代）3人工智能在故障診斷領(lǐng)域的應(yīng)用人工智能技術(shù)與診斷科學(xué)的結(jié)合，推動了一門嶄新的分支學(xué)科，即基于知識 的診斷推理的誕生和發(fā)展。智能診斷系統(tǒng)，是由領(lǐng)域?qū)＜?、現(xiàn)代模擬腦功能的硬件 及軟件所組成的系統(tǒng)。從發(fā)展的成熟程度來看，診斷專家系統(tǒng)或基于知識的診斷系 統(tǒng)是最為優(yōu)秀的。而構(gòu)造這些系統(tǒng)的一個(gè)重要理論基礎(chǔ)就是基于知識的診斷推理。 其研究工作發(fā)展迅速、成果迭出。專家系統(tǒng)實(shí)際上就是使計(jì)算機(jī)盡可能模擬人類專 家解決某些實(shí)際問題的決策和工作過程的系統(tǒng)。人工智能技術(shù)的發(fā)展，特別是基于知識的專家系統(tǒng)和以并行分布處理為特征 的人工神經(jīng)網(wǎng)

18、絡(luò)等技術(shù)在智能故障診斷中的應(yīng)用，使得故障診斷技術(shù)進(jìn)入了一個(gè)新 的智能化發(fā)展階段。國外已經(jīng)將一些典型的故障診斷技術(shù)應(yīng)用于各個(gè)領(lǐng)域，如：1987年日本川崎鋼鐵公司將先進(jìn)的GO-STOPS統(tǒng)應(yīng)用于高爐的故障診斷，實(shí)現(xiàn) 了高爐工作穩(wěn)定性的控制，對坍塌等故障實(shí)現(xiàn)了預(yù)報(bào)和控制。我國在檢測與診斷技 術(shù)研究方面雖然起步較晚，但是由于國家重視發(fā)展較快。早在八五期間國家組織了 若干個(gè)故障診斷技術(shù)方面的公關(guān)課題研究，分別在石化、電力等部門進(jìn)行了應(yīng)用于 推廣。目前我國在檢測與故障診斷技術(shù)方面的理論研究已經(jīng)接近世界水平，但是在應(yīng)用技術(shù)方面與國外的先進(jìn)國家比較差距較大。隨著科學(xué)技術(shù)領(lǐng)域的不斷進(jìn)步，我 國正面臨著大型技術(shù)設(shè)

19、備廣泛應(yīng)用的關(guān)鍵時(shí)期，所以為適應(yīng)國民經(jīng)濟(jì)發(fā)展形式的要 求，必須使設(shè)備檢測與故障診斷技術(shù)上升到一個(gè)新的水平。智能故障診斷技術(shù)是人工智能技術(shù)在診斷領(lǐng)域內(nèi)引用的產(chǎn)物，它隨著人工智 能，特別是專家系統(tǒng)、知識工程和人工神經(jīng)網(wǎng)絡(luò)的發(fā)展而不斷發(fā)展。根據(jù)制式處理 途徑上的不同，智能診斷方法可以分為兩個(gè)大類10,11：第一種基于符號推理的智能診斷方法。在基于符號推理的知識處理系統(tǒng)當(dāng) 中，知識是按照一定的規(guī)則用特定描述符加以表示、存儲和處理的。知識的獲取就 是對事件性知識或者專家所擁有的功能性知識加以描述，并按照一定的規(guī)則存儲這 些知識到知識庫的這個(gè)過程。然后，知識的處理系統(tǒng)就可以根據(jù)輸入數(shù)據(jù)集體定的 推理機(jī)制和

20、策略進(jìn)行邏輯推理，并最終輸出所要的結(jié)果。目前基于符號推理的傳統(tǒng) 的人工智能故障診斷方法比較成熟。但是，該方法具有一個(gè)重大的缺陷：知識獲取 的“瓶頸”和邏輯推理的“組合爆炸”。這使得該方法受到了一定的制約。第二種是基于數(shù)值計(jì)算的智能診斷方法。如人工神經(jīng)網(wǎng)絡(luò)，她是當(dāng)今故障診 斷方法一個(gè)重要的研究領(lǐng)域。其制式是通過系統(tǒng)權(quán)值系數(shù)矩陣來加以表示和存儲。 知識的獲取是按照一定的學(xué)習(xí)規(guī)則通過學(xué)習(xí)不斷的調(diào)整確定其權(quán)值系數(shù)矩陣。在診 斷過程中，系統(tǒng)按照相應(yīng)的網(wǎng)絡(luò)計(jì)算方法對輸入數(shù)據(jù)進(jìn)行計(jì)算，得到網(wǎng)絡(luò)輸出作為 診斷結(jié)果。神經(jīng)網(wǎng)絡(luò)由于其本身強(qiáng)大的功能，對于不精確的、矛盾的或者是錯(cuò)誤的 數(shù)據(jù)，他都能進(jìn)行推理計(jì)算，并能夠

