故障診斷是指系統(tǒng)在一定工作環(huán)境下查明導致系統(tǒng)某種功能失調(diào)的原因或性質(zhì)，判斷劣化狀態(tài)發(fā)生的部位或部件，預測狀態(tài)劣化發(fā)展趨勢的過程。故障診斷技術是40年來發(fā)展起來的一門新學科，它具有很強的工程背景和重要的實用價值，并且以深厚的理論為基礎，系統(tǒng)論、信息論、控制論、非線形科學等最新技術在其中都有廣泛應用。特別是近年來智能化故障診斷技術被應用于電力、石油化工、冶金等行業(yè)的大型、高速旋轉(zhuǎn)機械的故障診斷中并取得了顯著的效果，讓我們看到了智能故障診斷技術在機械工程領域中的巨大應用前景。
1 故障診斷技術的發(fā)展
故障診斷技術的發(fā)展大體經(jīng)歷了三個階段：
第一階段是故障診斷的初級階段，診斷結(jié)果是建立在領域?qū)＜业母泄俸蛯I(yè)經(jīng)驗基礎上，僅對診斷信息作簡單的處理，其診斷水平極大地受到個人生理條件和經(jīng)驗水平的限制。
第二階段是以傳感器技術和動態(tài)測試技術為手段、以信號處理和建模處理為基礎的常規(guī)診斷技術。其中，信號處理包括統(tǒng)計分析、相關分析、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、系統(tǒng)辨識、模式識別等，其理論基礎是系統(tǒng)論、信息論和控制論。在這一階段，故障診斷技術在工程上得到了廣泛的應用，其自身也得到了空前的發(fā)展，誕生出許多新的診斷方法。如振動診斷技術、聲發(fā)射診斷技術、鐵譜診斷技術、光譜診斷技術、無損診斷技術和熱成像檢測診斷技術等。
第三階段是智能診斷技術階段。至80年代中期以后，由于機器設備的大型化、復雜化以及連續(xù)高速運行的需要，加之自動化制造系統(tǒng)(如CIMS，F(xiàn)MS)的誕生和發(fā)展，單靠信號處理和人工分析判斷又難以實現(xiàn)在線的精確診斷：人工智能技術的發(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)絡等技術在智能故障診斷中的應用，使得故障診斷技術進入了一個新的智能化發(fā)展階段。
2 智能故障診斷的發(fā)展及研究現(xiàn)狀
智能化故障診斷技術的發(fā)展一直與人工智能技術，尤其是人工智能最成熟的分支專家系統(tǒng)的發(fā)展緊密關聯(lián)。其中基于知識的診斷專家系統(tǒng)和基于人工神經(jīng)網(wǎng)絡的診斷專家系統(tǒng)兩個方面研究的最多也最成熟，下面重點概述這兩方面的發(fā)展及研究現(xiàn)狀。
- 基于知識的診斷專家系統(tǒng)
- 基于知識的專家系統(tǒng)技術的發(fā)展大致經(jīng)歷了兩個階段：第一階段是被稱為第一代專家系統(tǒng)的基于淺知識的專家系統(tǒng)：第二階段是被稱為第二代專家系統(tǒng)的基于深知識的專家系統(tǒng)。此外將深、淺知識相融合的專家系統(tǒng)可以看成是將前兩階段成果的結(jié)合。在這里面使用的知識主要是一些模型知識(如系統(tǒng)的數(shù)學模型、定性物理模型、結(jié)構(gòu)模型、過程模型、功能模型和因果網(wǎng)絡模型等)。
- 基于淺知識的專家系統(tǒng)
- 基于淺知識的診斷推理實際上是已知一組征兆，要求對產(chǎn)生這組征兆的原因做出解釋的過程。這類問題的求解需要用到兩類知識：一類是表示系統(tǒng)故障是如何引起各種征兆的因果性知識，另一類是反映因果關系的成立程度(模糊強度)和可能性(概率強度)方面的知識。
- 利用淺知識診斷方法的特點如下。
- 淺知識通常以IF-THEN類型的規(guī)則形式表現(xiàn)，而且知識的變更也非常容易。
- 診斷推理方法多種多樣。特別是有許多不確定知識的推理方法：確定性因子方法(Certainty Factors Method)：主觀貝葉斯概率理論(Subjective Bayes Probability Theory)：證據(jù)理論(Theory of Evi-dence)：可能性理論(Possibility Theory)。
- 收集處理異類的知識比較困難。由于基于淺知識故障診斷專家系統(tǒng)的知識庫容易構(gòu)造和管理，推理效率高，因而贏得了眾多專家系統(tǒng)使用者的青睞。但是由于淺知識模型的限制，診斷精度常常受到限制，而且從專家那里獲取經(jīng)驗較難，知識集不完備。
