(最新整理)人工智能在故障診斷領(lǐng)域的應(yīng)用

1、(完整)人工智能在故障診斷領(lǐng)域的應(yīng)用(完整)人工智能在故障診斷領(lǐng)域的應(yīng)用 編輯整理：尊敬的讀者朋友們：這里是精品文檔編輯中心，本文檔內(nèi)容是由我和我的同事精心編輯整理后發(fā)布的，發(fā)布之前我們對文中內(nèi)容進行仔細校對，但是難免會有疏漏的地方，但是任然希望（(完整)人工智能在故障診斷領(lǐng)域的應(yīng)用）的內(nèi)容能夠給您的工作和學(xué)習(xí)帶來便利。同時也真誠的希望收到您的建議和反饋，這將是我們進步的源泉，前進的動力。本文可編輯可修改，如果覺得對您有幫助請收藏以便隨時查閱，最后祝您生活愉快 業(yè)績進步，以下為(完整)人工智能在故障診斷領(lǐng)域的應(yīng)用的全部內(nèi)容。人工智能在故障診斷領(lǐng)域的應(yīng)用摘要:本文在簡要介紹故障診斷和人工智能的基

2、礎(chǔ)上,詳細分析人工智能在故障診斷領(lǐng)域中的應(yīng)用,包括智能故障診斷技術(shù)和故障診斷專家系統(tǒng)，最后總結(jié)基于人工智能的故障檢測的發(fā)展趨勢。關(guān)鍵詞：故障診斷;人工智能；專家系統(tǒng)；智能診斷application of artificial intelligence in the field of fault diagnosisabstract: based on a brief introduction on the fault diagnosis and artificial intelligence， this paper detailedly analyses the application of a

3、rtificial intelligence in the field of fault diagnosis, including intelligent fault diagnosis and fault diagnosis expert system。 finally， this paper summarizes the development trend of fault detection based on artificial intelligence。keywords： fault diagnosis; artificial intelligence； expert system;

4、 intelligent diagnosis1 引言隨著科學(xué)技術(shù)的發(fā)展，裝備的結(jié)構(gòu)越來越復(fù)雜，功能也越來越完善，自動化程度越來越高，不但同一設(shè)備的不同部分之間相互關(guān)聯(lián)，緊密耦合，而且不同設(shè)備之間也存在著緊密的聯(lián)系，在運行過程中形成一個整體.一處故障可能引起一系列連鎖反應(yīng),導(dǎo)致整個過程不能正常運行，甚至?xí)斐芍卮蟮膿p失。因此,對故障診斷的要求也越來越高。另一方面，人工智能技術(shù)近年來得到很大發(fā)展，基于人工智能的故障診斷專家系統(tǒng)已成為當前研究和應(yīng)用的一個熱點。系統(tǒng)的故障是指系統(tǒng)的運行處于不正常狀態(tài)(劣化狀態(tài)）,并可導(dǎo)致系統(tǒng)相應(yīng)的功能失調(diào),即導(dǎo)致系統(tǒng)相應(yīng)的行為（輸出)超過允許范圍，使系統(tǒng)的功能低于規(guī)定

5、的水平，這種劣化狀態(tài)就稱為故障。故障診斷是指系統(tǒng)在一定工作環(huán)境下查明導(dǎo)致系統(tǒng)某種功能失調(diào)的原因或者性質(zhì)，判斷劣化狀態(tài)發(fā)生的部位和部件，以及預(yù)測狀態(tài)劣化的發(fā)展趨勢等1,2,3.故障診斷的基本思想可以這樣描述：設(shè)被檢測對象全部可能發(fā)生的狀態(tài)(包括正常和故障狀態(tài)）組成狀態(tài)空問s，它的可觀測量特征的取值范圍全體構(gòu)成特征空問y，狀態(tài)空間與特征空間的關(guān)系如下圖來表示。圖1 狀態(tài)空間與特征空間的關(guān)系圖故障診斷的過程主要分成三個步驟：第一步檢測設(shè)備狀態(tài)的特征信號；第二步從檢測到的信號中提取征兆；第三步根據(jù)征兆和其他診斷信息來識別設(shè)備的狀態(tài),從而完成故障診斷。4故障診斷技術(shù)的發(fā)展大體經(jīng)歷了三個階段5：第一階段是

