智能故障诊断技术综述_王奉涛

智能故障诊断技术综述

王奉涛,马孝江,邹岩琨

(大连理工大学振动工程研究所,辽宁大连116024)

摘要:详细介绍了智能故障诊断技术的发展历史及国内外研究现状,并对智能故障诊断技术的发展趋势进行了预测。

关键词:故障诊断;人工智能;专家系统;神经网络

中图分类号:TP181文献标识号:B文章编号:1001-3881(2003)4-006-3

An Overview on Intelligent Technique of Fault Diagnosis

W ANG Feng-tao,MA Xiao-jiang,ZOU Yan-kun

(Res.Inst.of Vib.Eng.,Dalian Univ.of Technol.,Dalian116024,China) Abstract:T he history and general situation of in telligent technique of fault diagnosis are introduced in details.And the trend of develop-ing this technique is predicted.

Keywords:Fault diagnosis;Arti ficial intelligent;Expert system;Neural network

0引言

在20世纪80年代,随着人工智能技术的迅速发展,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,迫使人们对智能故障诊断技术进行更加深入与系统地研究。这是因为,一方面故障智能诊断具有传统诊断方法无可比拟的优点,另一方面,复杂设备的故障诊断在很大程度上需要依赖专家的经验知识。因此国内外专家学者陆续开发了一大批基于知识的故障诊断系统,各种诊断方法和技术也在诊断系统中得到了应用。

那么如何准确地定义智能故障诊断系统?智能故障诊断系统是由人(尤其是领域专家)、当代模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。该系统以对诊断对象进行状态识别与状态预测为目的。下面详细论述了智能故障诊断技术的发展历史、国内外研究现状和发展趋势。

1智能故障诊断技术的发展历史

基于建模处理和信号处理的诊断技术正发展为基于知识处理的智能诊断技术。智能诊断技术在知识层次上实现了辩证逻辑与数理逻辑的集成、符号逻辑与数值处理的统一、推理过程与算法过程的统一、知识库与数据库的交互等功能,目前的研究主要从两方面展开:基于专家系统的智能故障诊断技术和基于神经网络的智能故障诊断技术。

(1)基于专家系统的智能诊断技术

故障诊断专家系统是诊断领域引人注目的发展方向之一,也是研究最多、应用最广的一类智能诊断技术,主要用于那些没有精确数学模型或很难建立数学模型的复杂系统。大致经历了两个发展阶段:基于浅知识的第一代故障诊断专家系统和基于深知识的第二代故障诊断专家系统。近期出现的混合结构的专家系统,是将上述两种方法结合使用,互补不足。基于浅知识(人类专家的经验知识)的故障诊断系统是以领域专家和操作者的启发性经验知识为核心,通过演绎推理或产生式推理来获取诊断结果,目的是寻找一个故障集合使之能对一个给定的征兆(包括存在的和缺席的)集合产生的原因做出最佳解释。基于深知识(诊断对象的模型知识)的故障诊断系统要求诊断对象的每一个环节具有明确的输入输出表达关系,诊断时首先通过诊断对象的实际输出与期望输出之间的不一致,生成引起这种不一致的原因集合,然后根据诊断对象领域中的第一定律知识(具有明确科学依据知识)及其内部特定的约束关系,采用一定的算法,找出可能的故障源。

(2)基于神经网络的智能诊断技术

神经网络具有的超高维性、强非线性等动力学特性,使其具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、自适应、自学习、并行和处理复杂模式等功能,带来了提供更佳诊断性能的潜在可能性。具体应用方式有:¹神经网络诊断系统。对特定问题适当建立的神经网络故障诊断系统,可以从其输入数据(代表故障症状)直接推出输出数据(代表故障原因),实现故障检测与诊断。º采用神经网络产生残差。用神经网络拟合系统的正常特性,利用系统的输入重构某些特定的参数,并与系统的实际值比较,得到残差,从而检测故障。»采用神经网络评价残差。利用神经网络对残差进行聚类分析,直接得到系统的故障情况。¼采用神经网络作进一步诊断。利用神经网络诊断系统执行器的饱和故障,其基本思想是直接用神经网络来拟合系统性能参数与执行器饱和故障之间的非线性关系,神经网络的输出即对应了某个执行器的故障情况。½采用神经网络作自适应误差补偿。¾采用模糊神经网络进行故障诊断。

(3)基于模糊逻辑的诊断方法。

模糊逻辑的引入主要是为了克服由于过程本身的不确定性、不精确性以及噪声等所带来的困难,因而在处理复杂系统的大时滞、时变及非线性方面,显示出它的优越性。目前主要有三种基本诊断思路,一是基于模糊关系及合成算法的诊断,先建立征兆与故障

