远程智能故障诊断技术的现状与展望

=> ?1 多层混合模式的体系结构
0> 01 基于模糊推理及模糊数学的诊断方法
将模糊数学作为实现不精确推理和模糊性决策的 重要工具，并利用知识库和参数数据库进行诊断系统 的设计。该方法的优点是：在设备故障的综合性方 面，其概括能力更强、更切合判断逻辑；模糊理论是 建立在可能性基础上的，对于异常状态的可能性进行 评估并制定对策，给出属于各种故障的置信度，更利 于进行现场诊断；在减少监测仪器的同时，充分利用 设备说明书中的故障对策表进行诊断，有助于提高诊 断的准确性。
!"#"$% &$’ #() *+,+-’./+(" 0+()+(12 ’3 4+/’"+ 5("+--67+(" 8#$-" *6#7(’%6% 0+19(’-’72
78(9: ;<,=> ，$?@9: AB<CDE+,* ，$?@9 FC,*,B,* （ $C==+*+ CG H+IE<,BI<= @,*B,++JB,* ，K<,DE<, L,BM+JDB-N，OB,E><,*P<C ?+BQ+B !""!!# ，$EB,<）
［ 6J ］ 5" !$ 数据库技术
织，以产生最佳特征参数组合，利 用 特 征 参 数 的 不 同最佳组合进行设备故障的准确识别，其识别精度有 了很大的提高。其基本点是将信号特征参数的公式转 化为遗传算法的遗传子，采用树图来表示特征参数， 得到优化的故障特征参数表达式。
!" #$ 基于诊断 %&’() 的诊断方法
1 1 目前设备故障诊断问题的解决方法分为两种：一 种是通过计算机通信网络，与异地设备实现远程 连 接，借助计算机多媒体网络技术来完成远程设备的监 控和诊断，即所谓的远程设备维修服务；另一种是使 用人工智能专家系统，用计算机模拟人类专家的经验 意见，来实现对本地故障设备的诊断。这两种方法都 有一定的缺陷：前者没有充分利用人类专家的经验和 计算机强大的推理、运算能力，后者无法实现故障诊 断经验的网络共享，即无法实现诊断知识的重用。为 了克服地域障碍、实现多专家及多系统协同诊断与诊 断知识的重用，一种有效的途径就是建立远程智能故 障诊断系统（ Z+RC-+ 8,-+==B*+,- Y<>=- FB<*,CDBD &ND-+R， Z8YF&） 。 远程智能故障诊断具有以下的优势：! 便于获取 多方面的信息，积累和综合各方面的经验，服务于设 计、运行和维修，可有效提高故障诊断的确诊率；" 利用现代的信息传输载体— — —网络，可以缩短搜集故 障信息的时间，可以极大地提高故障诊断的效率；# 利用诊断网络有利于数据积累和资源共享，弥补了单 个系统以及人类专家的知识不足，可大幅度提高故障 ［2］ 。 诊断的可靠性和智能水平
维护、访问与更新。用户层负责提供用户接口，处理 与用户的交互。其优点是将整个系统划分为层次清晰 的不同逻辑块，使客户机变简单，将开发和管理工作 向服务器转移，从而实现了分布式数据处理，同时使 管理与维护变得相对简单。 多层混合模式的体系结构兼顾了 @ 3 4 和 2 3 4 体 系结构的优点。该系统的三层架构具有开放性和灵活 性，实现应用逻辑相对集中，访问界面多样化；对开 发者来说，可轻松地适应前两种体系结构的应用需 要，便 于 统 一 应 用 组 件 技 术 @A52B、 C%D%2,%-、 @A9 3 E@A9 、FGA 等进行程序开发，反复利用。
:;%"<#1"：.E+ DND-+R D-J>I->J+D CG -E+ J+RC-+ G<>=- PB<*,CDBD DND-+R <,P -E+ B,-+==B*+,- G<>=- PB<*,CDBD -+IE,C=C*B+D S+J+ J+) D+<JIE+P，<,P B-D T+N -+IE,C=C*B+D S+J+ +UV<-B<-+PW .E+ DND-+R D-J>I->J+D B,I=>P+ $ % &，’ % & <,P RBUB,* CG -E+RW .E+ B,-+==B*+,- G<>=PB<*,CDBD R+-ECPD B,I=>P+ -E+ <J-BGBIB<= ,+>J<= ,+-SCJT，-E+ G>XXN