6、故障診斷的初級階段，診斷結(jié)果是建立在領(lǐng)域?qū)＜业母泄俸蛯I(yè)經(jīng)驗基礎(chǔ)上，僅對診斷信息作簡單的處理，其診斷水平受到個人技術(shù)能力和工作經(jīng)驗的限制。第二階段是以傳感器技術(shù)和動態(tài)測試技術(shù)為手段、以信號處理和建模處理為基礎(chǔ)的常規(guī)診斷技術(shù).其中,信號處理包括統(tǒng)計分析、相關(guān)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(chǔ)是系統(tǒng)論、信息論和控制論.在這一階段，故障診斷技術(shù)在工程上得到了廣泛的應(yīng)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(shù)、聲發(fā)射診斷技術(shù)、頻譜診斷技術(shù)、光譜診斷技術(shù)、無損診斷技術(shù)和熱成像檢測診斷技術(shù)等。第三階段是智能診斷技術(shù)階段。所

7、謂診斷系統(tǒng)的智能就是它可以有效地獲取、傳遞、處理、再生和利用診斷信息，從而具有對給定環(huán)境下的診斷對象進行成功狀態(tài)識別和狀態(tài)預(yù)測的能力。至80年代中期以后，由于機器設(shè)備的大型化、復(fù)雜化以及連續(xù)高速運行的需要，加之自動化制造系統(tǒng)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.目前, 國內(nèi)檢測診斷技術(shù)的研究主要集中在以下幾個方面:l 傳感技術(shù)研究： 傳感技術(shù)是反映設(shè)備狀態(tài)參數(shù)的儀表技術(shù)。國內(nèi)先后開發(fā)了各種類型的傳感器, 如屯渦流傳感器、速度傳感器、加速度傳感器和溫度傳感器等； 最近開發(fā)的傳感技術(shù)有光導(dǎo)纖維、激光、聲發(fā)射等。l 關(guān)于信號分析與處理技術(shù)的研究: 從傳統(tǒng)的譜分析、時序分析

8、和時域分析， 開始引入了一些先進的信號分析手段， 如快速傅立葉變換， wigner譜分析和小波變換等.這類新方法的引入彌補了傳統(tǒng)分析法的不足。l 關(guān)于人工智能和專家系統(tǒng)的研究: 這方面的研究已成為診斷技術(shù)的發(fā)展主流， 目前已有日程機械故障診斷專家系統(tǒng)，但這一技術(shù)在工程方面的研究尚未達到人們所期望的水平。l 關(guān)于神經(jīng)網(wǎng)絡(luò)的研究: 比如旋轉(zhuǎn)機械神經(jīng)網(wǎng)絡(luò)分類系統(tǒng)等的研究已經(jīng)取得了應(yīng)用, 取得了滿意的效果。l 關(guān)于診斷系統(tǒng)的開發(fā)與研究: 從單機巡檢與診斷到上下位機式主從機結(jié)構(gòu), 直至以網(wǎng)絡(luò)為基礎(chǔ)的布式系統(tǒng)的結(jié)構(gòu)越來越復(fù)雜, 實時性越來越高.l 專門化與便攜式診斷儀器和設(shè)備的研制與開發(fā)。目前, 我國的冶

9、金、電力、化工等行業(yè)的故障診斷技術(shù)己經(jīng)很成熟， 得到了廣泛的應(yīng)用。2 人工智能人工智能是計算機科學(xué)的一個重要組成部分。它的任務(wù)是：讓計算機模擬人類的智能活動，使之具有應(yīng)用知識、邏輯推理、解決實際問題的能力。人工智能的研究,始于1956年，是從所謂難題求解開始的.早期的問題，大都限于下棋、猜謎和數(shù)學(xué)定理證明之類的簡單領(lǐng)域。目前人工智能的研究，幾乎涉及所有學(xué)科，其主要包括以下幾個方面6： l 專家系統(tǒng)：讓計算機模擬人類專家的決策過程,求解那些無法建立數(shù)學(xué)模型而必須依靠專家經(jīng)驗來解決實際問題.l 決策支持系統(tǒng):通過計算機的推理、判斷,對某些多元的、非精確的或不確定的難題進行輔助決策。l 自然語言理解

10、系統(tǒng)：使計算機能夠理解人類的語言,改善人機聯(lián)系的條件.l 知識庫系統(tǒng)把人類自己掌握的知識，用一定的規(guī)則表示出來，即經(jīng)過形式比較處理存放在計算機中，為用戶提供知識共享。l 智能機器人使機器人具有入的手、眼、腦的功能，不僅會看、會做、還會思考,并能根據(jù)環(huán)境條件決定自己的行為，智能機器人已在航天、核工業(yè)、冶金、機械、化工等各個領(lǐng)域開始部分代替人類的工作。l 智能計算機在知識庫的支持下,能識別聲音、圖像、自動進行程序設(shè)計，具有推理、學(xué)習(xí)等功能的新一代計算機。人工智能系統(tǒng)還構(gòu)成了新興的知識工業(yè)，它將為新技術(shù)革命提供重要的工具,為變革人類的生產(chǎn)和生活方式做出了巨大貢獻.schreiber在1978年首次提

