基于专家系统的机械设备故障检测方法

摘要:文章分析了故障诊断在现代大型设备尤其是机械设备中的必要性,对故障诊断体系作了简要的说明,分析了专家系统的基本概念、应用和发展,并将其扩展到机械设备故障诊断里,特别是对某旋转机械设备的故障检测方法进行了说明。

关键词:专家系统;机械设备;故障检测;人工智能;模式识别

中图分类号:TP311文献标识码:A文章编号:1009-2374(2009)21-0024-03

一、故障诊断技术的紧迫性

现代科学技术如航空、航天、核工业、机器人等技术和民用工业领域系统规模和复杂程度迅速增加、自动化水平日益提高,这类系统一旦发生故障就可能造成人员和财产的巨大损失,甚至导致灾难性的后果。例如二次世界大战期间,美国空军由于飞机故障而损失的飞机达21000架,是整个大战期间被击落飞机的2.5倍;而从1998年8月到1999年5月的短短10个月间,美国三种运载火箭:“大力神”、“雅典娜”、“德尔它”就发生了5次发射失败,造成了近30亿美元直接经济损失。

在机械领域也是如此,必须大力提高故障诊断技术的水平。随着现代工业的发展,大型系统需求量不断增加,且这些系统本身还不断向大功率、大容量、高速度、高效率和复杂化等方面发展。机械设备发生故障是不可避免的事,但是严重的会造成巨大的经济损失,当一般故障发生后则应尽可能快地准确诊断,从速修复,使损失降为最小。当机械设备的运转出现一些不正常现象时,应尽可能地及时发现加以排除,防止故障发生。应用先进的故障诊断技术可以及时发现系统故障,避免和预防恶性事故发生。

二、故障诊断系统的分类

根据系统采用的特征描述和决策方法的差异形成了不同的故障诊断方法,概括起来可分为三大类:基于数学模型的故障诊断方法,基于知识模型的故障诊断方法和基于数据驱动的故障诊断方法。

1.基于数学模型的故障诊断技术。其核心思想是用解析冗余取代硬件冗余(物理冗余),解析冗余主要是通过构造观测器估计出系统输出,然后将它与测得的阿测量值作比较从中取得故障信息。

2.基于知识模型的故障诊断方法。主要有专家系统方法、故障数方法、基于SDG有向图的方法等。这里面专家系统得到了最为广泛的应用。故障诊断的专家系统方法:在系统运行过程中,若某一时刻系统发生故障,领域专家往往可以凭视觉、听觉、嗅觉、触觉或测量设备的到一些客观事实,并根据对系统结构和系统故障历史的深刻了解作出判断,确定故障的原因和部位。对于复杂系统故障诊断,这种基于专家系统的故障诊断方法尤为有效。

3.基于数据驱动的故障诊断方法。主要是各种信号处理、处理、分析的技术上产生的方法。主要有小波分析、FFT、频域分析等。

三、专家系统分析

(一)专家系统的特点

专家系统是一个智能计算机程序系统,其内部含有大量的某个领域专家水平的知识与经验,能够利用人类专家的知识和解决问题的方法来处理该领域问题。它应用人工智能技术和计算机技术,根据某领域一个或多个专家提供的知识和经验,进行推理和判断,模拟人类专家的决策过程。一般来说它具有如下的特点:

1.一般的计算机程序把数据结构和与数据结构有关的算法肯定的表达,也就是:常规程序=数据结构+算法;但是专家系统不一样,它利用相关知识分析,希望在问题领域内找到、推理出合适的答案,也就是:专家系统=知识+推理。

2.对于普通的程序来说,它往往将问题解答所需的知识放在子程序里,但专家系统不同,它将该专业领域内的知识独立地建成相关的库,与其它程序来讲,更加容易对系统行业知识进行维护,包括增删、修改操作。

(二)专家系统构成

一般来说,专家系统,特别是故障诊断系统通常有如下的几个组成部分:

1.人机接口。人机接口(Man-machine Interface)。这是专家系统与领域专家、系统用户交流的平台。通常包括一组程序(当然附带着一些硬件),完成输入输出的任务。通常使用者从这里输入想求解的问题,或者就某些情况向系统发出询问;而系统通过该界面给出问题的答案和结果,并且智能的辅助用户了解相关问题。

2.知识库。知识库(Knowledge Base)和有关的管理系统知识库保存着领域内的知识,它能够把相关的知识,还有某些工程师、专家、专业人员的经验、事实有机地、有序地存储起来。这里面知识一般都来自各种知识的获取机构,而且反过来为推理机求解问题提供各种需要的领域知识。在这里,知识库管理系统必须要完成库中知识的周期性组织、维护、检索。

3.知识获取。这是指把从人类专家、书籍、文献、其它资料获取到的庞大知识,进行分析、萃取、提炼,取得精华而且有序、合理、形式化地保存在计算机中,要求能够使得系统完成存储、搜索和管理功能。需要注意到的是,由于专家知识和资料会不断地“增长”,那就要对能够将知识库扩充、修改、完善。