- 基于深知識的專家系統(tǒng)
- 為了克服第一代專家系統(tǒng)基于淺知識推理的缺點，專家系統(tǒng)中又引入了深知識推理的概念。深知識刻畫了專門領域內(nèi)原理性和功能性的知識，更深刻地了解領域?qū)ο蠛蛯ο笾g的相互作用�；谏钪R的診斷專家系統(tǒng)屬第二代診斷專家系統(tǒng)，其特點是：
- 利用深知識的診斷方法收集的知識比較容易。如果給設備裝置以適當?shù)挠浭鲂问�，它可以比�?guī)則法有更充分的知識表現(xiàn)，從而增加了知識的利用深度。
- 如果給出診斷對象的構(gòu)造記述，可以立即進行故障的診斷，這很適合設備種類多樣化的特點。
- 利用深知識診斷方法的缺點是：其推理處理復雜，搜索空間大，處理速度慢。
- 基于混合知識的專家系統(tǒng)
- 鑒于深、淺知識專家系統(tǒng)各自的優(yōu)缺點，綜合利用深、淺知識相結(jié)合的診斷方法可以達到人類專家診斷過程相近的診斷，從而使專家系統(tǒng)的智能水平也前進了一步。
- 混合知識診斷專家系統(tǒng)的診斷過程首先由淺層推理產(chǎn)生初始診斷假設，再由深層診斷進行確認和解釋。兩層之間的通訊是通過淺層中的假設對象與深層中的一個假設結(jié)點相對應，當淺層中產(chǎn)生一個故障假設對象后，深層推理則與之相對應網(wǎng)絡連點開始推理。也就是淺層知識(基于啟發(fā)式的知識)推理由于產(chǎn)生診斷焦點，而深層知識則用于對診斷假設進行確認，具體化以及提出精確的解釋或推翻故障假設。
- 所有上述診斷推理方法的出現(xiàn)都大大地推動了智能診斷化診斷技術的發(fā)展，在一定的領域和范圍內(nèi)，診斷專家系統(tǒng)問題求解的能力達到了人類專家的水平。然而，在診斷專家系統(tǒng)的應用研究取得初步成功的后面卻隱藏著極大的困難，主要表現(xiàn)在：
- 知識獲取的“瓶頸”問題。專家系統(tǒng)很難獲取較完備的知識庫，而知識庫不完備可能導致專家系統(tǒng)推理混亂并得出錯誤的結(jié)論。
- 知識窄臺階問題。專家系統(tǒng)的工作范圍很窄，只能對專家知識領域范圍內(nèi)的問題予以解決，但對專家知識領域范圍以外的問題則顯得無能為力，即專家系統(tǒng)缺乏聯(lián)想、記憶、類比等形象思維能力。
- 推理能力弱。傳統(tǒng)的專家系統(tǒng)推理方法一般較為簡單，控制策略不靈活，容易出現(xiàn)諸如“匹配沖突”、“組合爆炸”以及“無窮遞歸”等問題，推理速度慢，效率低。
- 基于人工神經(jīng)網(wǎng)絡的診斷專家系統(tǒng)
- 80 代中期，由于“計算能量函數(shù)”和“隱單元”的成功進入，人們又重新認識到聯(lián)結(jié)主義機制(Connectionism)，即人工神經(jīng)元網(wǎng)絡 (Artifical Neural Network)的價值。人工神經(jīng)網(wǎng)絡技術的崛起首先給傳統(tǒng)的人工智能技術和認知科學帶來了極大的沖擊和影響，繼而以其高度的并行分布式處理、聯(lián)想、記憶、自組織及自學習能力和極強的非線性映射能力，在眾多的研究領域顯示了廣闊的應用前景。
- 目前，在智能化診斷技術領域里人工神經(jīng)網(wǎng)絡的應用研究主要集中兩個方面：一是從模式識別的角度應用具有感知器結(jié)構(gòu)的神經(jīng)元網(wǎng)絡模型或各種聯(lián)想記憶模型來實現(xiàn)征兆集到故障集之間的非線形特征映射關系：二是從知識處理的角度建立基于聯(lián)結(jié)主義機制結(jié)構(gòu)的診斷專家系統(tǒng)，以一種全新的途徑試圖從知識獲取、存儲和推理等方面解決專家系統(tǒng)中遇到的困難，概括起來有以下幾個方面。
- BP神經(jīng)網(wǎng)絡的專家系統(tǒng)。BP神經(jīng)網(wǎng)絡模型及其學習算法研究的比較成熟，它可以用來模擬規(guī)則的漸進學習和記憶過程，以實現(xiàn)動態(tài)的知識組織和自學習，因此其應用研究受到人們的廣泛青睞。