11、出了自動測試生成技術(shù)（automatic test generation techniques）7。由于電路的日益復(fù)雜，故障診斷也變得越來越困難。在過去的幾十年中,人工智能技術(shù)（ai）已經(jīng)成為一個重要的研究課題。2001年fenton等人對ai技術(shù)進行了很好地總結(jié)，并對這種技術(shù)進行了分類8。圖2 ai技術(shù)分類2.1 專家系統(tǒng)專家系統(tǒng)是目前人工智能中最活躍、最有成效的一個研究領(lǐng)域，是基于知識的計算機智能程序系統(tǒng)。它從人類領(lǐng)域?qū)＜夷抢铽@取知識,并用來解決只有領(lǐng)域?qū)＜也拍軌蚪鉀Q的困難問題.因此可以這樣來定義專家系統(tǒng)：專家系統(tǒng)是一種具有特定領(lǐng)域內(nèi)大量知識與經(jīng)驗的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，根據(jù)某個領(lǐng)

12、域一個或多個人類專家提供的知識和經(jīng)驗進行推理判斷，模擬人類專家求解問題的思維過程,以解決該領(lǐng)域內(nèi)的各種問題。人類對問題求解的過程離不開對知識的表示和利用來兩個方面。下面由知識的表示，就專家系統(tǒng)及其原理進行深入闡述。專家系統(tǒng)一般被認為l 它是一個智能程序系統(tǒng)；l 它具有相關(guān)領(lǐng)域內(nèi)大量的專家知識；l 能應(yīng)用人工智能技術(shù)模擬人類專家求解問題的思維過程進行推理，解決相關(guān)領(lǐng)域內(nèi)的困難問題,并達到領(lǐng)域?qū)＜业乃?。專家系統(tǒng)按系統(tǒng)的體系結(jié)構(gòu)可分為三種：l 集中式專家系統(tǒng)：指對知識及推理進行集中管理的專家系統(tǒng).目前大多數(shù)成功應(yīng)用的專家系統(tǒng)都屬于這一類型。l 分布式專家系統(tǒng)：指把知識和推理機制分布在一個計算機網(wǎng)絡(luò)

13、上的專家系統(tǒng)。這種類型的系統(tǒng)具有具有較強的問題求解能力。它將復(fù)雜的問題進行分解，并在求解之后將各個子問題的解合為原問題的解，對那些單個機構(gòu)難以解決的問題它都可以實現(xiàn)求解。l 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)：采用人工神經(jīng)網(wǎng)絡(luò)技術(shù)建立的一種專家系統(tǒng).它以神經(jīng)網(wǎng)絡(luò)為體系結(jié)構(gòu)實現(xiàn)知識表示和求解推理。一個專家系統(tǒng)通常具有以下功能：咨詢功能，回答用戶提出的問題，解決其決策過程；學(xué)習(xí)功能,專家的訓(xùn)練下，系統(tǒng)能不斷擴充和完善自己的知識；教育功能，系統(tǒng)能回答用戶的提問，使用戶在與系統(tǒng)交流時掌握領(lǐng)域內(nèi)的知識。專家系統(tǒng)特點是靈活性、透明性、交互性9。專家系統(tǒng)是在計算機中實現(xiàn)的。它由知識庫、知識獲取機構(gòu)、綜合數(shù)據(jù)庫、推理機、人-機

14、接口、解釋器五個部分組成。其中知識庫和推理機是專家系統(tǒng)的核心部分。各部分的關(guān)系如圖所示。在上述各組成部分中，知識庫與推理機是專家系統(tǒng)不可缺少的組成部分。某些應(yīng)用領(lǐng)域中，可以缺少解釋部分和知識獲取部分,但是一個完善的專家系統(tǒng)應(yīng)具備上述五個部分。被診斷對象人機接口知識庫數(shù)據(jù)庫推理機結(jié)果圖3 故障診斷專家系統(tǒng)結(jié)構(gòu)圖2。2 機器學(xué)習(xí)在ai領(lǐng)域，知識獲取已經(jīng)成為建造專家系統(tǒng)的“瓶頸問題。知識的自動獲取更是人工智能研究的難點。機器學(xué)習(xí)是解決知識獲取問題的主要途徑。機器學(xué)習(xí)研究的主要目標是通過構(gòu)造智能學(xué)習(xí)機讓機器自身具有獲取知識的能力，使其能在實際工作中不斷總結(jié)成功和失敗的經(jīng)驗教訓(xùn)，對知識庫中的知識自動進行

