PDF《故障诊断专家系统及发展趋势》

故障诊断专家系统及发展趋势 时圣革, 常文兵, 李祥臣 (北京航空航天大学 系统工程系, 北京 100083)

1 前言随着科学技术的发展, 装备的结构越来越复杂, 功能 也越来越完善, 自动化程度越来越高, 不但同一设备的不 同部分之间相互关联, 紧密耦合, 而且不同设备之间也存 在着紧密的联系, 在运行过程中形成一个整体.

一处故障 可能引起一系列连锁反应, 导致整个过程不能正常运行, 甚至会造成重大的损失. 因此, 对故障诊断的要求也越来 越高.另一方面, 人工智能技术近年来得到很大发展, 基 于知识的故障诊断专家系统已成为当前研究和应用的一 个热点. 人工智能又称机器智能,是计算机科学中新兴的一 门边缘科学技术, 利用计算机模拟人的智能行为、 完成能 表现出人类智能的任务. 故障诊断专家系统是将人类在故障诊断方面的多位 专家具有的知识、 经验、 推理、 技能综合后编制成的大型计 算机程序, 它可以利用计算机系统帮助人们分析解决只能 用语言描述、 思维推理的复杂问题, 扩展计算机系统原有 的工作范围使计算机系统有了思维能力, 能够与决策者进 行 对话 , 并应用推理方式提供决策建议, 专家系统在故 障诊断领域的应用非常广泛, 故障检测与诊断技术与专家 系统相结合, 使工程的安全性与可靠性得到保证.

2 故障诊断专家系统简介 故障诊断专家系统,是指计算机在采集被诊断对象 的信息后, 综合运用各种规则 (专家经验) , 进行一系列的 推理, 必要时还可以随时调用各种应用程序, 运行过程中 向用户索取必要的信息后,可快速地找到最终故障或最 有可能的故障, 再由用户来证实. 专家系统故障诊断方法 可用下图的结构来说明: 它由数据库、 知识库、 人机接口、 推理机等组成.其各部分的功能为: (1) 数据库 数据 库通常由动态数据库 和静态数据库两部分 构成. 静态数据库是相 对稳定的参数, 如设备 的设计参数、 固有频率等;

动态数据库是设备运行中所检 测到的状态参数, 如工作转速、 介质流量、 电压或电流等. (2)知识库 存放的知识可以是系统的工作环境、 系 统知识 (反映系统的工作机理及系统的结构知识) 、 设备故 障特征值、 故障诊断算法、 推理规则等, 反映系统的因果关 系, 用来进行故障推理.知识库是专家领域知识的集合. (3) 人机接口 人与专家系统打交道的桥梁和窗口, 是人机信息的交接点. (4)推理机 根据获取的信息综合运用各种规则, 进 行故障诊断, 输出诊断结果. 是专家系统的组织控制机构.

3 国内外的发展及应用概况 故障诊断是根据对被诊断对象测试所取得的有用信 息进行分析处理,判断被诊断对象的状态是否处于异常 状态或故障状态, 确定故障的方位, 预示故障的发生.早 期的故障诊断是依据人对被诊断对象的感觉、 听觉、 触觉 等感官和以往积累的相关经验, 对其状态特征进行分析, 判断某些故障的存在, 或预测故障发生的时间. 维修是为 使设备保持或恢复到规定状态所进行的全部活动,即不 仅包括设备在使用过程中发生故障 (损坏) 时进行修复, 以恢复其规定状态的修复性维修, 而且还包括在故障 (损坏) 前, 预防故障以保持规定状态所进行的预防性维修活 动. 近年来, 数字技术和超大规模集成电路广泛应用于功 能电路板的设计中,电子设备的功能和结构也越来越复 杂, 因此对其的测试工作量大, 对检测的质量要求高, 一摘要: 随着科学技术的发展, 装备的结构越来越复杂, 对故障诊断的要求也越来越高.文中简述了故障诊断专家系统 国内外的发展现状、 应用情况及其发展趋势. 关键词: 故障诊断;

人工智能;

专家系统 中图分类号: TP391 文献标识码: A 文章编号: 1002-

2333 (2006) 11- 0026-

03 Progress and Prospects of Fault Diagnosis Expert System SHI Sheng- ge, CHANG Wen- bing, LI Xiang- chen (Department of System Engineering of Engineering Technology, Beihang University, Beijing 100083, China) Abstract: The equipment becomes more and more complex with the science and technology. And it depends on fault diagnosis more and more. The paper discusses fault diagnosis expert system and its development and application. And the developing trend of this technique is predicted. Key words: fault diagnosis;

atificial intelligent;

expert system 专题论坛 F orum on S pe cia l Topic

26 机械工程师

2006 年第

11 期 般情况下很难依靠人的感官和经验把故障因素检查出 来. 现代故障诊断技术是近年来随着电子计算机技术、 现 代测试技术和人工智能技术的迅速发展而发展起来的一 种新技术,是指应用现代化仪器设备和计算机系统等高 新技术设备,通过测试来检查和识别设备及零部件的实 时技术状态, 对其进行科学的诊断. 应用故障诊断技术对 设备进行测试和诊断,可以及时发现设备的故障和预防 恶性事故的发生, 从而避免出现重大损失. 美国是对故障诊断技术进行系统研究最早的国家之 一,