- 聯(lián)結(jié)主義機制的專家系統(tǒng)。這類專家系統(tǒng)的研究目的在于將傳統(tǒng)的專家系統(tǒng)的知識庫(規(guī)則庫)轉(zhuǎn)化成為一個聯(lián)結(jié)主義知識網(wǎng)絡結(jié)構(gòu)，從而以數(shù)值計算實現(xiàn)邏輯推理，為大規(guī)模并行處理的實現(xiàn)提供基礎。
- 邏輯推理和聯(lián)結(jié)機制的集成專家系統(tǒng)。上面所討論的聯(lián)結(jié)主義機制的專家系統(tǒng)具有較好的知識表達和自動獲取能力以及大規(guī)模并行處理、聯(lián)想、記憶、類比及自組織、自學習等優(yōu)點，在一定程度上較好地模擬了人類的形象思維方式。但是，它僅模擬了人類感覺層次上的智能活動，在模擬人類復雜層次思維方面還遠不及傳統(tǒng)的符號專家系統(tǒng)，且不能模擬多步推理和演繹鏈。而基于邏輯推理和聯(lián)結(jié)機制的集成專家系統(tǒng)是符號推理與非符號推理(數(shù)值推理)相結(jié)合的既具有邏輯思維能力又具有形象思維能力的專家系統(tǒng)。這種集成專家系統(tǒng)一出現(xiàn)就引起人們的廣泛熱情。如神經(jīng)元專家系統(tǒng)。
- 上述這些積極的探索對于專家系統(tǒng)技術及其應用，包括智能化診斷技術的發(fā)展都具有重要的推動作用。
3 智能化診斷技術的研究展望
近年來智能化診斷技術的研究雖然已經(jīng)取得了許多長足的進步，但仍存在許多問題有待研究和解決，如多故障同時診斷問題求解中的組合爆炸問題、診斷推理中的知識獲取與學習問題，以及序貫性診斷問題求解中的最優(yōu)測點選擇問題等。本文下面結(jié)合當前信息論學科的最新成果來展望機械產(chǎn)品智能故障診斷相關領域的發(fā)展。
- 智能集成診斷系統(tǒng)(IIFDS)
- 由于大型故障診斷往往是一個多階段、多層次的復雜過程，不同的階段用到的知識內(nèi)容，表達形式及解決問題的思維方式都可能不盡相同。所以完成一個完整的故障診斷過程常常需要多知識表達形式和多推理模式及合理的控制機構(gòu)來解決診斷問題。目前的智能診斷系統(tǒng)，大多還停留在處理單一領域知識范疇符號推理問題的專家系統(tǒng)層次上，并未上升到多專家系統(tǒng)集成的高度上，因而限制了其對復雜系統(tǒng)的求解能力。智能集成診斷系統(tǒng)(IIFDS)能模擬診斷者的思維過程，集成和管理診斷子任務(如數(shù)據(jù)采集，信號分析，故障診斷等)，實現(xiàn)采樣，分析和診斷一體化，并集成和使用各種知識(如經(jīng)驗知識，分析知識，數(shù)值計算知識等)，以提高其智能診斷和決策水平。
- 遠程協(xié)作診斷系統(tǒng)
- 基于因特網(wǎng)的設備故障遠程協(xié)作診斷是將設備診斷技術與計算機網(wǎng)絡技術相結(jié)合的產(chǎn)物。即用若干臺中心計算機作為服務器，在企業(yè)的重要關鍵設備上建立狀態(tài)監(jiān)測點采集設備狀態(tài)數(shù)據(jù)，而在技術力量較強的科研院所建立分析診斷中心為企業(yè)提供遠程技術支持和保障。如果生產(chǎn)企業(yè)設備運行出現(xiàn)異常，其狀態(tài)監(jiān)測服務器立即以工作傳票方式向診斷分析服務器申請在線技術援助，同時以電子郵件方式向有關專家發(fā)出離線會診請求，在短時間內(nèi)調(diào)動入網(wǎng)的所有診斷資源，實現(xiàn)對設備故障的早期診斷和及時維修。
- 面向并行工程的制造系統(tǒng)智能監(jiān)測與故障診斷系統(tǒng)
- 并行工程是國際上80年代末提出的一種新的集成系統(tǒng)化途徑，目前在計算機集成制造系統(tǒng)(CIMS)中已得到重視，它對監(jiān)測和診斷技術提出了更高的要求。所謂面向并行工程的智能監(jiān)視與診斷，不僅要求對系統(tǒng)運行狀態(tài)進行在線監(jiān)視和精確診斷，保證系統(tǒng)穩(wěn)定可靠安全運行：而且要求實現(xiàn)診斷信息與系統(tǒng)其它層次和類型的信息共享，以及監(jiān)視子系統(tǒng)與作為信息載體的其它各子系統(tǒng)之間的功能互換，并反饋到并行工程的各個環(huán)節(jié)，最終達到優(yōu)化產(chǎn)品設計和制造、提高產(chǎn)品質(zhì)量和改善產(chǎn)品生命周期的目的。
|