15、調(diào)整和修改，以豐富、完善系統(tǒng)的知識。機器學(xué)習(xí)從內(nèi)在行為來看，是從未知到已知的過程，是知識增長的過程；從外在表現(xiàn)看,是系統(tǒng)的某些適應(yīng)性改變，使得系統(tǒng)能完成原來不能完成的任務(wù)或把原來的任務(wù)做得更好.學(xué)習(xí)是一切智能系統(tǒng)最根本的特征。機器學(xué)習(xí)是人工智能最具智能特征和最前沿的研究領(lǐng)域之一。機器學(xué)習(xí)的研究取得重大進展往往意味著人工智能，甚至整個計算機科學(xué)向前邁進了堅實的一步。因此，機器學(xué)習(xí)是提高故障診斷系統(tǒng)智能水平的主要途徑，一旦診斷系統(tǒng)具有了自學(xué)習(xí)能力，它就能從環(huán)境的變化中學(xué)習(xí)新知識，不斷實現(xiàn)自我完善。關(guān)于學(xué)習(xí)的概念,多數(shù)人工智能學(xué)者認為學(xué)習(xí)是以組織化的知識出發(fā)，然后變得更為組織化hj。simon定義說

16、：學(xué)習(xí)是系統(tǒng)發(fā)生了變化,使得下一次比這一次做得更好；minsky的定義是:學(xué)習(xí)是我們頭腦里有用的變化；miehalski認為:學(xué)習(xí)是對經(jīng)歷描述的建立或修改;diettvrich認為：學(xué)習(xí)是知識的增長。這些定義雖然不盡相同，但可以看出學(xué)習(xí)的形式不外乎兩種：知識獲取和技能改善。在人工智能領(lǐng)域中，學(xué)習(xí)系統(tǒng)的研究、認知模擬和理論性分析這三者之間的相互競爭和支持，反映了人工智能領(lǐng)域的整體情況，使問題和概念相互交融。機器學(xué)習(xí)是研究怎樣使用計算機模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動的科學(xué)，是人工智能中最具智能特征、最前沿的研究領(lǐng)域之一。自80年代以來，機器學(xué)習(xí)作為實現(xiàn)人工智能的途徑，在人工智能界引起了廣泛的興趣。特別是近

17、幾年來，機器學(xué)習(xí)領(lǐng)域的研究工作發(fā)展很快，它已成為人工智能的重要課題之一?！?。機器學(xué)習(xí)不僅在基于知識的系統(tǒng)中得到應(yīng)用，而且在自然語言處理、非單調(diào)推理、機器視覺、模式識別等許多領(lǐng)域也得到了廣泛開展。一個系統(tǒng)是否具有學(xué)習(xí)能力已成為是否具有“智能的一個標志。機器學(xué)習(xí)研究的主要發(fā)展過程大致可分為四個階段，并分別以四個重要事件為標志。l 第一階段：第一個學(xué)習(xí)機器的創(chuàng)立。（60年代)l 第二階段：學(xué)習(xí)理論基礎(chǔ)的創(chuàng)立。(60-70年代）l 第三階段:神經(jīng)網(wǎng)絡(luò)(ann）的創(chuàng)立，（80年代）l 第四階段：ann替代方法的創(chuàng)立(90年代）3 人工智能在故障診斷領(lǐng)域的應(yīng)用人工智能技術(shù)與診斷科學(xué)的結(jié)合，推動了一門嶄新的

18、分支學(xué)科，即基于知識的診斷推理的誕生和發(fā)展。智能診斷系統(tǒng)，是由領(lǐng)域?qū)＜?、現(xiàn)代模擬腦功能的硬件及軟件所組成的系統(tǒng)。從發(fā)展的成熟程度來看，診斷專家系統(tǒng)或基于知識的診斷系統(tǒng)是最為優(yōu)秀的。而構(gòu)造這些系統(tǒng)的一個重要理論基礎(chǔ)就是基于知識的診斷推理.其研究工作發(fā)展迅速、成果迭出。專家系統(tǒng)實際上就是使計算機盡可能模擬人類專家解決某些實際問題的決策和工作過程的系統(tǒng)。人工智能技術(shù)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(luò)等技術(shù)在智能故障診斷中的應(yīng)用，使得故障診斷技術(shù)進入了一個新的智能化發(fā)展階段。國外已經(jīng)將一些典型的故障診斷技術(shù)應(yīng)用于各個領(lǐng)域，如：1987年日本川崎鋼鐵公司將先進的gost