21、給出好的計(jì)算結(jié)果。在神經(jīng)網(wǎng)絡(luò)的知識處理系 統(tǒng)中，知識的獲取、知識存儲以及推理之間的聯(lián)系很緊密，交融性很大。同時(shí)神經(jīng) 網(wǎng)絡(luò)的知識處理系統(tǒng)中不存在知識獲取的瓶頸問題和推理的組合爆炸問題。所以其 發(fā)展空間更加廣闊。對于這兩種智能診斷方法，無論是就與符號還是基于數(shù)值的只是處理方法只 是從兩個(gè)不同方面對人工智能的模擬。符號系統(tǒng)模擬了人類復(fù)雜的邏輯思維，而數(shù) 值系統(tǒng)則是模擬了人類抽象的形象思維，這是人類智能中不可缺少、不能夠互相替 代的兩個(gè)部分。在這種情況下，如果能夠?qū)煞N方法又記得結(jié)合到一起，從而有效 的模擬人的邏輯思維與形象思維，這是當(dāng)今智能故障診斷技術(shù)發(fā)展的方向。人工智能在故障診斷領(lǐng)域中的應(yīng)用，實(shí)現(xiàn)

22、了基于人類專家經(jīng)驗(yàn)知識的故障診 斷技術(shù)，并將其推進(jìn)到一個(gè)新的水平智能化診斷水平。但是由于診斷對象日趨 呈現(xiàn)復(fù)雜化的趨勢，獲取準(zhǔn)確、完備、有效的診斷知識越來越困難。已知的領(lǐng)域知 識大都具有證據(jù)不充分或結(jié)論不完全的特點(diǎn)，領(lǐng)域知識的分散性、隨機(jī)性和模糊性 的特點(diǎn)使之表現(xiàn)出很強(qiáng)的不確定性。另一方面，復(fù)雜系統(tǒng)為了滿足生產(chǎn)的需求經(jīng)常 處在動態(tài)變化的過程中，其行為特點(diǎn)越來越不好把握，各種故障的發(fā)生具有很強(qiáng)的 不確定性，所有這些都為有效的獲取、表示和利用診斷知識進(jìn)行智能化推理帶來了 很大的困難12-15。將專家系統(tǒng)方法應(yīng)用于設(shè)備故障診斷領(lǐng)域是故障診斷技術(shù)發(fā)展的趨勢。一般 說來，為了對設(shè)備的故障進(jìn)行診斷與維修，

23、對設(shè)備的工作情況均要進(jìn)行監(jiān)控和測 試。為獲取設(shè)備的運(yùn)動狀態(tài)信息和位置狀況，在設(shè)備的一些重要功能執(zhí)行部件、部 位安裝傳感器，以監(jiān)測設(shè)備運(yùn)動狀態(tài)或位置信息，如振動、溫度、壓力和功率等信 息。較先進(jìn)的設(shè)備控制器內(nèi)的數(shù)據(jù)還應(yīng)包含有各種指示運(yùn)動狀態(tài)信號，控制器0信號，設(shè)備功能控制產(chǎn)生的中間信號及位置信息等。如果故障發(fā)生，根據(jù)控制器 內(nèi)的各類信號及信號之間的邏輯關(guān)系一般可以找到出現(xiàn)故障的位置及部件。設(shè)備故 障診斷專家系統(tǒng)是利用各種類型的診斷知識通過對監(jiān)數(shù)據(jù)庫測到的信息進(jìn)行分析、處理、對設(shè)備運(yùn)動狀態(tài)進(jìn)行判斷和推理的軟件系統(tǒng)。一旦設(shè)備發(fā)生異常，它可以通 過推理判斷找出故障的原因和發(fā)生故障的位置，最后給出診斷、