B,G+J+,I+，-E+ *+,+-BI <=*CJB-ER <,P -E+ PB<*,CDBD <*+,-W .E+ PBD-JBQ) >-+P P<-< VJCI+DDB,*，-E+ P<-<Q<D+，-E+ MBJ-><= J+<=B-N，-E+ B,GCJR<-BC, VJCI+DDB,* <,P -E+ B,GCJR<-BC, G>DBC, -+IE,C=C*B+D S+J+ +UV<-B) <-+P B, -E+ T+N -+IE,C=C*N V<J-W .E+ P+M+=CVR+,- -+,P+,IN CG J+RC-+ B,-+==B*+,- G<>=- PB<*,CDBD -+IE,C=C*N S<D VCB,-+P C>-W =+2>’<)%：Y<>=- PB<*,CDBD；Z+RC-+ G<>=- PB<*,CDBD；8,-+==B*+,- PB<*,CDBD R+-ECP
2W 51 基于 ’ % & （ ’JCSD+J % &+JM+J） 的体系结构
如图 5 所示，’ % & 是一种多层的 $ % & 结构，具有 $ % & 难以比拟的优点。首先， ’ % & 结构是一种开放式 的跨平台的系统，可通过浏览器访问多个应用程序服 务器；其次，系统开发环境独立，系统的维护方便，
如图 2 所示，客户方包括远端工作站和本地工作 站，其主要功能是按照某种应用逻辑进行处理，并与 其他客户、数据库系统进行交互；服务器方的主要功 能是根据客户方的请求，系统进行数据库操作，然后 将结 果 反 馈 给 客 户 方。 $ % & 结构中，服务器提 供服务给客户使用，他 们之间通过消息完成服 务请求和诊断结果信息 图 21 基于 $ % & 的远程故障 1 1 诊断系统的体系结构 的传递。 $ % & 结构的特点是：!用户透明性。用户可以在 不必知道服务器的具体位置的情况下充分使用服务器 所管理的资源和提供的各种服务。"服务封闭性。服 务器内部的服务机制对外是不透明的，仅仅通过信息 与外界交互。#集成能力。能支持多用户、多任务环 境，实现在分布式异构环境下信息集成和一体化管 理。 传统的网络故障诊断几乎都采用 $ % & 结构，这 种结构的主要缺点是难以与 8,-+J,+- 技术相结合、难 以实现开放性、跨平台性的应用功能。
《 机床与液压》 !JJW" X2" 5
・ #"!・
态地移动到服务器端执行，使得此 %&’() 较少依赖网 络传输这一环节而直接面对要访问的服务器资源，从 而避免了大量数据的网络传输，降低了系统对于网络 带宽的依赖。另外，可以创建多个 %&’() ，形成并行 求解的能力。此外，移动 %&’() 还具有自治性和智能 路由等特性。
!" 智能故障诊断方法
传统的智能故障诊断方法有人工神经网络、模糊 推理、遗传算法等，这些方法在学术界研究比较多并 相对成熟，在机、电、液等系统的故障诊断领域均有 成功案例。目前，具有分布式智能特征的诊断 BH,-. 方法的研究备受关注。
0> =1 基于神经网络的诊断方法
人工神经网络（ BFF ） 基于数值和算法，并且 具有联想、容错、记忆、自适应、自学习和处理复杂 多模式等优点，不足之处是不能解释自身的推理规 则，对未训练过的新颖故障不能给出正确的诊断结 论。BFF 应用于故障诊断主要有三个方面：信号预 处理，如特征提取等；模式识别；知识处理，如专家 系统中的知识获取、表示与利用。常用神经网络的结 构有 B58 （ 自适应共振理论模型） 、 2B9 （ 双向联想 记忆） 、 7FF （ 7I&/(,*J 神经网络） 、 2@9 （ 2I*.KL%M @%N)’, 机） 、 @FF （ 细胞神经网络） 、 52O （ 径 向 基函数网络模型） 、 96P （ 多层传感器） 、 2P （ 误差 ［Q］ 反向传播模型） 、 OFF （ 模糊神经网络） 等 。同时 神经网络多与其它方法相结合用于设备的智能故障诊 断，如与专家系统相结合，与小波分析相结合，与模 糊逻辑相结合，与知识发现相结合等。
［ R］ 0> ?1 基于遗传算法的诊断方法
图 ?1 多混合模式远程诊断系统的体系结构