19、op系統(tǒng)應(yīng)用于高爐的故障診斷，實現(xiàn)了高爐工作穩(wěn)定性的控制，對坍塌等故障實現(xiàn)了預(yù)報和控制。我國在檢測與診斷技術(shù)研究方面雖然起步較晚，但是由于國家重視發(fā)展較快。早在八五期間國家組織了若干個故障診斷技術(shù)方面的公關(guān)課題研究，分別在石化、電力等部門進行了應(yīng)用于推廣。目前我國在檢測與故障診斷技術(shù)方面的理論研究已經(jīng)接近世界水平，但是在應(yīng)用技術(shù)方面與國外的先進國家比較差距較大。隨著科學(xué)技術(shù)領(lǐng)域的不斷進步，我國正面臨著大型技術(shù)設(shè)備廣泛應(yīng)用的關(guān)鍵時期，所以為適應(yīng)國民經(jīng)濟發(fā)展形式的要求,必須使設(shè)備檢測與故障診斷技術(shù)上升到一個新的水平.智能故障診斷技術(shù)是人工智能技術(shù)在診斷領(lǐng)域內(nèi)引用的產(chǎn)物，它隨著人工智能，特別是專家系

20、統(tǒng)、知識工程和人工神經(jīng)網(wǎng)絡(luò)的發(fā)展而不斷發(fā)展。根據(jù)制式處理途徑上的不同，智能診斷方法可以分為兩個大類10,11：第一種基于符號推理的智能診斷方法。在基于符號推理的知識處理系統(tǒng)當中，知識是按照一定的規(guī)則用特定描述符加以表示、存儲和處理的。知識的獲取就是對事件性知識或者專家所擁有的功能性知識加以描述，并按照一定的規(guī)則存儲這些知識到知識庫的這個過程。然后,知識的處理系統(tǒng)就可以根據(jù)輸入數(shù)據(jù)集體定的推理機制和策略進行邏輯推理,并最終輸出所要的結(jié)果。目前基于符號推理的傳統(tǒng)的人工智能故障診斷方法比較成熟。但是，該方法具有一個重大的缺陷：知識獲取的“瓶頸”和邏輯推理的“組合爆炸”.這使得該方法受到了一定的制約.

21、第二種是基于數(shù)值計算的智能診斷方法。如人工神經(jīng)網(wǎng)絡(luò),她是當今故障診斷方法一個重要的研究領(lǐng)域.其制式是通過系統(tǒng)權(quán)值系數(shù)矩陣來加以表示和存儲。知識的獲取是按照一定的學(xué)習(xí)規(guī)則通過學(xué)習(xí)不斷的調(diào)整確定其權(quán)值系數(shù)矩陣。在診斷過程中，系統(tǒng)按照相應(yīng)的網(wǎng)絡(luò)計算方法對輸入數(shù)據(jù)進行計算，得到網(wǎng)絡(luò)輸出作為診斷結(jié)果.神經(jīng)網(wǎng)絡(luò)由于其本身強大的功能，對于不精確的、矛盾的或者是錯誤的數(shù)據(jù)，他都能進行推理計算，并能夠給出好的計算結(jié)果.在神經(jīng)網(wǎng)絡(luò)的知識處理系統(tǒng)中，知識的獲取、知識存儲以及推理之間的聯(lián)系很緊密，交融性很大。同時神經(jīng)網(wǎng)絡(luò)的知識處理系統(tǒng)中不存在知識獲取的瓶頸問題和推理的組合爆炸問題。所以其發(fā)展空間更加廣闊。對于這兩種智

22、能診斷方法，無論是就與符號還是基于數(shù)值的只是處理方法只是從兩個不同方面對人工智能的模擬。符號系統(tǒng)模擬了人類復(fù)雜的邏輯思維,而數(shù)值系統(tǒng)則是模擬了人類抽象的形象思維,這是人類智能中不可缺少、不能夠互相替代的兩個部分。在這種情況下,如果能夠?qū)煞N方法又記得結(jié)合到一起，從而有效的模擬人的邏輯思維與形象思維,這是當今智能故障診斷技術(shù)發(fā)展的方向。人工智能在故障診斷領(lǐng)域中的應(yīng)用，實現(xiàn)了基于人類專家經(jīng)驗知識的故障診斷技術(shù)，并將其推進到一個新的水平智能化診斷水平。但是由于診斷對象日趨呈現(xiàn)復(fù)雜化的趨勢,獲取準確、完備、有效的診斷知識越來越困難。已知的領(lǐng)域知識大都具有證據(jù)不充分或結(jié)論不完全的特點，領(lǐng)域知識的分散性、