4.解释系统。它的功能是使得客户明白给出的结果符合逻辑,具有真实可信性。

5.推理机。这是专家系统的组织控制中枢,具体的功能是依据系统输入的数据(比如机械设备运行时的各种表现),根据知识库中的知识以及某些规则来推导、分析。实际上,一般的机械系统故障诊断专家系统都是应用基于规则的推理系统。

(三)专家系统的发展

专家系统发展经历了三个阶段,现在正朝着第四个阶段迈进。第一代的特点是专业化程度很高、可以良好的解决行业问题。但是存在着体系不够完整,可移植性差的短处;第二代包括mycin、casnet、prospector、hearsay等,它们都是某些个别学科、非常专业的专家系统,从结构上和可移植性上有所改善,整个专家系统的各个组成部分得到新技术的支持,都有所加强;第三代一般能够囊括多种学科,而且得益于人工智能领域的发展,能够应用多种知识表达的方法,也具有不同的推理机制、控制方式。目前,各个领域(包括故障诊断领域)不断开始研发新一代第四阶段的专家系统,要求实现多专家协作系统、丰富的知识表达方法、综合的知识库,可以自主学习,可以解决复杂的问题,能够进行深入的推理,尤其是能够应用各种模式识别、人工智能的理论和技术,将专家系统发挥到一个新的高度和水平。

四、专家系统在旋转机械故障诊断中的应用

(一)旋转机械常见故障

旋转机械是运用最为广泛、最为重要的机械种类之一,它在冶金、化工、机械、交通、电力及核工业等各个部门都发挥着重要作用。各类旋转机械的故障,既有前期制造的原因,也有后期侵蚀磨损、结垢、掉块、使用不当的原因造成。这里主要原因有如下几种:

1.结构不对称,由于重心不与旋转轴重合而产生的不平衡状态。

2.材质不均匀,制造误差、安装误差。

3.运行中零、部件的变形、移位、结垢、破损。

(二)旋转机械专家故障系统组成方案

1.诊断信息获取。旋转机械设备的轴、齿轮、轴承等旋转机构在正常运转过程中所发生的磨损、腐蚀、变形或者负荷过大等故障。这些故障通常是伴随着振动的变化出现的,而且这种状态下的振动,是一种与轴承特性有关的振动,而引起振动的这些原因的发生往往与材料、结构、加工、装配或运转操作不当等因素有关。因此,可以认为,旋转系统的故障与异常振动密切相关。这里把振动信号作为故障的征兆。这里诊断信息的获取,可以通过人机交互的方式,专家通过对旋转设备的振动信号分析,提取各种频谱特征值输入诊断系统,作为待分析的故障征兆。

2.诊断知识库建立。旋转机械故障诊断专家系统中设计到用数据库技术的地方有:知识库、实例事实库和临时库。在故障诊断专家系统中,一个可行的方案是分别为知识库、实例事实库和临时库建立数据库,深入到里面可以为每一个数据库中按照振动特征和敏感参数分为一些数据表,分别用来存储与振动特征和敏感参数相关的规则信息,其结构如图2所示:

3.推理与诊断模块。智能故障诊断此模块是系统的核心模块。通过模糊诊断关系矩阵和诊断规则库组成的知识库及推理机进行正向、反向的综合诊断,如图3所示。这里可将机械专家经验规则划分为两个部分:一部分是可以直接转换为诊断专家系统识别的规则的可推理部分;另一部分是不可转换为诊断专家系统识别或者转换难度较大的规则,是不可自动推理部分。使用机器自动推理,可以通过振动有关的规则和与转子有关的规则进行。最终应该输出包括设备编号、诊断日期、故障类型和维修决策等的诊断报告。

4.用户管理与帮助。设置不同的用户权限管理,保证系统安全可靠的维护与使用。主要包括系统的操作说明、机械故障知识概念查询等。

(三)诊断流程与方法

专家系统运用于机械故障诊断领域,可以采用如下的流程:(1)根据输入的问题,探寻知识库里的知识;(2)利用相关知识,在某种控制策略下,给出解决问题的方法,也就是知识操作算子序列,得到一个假设的集合;(3)对求解的方案按照一些准则排序,选却最为能够“满意”,也就是某种指标值最大的答案;(4)根据推理出来的方法求解相关问题;(5)如果该方法无法求解该问题,则就回溯到假设方案的优选序列中找到次优方案,回到步骤(4)进行迭代求解;(6)1～5的过程往复循环,一直到问题获得解决结束,或者所有方法均不能解题,操作以“失败”告终。这里以旋转机械的专家故障诊断系统为例,探讨其应用。

参考文献

[1]韩捷,张瑞林.旋转机械故障机理及诊断技术[M].北京:机械工业出版社,2001.

[2]丁玉兰,石来德.机械设备故障诊断技术[M].上海:上海科学技术文献出版社,1994.

[3]钟秉林,黄仁.机械故障诊断学[M].北京:机械工业出版社,2003.

[4]伍洋.用状态监测判断不对中故障[J].技术与应用,2004,(3).

[5]钟秉林,颜延虎.智能化故障诊断理论与方法的研究现状和展望[J].东南大学学报(增刊),1993.

作者简介:彭晓楠(1976-),山东济宁人,桂林电子科技大学讲师,研究方向:机械制造自动化、微电子制造工程、质量控制。