1961 年美国开始执行阿波罗计划后,出现了一系列 设备故障.因此,

1967 年在美国航天局 (NASA) 倡导下, 由美国海军研究室(ONR)主持美国机械故障预防小组 (MFPG) , 积极从事故障诊断技术的研究和开发.美国作 为世界头号军事强国,非常重视军事装备的后勤补给和 维护保障, 由于系统越来越复杂, 装备设计越来越多地考 虑保障问题, 以确保维修工作能简单有效地进行, 使装备 能时刻保持可用状态,因此各种类型的故障诊断和维修 专家系统已用于美国 F-

15 战斗机、 B- 1B 轰炸机、 海军舰 艇、 陆军军械装置等现役装备的故障诊断和维修中. 目前 美国在航空、 航天、 核工业以及军事部门中诊断技术占有 领先地位. 我国虽然对故障诊断技术的研究起步较晚,但近年 来得到迅速发展.华中理工大学研制了用于汽轮机组工 况监测和故障诊断的智能系统 DEST;

哈尔滨工业大学和 上海发电设备成套设计研究所联合研制了汽轮发电机组 故障诊断专家系统 MMMD- 2;

清华大学研制了用于锅炉 设备故障诊断的专家系统等等.我国军方在重要系统和 装备的研制中提出了明确的测试性要求, 制定了 《装备测 试性大纲》 (GJB- 2547- 95) 、 《测试与诊断术语》 (GJB- 3385- 98) 等国家军用标准. 国内军用测试系统, 也随着军 用设备对测试诊断技术的要求逐步开展研究.目前国内 对装备的故障诊断技术,尤其是电路板级故障诊断技术 的研究有了较大的进展.

4 故障诊断专家系统的发展趋势 随着知识工程的发展及数据库、 虚拟现实、 神经网络 等技术的日新月异,必然引起智能故障诊断技术在各个 方面的不断发展.其发展趋势可概括如下: 4.1 集成型智能故障诊断系统 故障诊断与知识表示和推理方法有着密切的联系, 其领域知识可用对象模型、 经验规则、 神经网络模型、 案 例等来表示.基于对象模型、 基于经验规则、 基于神经网 络模型、 基于案例的诊断方法各有其优势和特点, 但它们 各自也存在着局限性. 对于实际对象的故障诊断, 如用单 一的知识表示方法,有时难以完整表示对象的故障诊断 领域知识. 因此, 集成多种知识表示方法则能更好地表示 对象的故障诊断领域知识. 集成基于对象模型、 基于经验 规则、 基于神经网络模型、 基于案例的集成型诊断方法能 综合各诊断方法的特点, 克服各诊断方法的局限性, 从而 提高了诊断系统的智能性和诊断效率.集成型的故障诊 断系统还能有效地处理真值维护、 结论解释、 机器学习. 4.2 基于机器学习的智能故障诊断系统 智能系统的核心问题是它的学习能力.知识的自动 获取一直是智能故障诊断专家系统研究中的难点.解决 知识获取问题的途径是机器学习,即让机器自身具有获 取知识的能力,能在实际工作中不断总结成功和失败的 经验教训, 对知识库中的知识自动进行调整和修改, 以丰 富和完善系统的知识.机器学习是提高故障诊断系统智 能的主要途径, 也是衡量一个系统智能程度的主要标志. 因此, 发展和完善现有的机器学习方法, 探索新的学习方 法, 建立实用的机器学习系统 (特别是多种学习方法协同 工作的智能诊断系统) , 将是今后研究的一个重要方向. 4.3 由单机诊断到远程分布式全系统智能诊断系统 现有的设备诊断系统大部分都是面向单台、单机或 单类设备的, 可扩充性、 灵活性、 通用性较差, 各诊断系统 之间相互独立,即使是不同开发单位研制的针对同类设 备的异构诊断系统之间也不能进行有效的信息交流和共 享, 造成了巨大的资源浪费. 现在很多大型成套设备或机 构由远程分布的不同类子系统组成,相应其诊断系统中 的系统级诊断系统和各子诊断系统也要进行诊断信息的 传输交流.因此, 建立远程分布式全系统智能诊断系统, 可以实现异地多专家对同一设备的协同诊断以及多台设 备共享同一诊断系统, 有利于诊断案例的积累, 以弥补单 个诊断系统领域知识的不足, 提高诊断的智能化水平, 促 进诊断学的综合发展. 4.4 神经网络智能诊断系统 为了提高神经网络在实用中的学习和智能诊断性 能,主要是从改进神经网络本身和模块化神经网络诊断 策略两个方面开展研究. 目前已有许多针对 BP 算法局限 的若干改进.还有一种新的高阶神经网络- - 椭球单元网 络由于通过高斯分布逼近形成各模式类的决策区域, 更 清晰直观地反映了故障样本在决策空间的分布,分类精 度高, 训练速度快, 对于未知模式有良好的 拒绝 性能, 因而在故障诊断领域中显示出明显的优越性,有着极大 的应用潜力. 模块化神经网络的思想就是用多个相对简单的网络 模块以一定的关系协同运作来处理一个大规模问题, 这 一策略因其在应用中的有效性而越来越受到重视.它有 如下优点: (1) 各网络模块易于构造, 且其学习性能和泛化性易 于得到保证. (2) 由于可独立并行对各网络进行训练或结构的再 调整,使得模块化神经网络更具应用的灵活性和现场的 适应性. (3) 由于各网络模块间的关系明确、 功能确定, 使得 工作过程更为明朗. (4) 模块化神经网络思想复合计算机软硬件设计的 发展趋势, 便于实现. 此外, 与其它技术如小波分解、 模糊系统遗传算法甚

27 机械工程师

2006 年第

11 期 专题论坛 F orum on S pe cia l Topic 至混沌理论相结合构成各种智能神经网络也是神经网络 今后一段时间在智能故障诊断领域中的........