23、隨機性和模糊性的特點使之表現(xiàn)出很強的不確定性。另一方面，復(fù)雜系統(tǒng)為了滿足生產(chǎn)的需求經(jīng)常處在動態(tài)變化的過程中，其行為特點越來越不好把握，各種故障的發(fā)生具有很強的不確定性，所有這些都為有效的獲取、表示和利用診斷知識進行智能化推理帶來了很大的困難12-15.將專家系統(tǒng)方法應(yīng)用于設(shè)備故障診斷領(lǐng)域是故障診斷技術(shù)發(fā)展的趨勢。一般說來，為了對設(shè)備的故障進行診斷與維修，對設(shè)備的工作情況均要進行監(jiān)控和測試。為獲取設(shè)備的運動狀態(tài)信息和位置狀況，在設(shè)備的一些重要功能執(zhí)行部件、部位安裝傳感器，以監(jiān)測設(shè)備運動狀態(tài)或位置信息，如振動、溫度、壓力和功率等信息.較先進的設(shè)備控制器內(nèi)的數(shù)據(jù)還應(yīng)包含有各種指示運動狀態(tài)信號，控制器

24、io信號，設(shè)備功能控制產(chǎn)生的中間信號及位置信息等。如果故障發(fā)生，根據(jù)控制器內(nèi)的各類信號及信號之間的邏輯關(guān)系一般可以找到出現(xiàn)故障的位置及部件.設(shè)備故障診斷專家系統(tǒng)是利用各種類型的診斷知識通過對監(jiān)數(shù)據(jù)庫測到的信息進行分析、處理、對設(shè)備運動狀態(tài)進行判斷和推理的軟件系統(tǒng)。一旦設(shè)備發(fā)生異常，它可以通過推理判斷找出故障的原因和發(fā)生故障的位置，最后給出診斷、推理過程的解釋和故障處理結(jié)果。故障診斷專家系統(tǒng)的構(gòu)成如下圖所示。其中數(shù)據(jù)采集模塊是把信息通過各種手段采集到系統(tǒng)的數(shù)據(jù)庫,這些信息反映設(shè)備運行的各種狀態(tài)，這樣便于診斷專家系統(tǒng)對故障及設(shè)備的運行狀態(tài)進行判別和診斷。數(shù)據(jù)庫是按照一定的格式以文件的形式把設(shè)備的各

25、種狀態(tài)信息(如問題求解的初始狀態(tài)數(shù)據(jù)、求解狀態(tài)、中間結(jié)果、假設(shè)目標以及最終求解結(jié)果等）存儲起來。推理機是控制整個系統(tǒng)運行的一組程序,它利用知識庫中的知識,根據(jù)監(jiān)測到的信息，按著一定的問題求解策略進行推理、診斷,并給出診斷結(jié)果。推理機是設(shè)備故障診斷專家系統(tǒng)的關(guān)鍵部分。圖4 故障診斷專家系統(tǒng)結(jié)構(gòu)圖隨著故障診斷專家系統(tǒng)技術(shù)的發(fā)展。進一步將人工智能引人監(jiān)測與診斷實現(xiàn)監(jiān)測、診斷的一體化，在傳統(tǒng)故障診斷專家系統(tǒng)的基礎(chǔ)上,利用專家系統(tǒng)開發(fā)工具進一步開發(fā)出集一成化的故障診斷專家系統(tǒng)。集成化故障診斷專家系統(tǒng)的特征是數(shù)值計算和符號推理的集成,多種知識處理技術(shù)和診斷技術(shù)的集成,多個功能子模塊的集成，形成分布處理的較

26、大的專家系統(tǒng).故障診斷專家系統(tǒng)由各功能子模塊分別獨立地完成診斷的各部分工作,然后進行綜合做出診斷決策其中每個功能子模塊都包含數(shù)值計算和符號推理功能。其中綜合推理機是集成診斷專家系統(tǒng)的核心，它不僅能利用狀態(tài)監(jiān)測結(jié)果進行推理，同時可分析判斷來自設(shè)備控制器內(nèi)部的數(shù)據(jù)，結(jié)合各種數(shù)據(jù)進行推理、綜合，做出診斷決策.綜合知識庫中包含有關(guān)系統(tǒng)的物理知識、經(jīng)驗知識、設(shè)備運動過程狀態(tài)知識、運動過程監(jiān)測結(jié)果所能反映的異常狀態(tài)知識，以及診斷對象的征兆與故障之間的各種因果聯(lián)系知識等.多種知識的綜合，便于對故障進行綜合診斷，這樣可以提高知識本身的有效性，而且可以更準確地定位故障點，將故障定位到最小范圍。綜合數(shù)據(jù)庫是一個動