24、推理過程的解釋和 故障處理結(jié)果。故障診斷專家系統(tǒng)的構(gòu)成如下圖所示。其中數(shù)據(jù)采集模塊是把信息通過各種 手段采集到系統(tǒng)的數(shù)據(jù)庫，這些信息反映設(shè)備運(yùn)行的各種狀態(tài)，這樣便于診斷專家 系統(tǒng)對故障及設(shè)備的運(yùn)行狀態(tài)進(jìn)行判別和診斷。數(shù)據(jù)庫是按照一定的格式以文件的 形式把設(shè)備的各種狀態(tài)信息（如問題求解的初始狀態(tài)數(shù)據(jù)、求解狀態(tài)、中間結(jié)果、 假設(shè)目標(biāo)以及最終求解結(jié)果等）存儲起來。推理機(jī)是控制整個(gè)系統(tǒng)運(yùn)行的一組程 序，它利用知識庫中的知識，根據(jù)監(jiān)測到的信息，按著一定的問題求解策略進(jìn)行推 理、診斷，并給出診斷結(jié)果。推理機(jī)是設(shè)備故障診斷專家系統(tǒng)的關(guān)鍵部分。I圖4故障診斷專家系統(tǒng)結(jié)構(gòu)圖隨著故障診斷專家系統(tǒng)技術(shù)的發(fā)展。進(jìn)一步

25、將人工智能引人監(jiān)測與診斷實(shí)現(xiàn) 監(jiān)測、診斷的一體化，在傳統(tǒng)故障診斷專家系統(tǒng)的基礎(chǔ)上，利用專家系統(tǒng)開發(fā)工具 進(jìn)一步開發(fā)出集一成化的故障診斷專家系統(tǒng)。集成化故障診斷專家系統(tǒng)的特征是數(shù) 值計(jì)算和符號推理的集成，多種知識處理技術(shù)和診斷技術(shù)的集成，多個(gè)功能子模塊 的集成，形成分布處理的較大的專家系統(tǒng)。故障診斷專家系統(tǒng)由各功能子模塊分別獨(dú)立地完成診斷的各部分工作，然后 進(jìn)行綜合做出診斷決策其中每個(gè)功能子模塊都包含數(shù)值計(jì)算和符號推理功能。其 中綜合推理機(jī)是集成診斷專家系統(tǒng)的核心，它不僅能利用狀態(tài)監(jiān)測結(jié)果進(jìn)行推理， 同時(shí)可分析判斷來自設(shè)備控制器內(nèi)部的數(shù)據(jù)，結(jié)合各種數(shù)據(jù)進(jìn)行推理、綜合，做出 診斷決策。綜合知識庫中

26、包含有關(guān)系統(tǒng)的物理知識、經(jīng)驗(yàn)知識、設(shè)備運(yùn)動過程狀態(tài) 知識、運(yùn)動過程監(jiān)測結(jié)果所能反映的異常狀態(tài)知識，以及診斷對象的征兆與故障之 間的各種因果聯(lián)系知識等。多種知識的綜合，便于對故障進(jìn)行綜合診斷，這樣可以 提高知識本身的有效性，而且可以更準(zhǔn)確地定位故障點(diǎn)，將故障定位到最小范圍。綜合數(shù)據(jù)庫是一個(gè)動態(tài)數(shù)據(jù)庫，由監(jiān)測與診斷共同生成、共同利用。4結(jié)語從今后的發(fā)展看,故障診斷技術(shù)必須跳出僅針對機(jī)械運(yùn)行過程這個(gè)環(huán)節(jié)的局 限性,而應(yīng)該放在產(chǎn)品的整個(gè)生命周期中來統(tǒng)籌考慮,對機(jī)械系統(tǒng)的整個(gè)壽命周期 進(jìn)行有效的分析,從而提高機(jī)械系統(tǒng)的可靠性和可維修性,延長系統(tǒng)的壽命,降低 壽命周期費(fèi)用。從診斷的方式上來看,傳統(tǒng)的診斷方法和理論對單過程、單故障和 漸發(fā)性故障的簡單系統(tǒng)可以發(fā)揮較好的作用,對于多過程、多故障和突發(fā)性故障以 及復(fù)雜龐大、高度自動化的大型設(shè)備和系統(tǒng),就具有較大的局限性。專家系統(tǒng)主要 用于復(fù)雜的機(jī)械系統(tǒng),能夠克服基于模型的故障診斷方法對模型的過分依賴性,人 工神經(jīng)網(wǎng)絡(luò)對于故障的模式識別具有獨(dú)特的優(yōu)點(diǎn)。將人工智