类型之间的因果关系矩阵,再建立故障与征兆的模糊关系方程,最后进行模糊诊断;二是基于模糊知识处理技术的诊断,先建立故障与征兆的模糊规则库,再进行模糊逻辑推理的诊断过程;三是基于模糊聚类算法的诊断,先对原始采样数据进行模糊C均值聚类处理,再通过模糊传递闭包法和绝对值指数法得到模糊C均值法的初始迭代矩阵,最后用划分系数、划分熵和分离系数等来评价聚类的结果是否最佳。具体应用方式有:¹残差的模糊逻辑评价。残差评价是一个从定量知识到定量表述的逻辑决策,相当于对残差进行聚类分析,它首先需要将残差用模糊集合来表述,然后用模糊规则来推理,最后通过反模糊化得到诊断结果。º采用模糊逻辑自适应调节阈值。残差的阈值受建模不确定性、扰动及噪声的影响,阈值过小则会引起误报,过大则会漏报,所以最好能根据工作条件,用模糊规则描述自适应阈值。»基于模糊小波分析技术进行故障诊断。用模糊化小波变换分析宽带故障特性,采用模糊数据的局部时频分析来进行故障检测和分离。¼基于模糊逻辑进行专家系统规则库的设计与更新。

(4)基于故障树分析的诊断方法

故障树分析(Fault Tree Analysis)原本用于可靠性设计,现己广泛应用于故障诊断。基于故障的层次特性,其故障成因和后果的关系往往具有很多层次并形成一连串的因果链,加之一因多果或一果多因的情况就构成故障树。

(5)基于事例推理诊断方法

实例推理(Case-Based Reason,简称CBR)是AI 中新兴的一种推理技术,是一种使用过去的经验实例指导解决新问题的方法,其关键是如何建立一个有效的实例索引机制与实例组织方式。基于实例诊断的优点是根据过去实例解决新问题,不需人从实例中提取规则,降低了知识获取的负担,解题速度快。

2国内外研究现状及发展趋势

(1)国内外研究现状

智能故障诊断技术的发展历史虽然短暂,但在电路与数字电子设备、机电设备等方面已取得了令人瞩目的成就。

在电路和数字电子设备方面,MI T研制用于模拟电路操作并演绎出故障可能原因的EL系统;美国海军人工智能中心开发了用于诊断电子设备故障的I N -ATE系统;波音航空公司研制了诊断微波模拟接口MSI的I MA系统;意大利米兰工业大学研制用于汽车启动器电路故障诊断的系统。由于机电设备在整个生产领域中占有极其重要的地位,所以有关机电设备的故障智能诊断问题一直受到研究人员的关注,出现的智能诊断系统也比较多。如日本日立公司研究了用于核反应堆的故障诊断系统;美国通用电气公司研制的用于内燃电气机车故障诊断的专家系统CATS-l;华中理工大学研制的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的汽轮发电机组故障诊断专家系统MMMD-2;清华大学研制的用于锅炉设备故障诊断的专家系统等等。

(2)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:¹多种知识表示方法的结合。在一个实际的诊断系统中,往往需要多种方式的组合才能表达清楚诊断知识,这就存在着多种表达方式之间的信息传递、信息转换、知识组织的维护与理解等问题,这些问题曾经一直影响着对诊断对象的描述与表达。近几年在面向对象程序设计技术的基础上,发展起来了一种称为面向对象的知识表示方法,为这一问题的解决提供了一条很有价值的途径。

在面向对象的知识表示方法中,传统的知识表示方法如规则、框架、语义网络等可以被集中在统一的对象库中,而且这种表示方法可以对诊断对象的结构模型进行比较好的描述,在不强求知识分解成特定知识表示结构的前提下,以对象作为知识分割实体,明显要比按一定结构强求知识的分割来得自然、贴切。另外,知识对象的封装特点,对于知识库的维护和修正提供了极大的便利。随着面向对象程序设计技术的发展,面向对象的知识表示方法一定会在故障智能诊断系统中得到广泛的应用。

º经验知识与原理知识的紧密结合。为了使故障智能诊断系统具备与人类专家能力相近的知识,研制者在建造智能诊断系统时,越来越强调不仅要重视领域专家的经验知识(浅知识),更要注重诊断对象的结构、功能、远离等知识(深知识),忽视任何一方面都会严重影响系统的诊断能力。

关于深浅知识的结合问题.目前较普遍的作法是,这两类知识可以各自使用不同的表示方法,从而构成两种不同类型的知识库,每个知识库有各自的推理机,它们在各自的权力范围内形成子系统,两个子系统再通过一个执行器综合起来构成一个特定诊断问题的专家系统。这个执行器记录诊断过程的中间结果和数据,并且还负责经验与原理知识之间的/切换0。这样在诊断过程中,通过两种类型知识的相互作用,使得整个系统更加完善,功能更强,可以解决那些无经验知识可用情况下的问题,即使遇到知识表示范围以外的问题,系统的性能也不至于显著下降。

»专家系统与神经网络的结合。神经网络理论为