27、態(tài)數(shù)據(jù)庫，由監(jiān)測與診斷共同生成、共同利用.4 結(jié)語從今后的發(fā)展看, 故障診斷技術(shù)必須跳出僅針對機械運行過程這個環(huán)節(jié)的局限性, 而應(yīng)該放在產(chǎn)品的整個生命周期中來統(tǒng)籌考慮， 對機械系統(tǒng)的整個壽命周期進行有效的分析， 從而提高機械系統(tǒng)的可靠性和可維修性， 延長系統(tǒng)的壽命, 降低壽命周期費用。從診斷的方式上來看， 傳統(tǒng)的診斷方法和理論對單過程、單故障和漸發(fā)性故障的簡單系統(tǒng)可以發(fā)揮較好的作用， 對于多過程、多故障和突發(fā)性故障以及復(fù)雜龐大、高度自動化的大型設(shè)備和系統(tǒng), 就具有較大的局限性。專家系統(tǒng)主要用于復(fù)雜的機械系統(tǒng)， 能夠克服基于模型的故障診斷方法對模型的過分依賴性, 人工神經(jīng)網(wǎng)絡(luò)對于故障的模式識別具

28、有獨特的優(yōu)點。將人工智能的理論和方法應(yīng)用于故障診斷， 發(fā)展智能化的故障診斷技術(shù), 是故障診斷的一個新的途徑, 成為故障診斷的一個重要研究方向。基于人工智能的故障診斷系統(tǒng)在未來的發(fā)展趨勢為可概括為集成化、高精度化、智能化和網(wǎng)絡(luò)化16-19。集成化是指采用虛擬儀器技術(shù)的平臺將各類采集技術(shù)、信號處理技術(shù)和診斷理論方法有效地集成在一起，這樣可根據(jù)實際需要對診斷系統(tǒng)進行升級和擴大系統(tǒng)的測試范圍.目前很多故障診斷系統(tǒng)的診斷測試功能相對固定,難以升級，因此隨著虛擬儀器技術(shù)在發(fā)動機故障診斷領(lǐng)域的應(yīng)用不斷廣泛，集成化將成為其發(fā)展一個趨勢。高精度化是指運用先進的信號處理方法從原始信號中提取敏感反映機器狀態(tài)的特征因

29、子?？梢哉f,信號處理中每一項新技術(shù)在設(shè)備診斷中的應(yīng)用,都是對診斷技術(shù)的一次重大推動.如利用多段時域平均法提高當前信號的強度，利用小波分析法良好的時頻局部化特性進行奇異信號檢測，其目的都在去除原始信號中的噪音干擾,提取故障診斷精度.智能化是指診斷系統(tǒng)具有專家系統(tǒng)和智能化功能，能對發(fā)動機技術(shù)狀況進行檢測，并能診斷出汽車故障發(fā)生的部位和原因，引導(dǎo)維修人員迅速排除故障。人工智能技術(shù)的發(fā)展及其在診斷推理中的應(yīng)用，將使得診斷系統(tǒng)智能化程度不斷提高。如神經(jīng)網(wǎng)絡(luò)推理方法的出現(xiàn)，有效解決了專家系統(tǒng)出現(xiàn)的“規(guī)則組合爆炸”的難題，而近期已有神經(jīng)網(wǎng)絡(luò)算法的完善和新神經(jīng)網(wǎng)絡(luò)算法的出現(xiàn),又將推動著故障診斷系統(tǒng)向高度智能化

30、方向發(fā)展20-23。故障診斷專家系統(tǒng)未來的發(fā)展方向如下:(1)基于多種模型結(jié)合的診斷專家系統(tǒng).這里所說的模型是指專家系統(tǒng)的知識表示模型與推理模型.現(xiàn)有的各種模型都具有各自優(yōu)勢和特點，同時它們各自也存在著局限性,各種模型具有各自適用的領(lǐng)域.隨著工業(yè)自動化發(fā)展對故障診斷的要求不斷提高, 際被診斷對象也將更加復(fù)雜,這樣必然造成對象的故障診斷知識的復(fù)雜化，因此，融合多種知識表示方法是提高故障診斷知識表示準確度的有效途徑。故障診斷知識表示與推理方法有著密切的聯(lián)系,這就要求將多種診斷方法加以融合,克服各診斷方法的局限性,從而提高診斷專家系統(tǒng)的智能性和診斷效率。(2）分布式診斷專家系統(tǒng).現(xiàn)有的診斷專家系統(tǒng)大

