机电一体化系统故障诊断专家系统研究

2014-10-17张海军

网络安全技术与应用 2014年8期

张海军

（云南机电职业技术学院云南 650203）

0 引言

随着科学技术的发展，机电一体化系统得到广泛应用，而起故障诊断和维修是使用过程中的难题，也是运行成本的重要组成部分。如何快速判断故障，是对于机电一体化设备来说是一个需要重点解决的问题。本文提供了一种用于机电一体化设备的智能故障诊断的通用方案，对于类似系统的设计开发具有借鉴意义。

1 故障诊断一般过程

设备故障诊断的过程有三个主要步骤：第一步是检测设备状态的特征信号；第二步是从所检测到的特征信号中提取征兆；第三步是根据征兆和其它诊断信息来识别设备的状态，从而完成故障渗断。故障诊断的过程如图1所示。检测设备的特征信号，一般来说，它具有两种表现形式，一种是以能量方式表现出来的特征信号，如振动、噪声、温度、电压、电流、磁场、射线、弹性波等；另一种是以物态形式表现出来的特征信号，如设备产生或排出的烟雾、油液等以及可直接观测到的锈蚀、裂纹等，对于检测能量方式所表现出的特征信号，如果不使用人的感官，则必须使用传感装置，因为检测这类信号是通过能量交换来完成的；而提取物态形式的特征信号一般不采用传感装置，只采用特定的收集装置或直接观测。

从征兆提取装置输出的征兆即可输入状态识别装置来识别系统的状态，这是整个诊断过程的核心。一般来说，这一步是将实际上已存在的参考模式（标准模式）与现有的由征兆按不同方式组成的相应待检模式进行对比，从而决定待检模式应划为哪一类参考模式，即对系统的当前状态进行模式识别。在智能技术引入诊断领域之前，状态识别实际上是由领域专家来完成的。随着人工智能技术特别是专家系统技术和人工神经网络技术在诊断领域的应用，产生了基于知识的诊断推理这一发展方向，它模拟领域专家来完成状态识别的任务，这也是智能诊断技术同一般诊断技术之间最主要的差别。状态识别是一个由粗到细，由高层到低层直至找到满意的诊断解为止的逐层诊断过程。当然，对于整个诊断过程，自然还应形成最后的干预决策，并付诸实施。

综上所述，此诊断过程包括三个主要步骤，即信号测取、征兆提取和状态识别。

图1 故障诊断过程

2 智能故障诊断基本原理

2.1 神经网络专家系统的形成

随着人工智能（AI）技术的迅速发展，特别是知识工程、专家系统和人工神经网络在诊断领域中的进一步应用，迫使人们对智能诊断问题进行更加深入与系统的研究。所谓诊断系统的智能就是它能有效地获取、传递、处理、再生和利用诊断信息，从而具有对给定环境下的诊断对象进行成功状态识别和状态预测的能力。智能诊断系统与诊断对象的关系如图2所示。

图2 智能诊断系统与诊断对象的关系

智能诊断系统中的知识处理包括了三个主要步骤：知识获取、知识存储及知识推理。根据智能诊断系统在知识处理途径上的不同，智能诊断方法可以分为两大类：一类是基于符号推理的智能诊断方法，如传统人工智能；一类是基于数值计算的智能诊断方法，如人工神经网络，它是当今智能诊断的一个重要研究领域。

2.2 专家系统

专家系统（Expert System简称ES）是一种智能的计算机程序，这种计算机程序使用知识与推理过程，求解那些需要杰出人物的专家知识才能求解的高难度问题。它本质上是一个（或一组）计算机程序，它能借助人类的知识采取一定的搜索策略并通过推理的手段去解决某一特定领域的困难问题。一个成熟的专家系统的基本组成如图3所示，图3给出了专家系统的六个基本组成部分：知识库、推理机、人机接口、知识获取子系统、解释子系统和全局数据库。在专家系统中，知识库包含所要解决问题领域中的大量事实和规则。即知识库是领域知识及该专家系统工作时所需的一般常识性知识的集合。知识库是一个独立的实体，它内存的知识通过程序来提取和管理。知识库中应易于存入新的知识而且不和已有的知识互相发生干扰。

专家系统工作原理大致为：在知识库创建和维护阶段，知识获取子系统在领域专家和知识工程师的指导下，将专家知识、诊断对象的结构知识等存放于知识库中或对知识库进行维护（增加、删除和修改）；在诊断阶段，用户通过人机接口将诊断对象的征兆信息传送给推理机，推理机根据诊断过程的需要，对知识库中的各条知识及全局数据库中的各项事实进行搜索或继续向用户索要征兆信息，最后诊断结果也通过人机接口返回给用户；如需要，解释子系统可调用知识库中的知识和全局数据库中的事实对诊断结果和诊断过程中用户提出的问题做出合理的解释。

图3 专家系统一般结构

3 机电一体化神经网络专家系统的具体实现

3.1 机电一体化系统知识的分类

机电一体化系统故障诊断专家系统进行诊断的依据是工作流程运行状态的各类诊断参数，但诊断参数涉及的范围广而且层次复杂，故障征兆表达混乱，层次分类不清楚、关联度差、知识库难以扩充与维护，这是目前机电一体化系统故障诊断专家系统普遍存在的问题。依据机电一体化系统的特点，建立诊断参数的表示标准，全面系统地对诊断参数进行分类，合理的组织知识库，是故障诊断专家系统需要解决的问题。系统的故障诊断主要是根据各种部件的监测值和现场检测人员观测到的不可测量信号，按照专家积累的经验和系统的结构功能定位故障部件和原因，所以我们可以把本系统所用到的知识划分为机电一体化系统的结构与功能知识（如系统包含几类部件，每类部件下又包含几种测量参数）、专家启发式经验知识（主要是由什么故障现象可以推出什么故障原因）、工况状态知识（如电机的额定电流、推弹链的运动速度等）、信号特征知识。这样我们可以把反映机电一体化系统工作状态的基本诊断参数分为2大类分别反映系统运行的一个侧面特性，每一类都包含有若干诊断参数如图 4。通过这些诊断参数的变化所构成的故障现象与总结专家经验后形成的规则进行比对，找出故障原因。

图4 诊断参数的分类

3.2 推理机的设计

整个故障诊断系统采用了专家系统和神经网络相结合的二级推理机制，专家系统为一级推理，而神经网络为二级推理，分级推理能够最大限度地提高故障诊断效率。在故障诊断的过程中，控制程序将单过程、单故障、确定型故障以及渐发性故障的诊断对象分配给专家系统进行诊断，将多过程、多故障、不确定型故障以及突发性故障的诊断对象分配给神经网络进行诊断，充分发挥专家系统和神经网络各自的优势，又使二级推理相互协调工作，既使故障诊断系统的诊断范围扩大，又使其诊断推理快速。