31、都是面向單機或單服務(wù)器的, 可擴充性、靈活性、通用性較差，各診斷系統(tǒng)之間相互獨立，即使是不同開發(fā)單位研制的針對同類問題的診斷系統(tǒng)之間也不能進行有效的信息交流和共享，造成了巨大的資源浪費?，F(xiàn)在很多大型系統(tǒng)或設(shè)備由遠程分布的不同類子系統(tǒng)組成,相應(yīng)地,其診斷系統(tǒng)中的系統(tǒng)級診斷和各子診斷也需要診斷信息的傳輸交流。同時, 由于故障源的不確定性和時發(fā)性，導(dǎo)致異地診斷和遠程診斷的需求不斷增加.隨著網(wǎng)絡(luò)的普及，通過局域網(wǎng)、因特網(wǎng)來傳輸診斷信息成為一種趨勢,網(wǎng)絡(luò)架構(gòu)下的分布式多故障診斷成為新的研究熱點，因此，建立遠程分布式跨平臺綜合智能診斷系統(tǒng),可以實現(xiàn)異地多種專家系統(tǒng)對同一系統(tǒng)、設(shè)備的協(xié)同診斷以及多臺設(shè)備共享

32、同一診斷系統(tǒng),提高診斷的成功率和效率,同時也有利于診斷案例的積累， 以彌補單個診斷系統(tǒng)領(lǐng)域知識的不足,提高診斷的智能化水平。（3）實時診斷專家系統(tǒng)。隨著用戶對系統(tǒng)可靠性、穩(wěn)定性的要求不斷提高,故障診斷技術(shù)已經(jīng)由原來簡單的對故障設(shè)備進行離線故障檢測、隔離,發(fā)展為對系統(tǒng)、設(shè)備全壽命周期提供可靠性保障，主要包括基于傳感器網(wǎng)絡(luò)的健康狀態(tài)在線檢測， 故障的早期預(yù)報以及故障發(fā)生后的在線實時定位與排除。這些都對未來故障診斷專家系統(tǒng)的實時性提出了很高的要求。參考文獻1 楊叔子， 史鐵林. 設(shè)備診斷技術(shù)的現(xiàn)狀與未來j。 設(shè)備管理與維修, 1995， 11（133)。2 機械設(shè)備故障診斷技術(shù)m。 上海科學(xué)技術(shù)文獻

33、出版社, 1994.3 侯靖歐. 機械故障診斷技術(shù)j。 漁業(yè)現(xiàn)代化, 1984, 6： 023.4 設(shè)備診斷工程m. 中國農(nóng)業(yè)科技出版社, 1997.5 吳今培，肖建華智能故障診斷技術(shù)與專家系統(tǒng)【m】。北京：科學(xué)出版社1997.5-106 人工智能原理及應(yīng)用m。 東華大學(xué)出版社， 2005.7 fenton b, mcginnity m， maguire l. fault diagnosis of electronic system using artificial intelligencej. instrumentation measurement magazine, ieee, 2002，

34、 5(3）： 16-20。8 schreiber h h. a review of analog automatic test generationc/autotestcon78. international automatic testing conference。 ieee, 1978: 1-8。9 王萬森。 人工智能原理及其應(yīng)用m. 電子工業(yè)出版社, 2000。10 王道平， 張義忠. 故障智能診斷系統(tǒng)的理論與方法m。 冶金工業(yè)出版社， 2001.11 吳明強， 史慧, 朱曉華， 等. 故障診斷專家系統(tǒng)研究的現(xiàn)狀與展望j。 計算機測量與控制, 2005， 13(12)： 1301-130

35、4.12 hanson s j， bauer m. machine learning， clustering, and polymorphyj. arxiv preprint arxiv：1304.3432， 2013.13 cleophas t j， zwinderman a h。 machine learning and common sensem/machine learning in medicine. springer netherlands, 2013： 207211.14 murphy k p. machine learning: a probabilistic perspectivem. the mit press， 2012。15 low y, bickson d, gonzalez j， et al. distributed graphlab: a framework for machine learning and data mining in the cloudj。 proceedings o