設(shè)備故障診斷研究現(xiàn)狀及發(fā)展趨勢(shì)論

1、.超級(jí)牛逼大學(xué)機(jī)械設(shè)備故障診斷課程論文 專 業(yè) ： 任 課 教 師 ： 學(xué) 號(hào) ： 學(xué) 生 姓 名 ： 2099年13月32日;機(jī)械設(shè)備故障診斷研究現(xiàn)狀及發(fā)展趨勢(shì)摘要：  現(xiàn)代化生產(chǎn)中機(jī)械設(shè)備的故障診斷技術(shù)越來越受到重視，人們投人大量精力進(jìn)行研究，機(jī)電設(shè)備故障診斷技術(shù)取得了很大的進(jìn)展：探索出一系列新的理論方法與技術(shù)應(yīng)用于實(shí)際，增加了對(duì)設(shè)備故障判斷的效率，奠定了對(duì)設(shè)備實(shí)施故障診斷分析與修復(fù)的堅(jiān)實(shí)基礎(chǔ)，產(chǎn)生了明顯的經(jīng)濟(jì)效益和社會(huì)效益。關(guān)鍵詞：機(jī)械設(shè)備：故障診斷；研究成果；發(fā)展趨勢(shì)引言隨著科學(xué)技術(shù)與生產(chǎn)的高度發(fā)展，各學(xué)科相互滲透、相互交叉、相互促進(jìn)，形成了設(shè)備診斷技術(shù)這一生命力旺盛的新興學(xué)

2、科。它是一種了解和拿捏設(shè)備在使用過程中的狀態(tài)，確定其整體或局部是正?；虍惓?，早期發(fā)現(xiàn)故障及其原因，并能預(yù)報(bào)故障發(fā)展趁勢(shì)的技術(shù)。機(jī)械設(shè)備故障診斷技術(shù)日益獲得重視與發(fā)展的原因是，隨著科學(xué)技術(shù)與生產(chǎn)的發(fā)展，機(jī)械設(shè)備工作強(qiáng)度不斷增大，生產(chǎn)效率、自動(dòng)化程度越來越高，同時(shí)設(shè)備更加復(fù)雜，各部分的關(guān)聯(lián)愈加密切，往往某處微小故障就爆發(fā)連鎖反應(yīng)，導(dǎo)致整個(gè)設(shè)備乃至與設(shè)備有關(guān)的環(huán)境遭受災(zāi)難性的毀壞。這不僅造成巨大的經(jīng)濟(jì)損失，而且會(huì)危及人身安全，后果極為嚴(yán)重。設(shè)備診斷技術(shù)日益獲得重視與發(fā)展的另一個(gè)重要原因是能改革維修體制，大量節(jié)省維修費(fèi)用。當(dāng)前，國內(nèi)外對(duì)機(jī)械設(shè)備主要采用計(jì)劃維修。在許多場合下這是非常不合理的，不該修的修

3、了，不僅費(fèi)時(shí)花錢，甚至降低設(shè)備工作性能；該修的又沒修，不僅降低設(shè)備壽命，而且導(dǎo)致事故。從設(shè)備診斷技術(shù)的起源與發(fā)展來看，設(shè)備診斷技術(shù)的目的應(yīng)是“保證可靠地、高效地發(fā)揮設(shè)備應(yīng)有的功能”。這包含了三點(diǎn)：一是保證設(shè)備無故障，工作可靠；二是保證物盡其用，設(shè)備要發(fā)揮其最大的效益；三是保證設(shè)備在將有故障或已有故障時(shí)能及時(shí)診斷出來，正確地加以維修，以減少維修時(shí)間、提高維修質(zhì)量，節(jié)約維修贊用。1 設(shè)備故障診斷的幾種方法1.1 分析診斷法通過觀察故障設(shè)備運(yùn)行過程中的物理、化學(xué)狀態(tài)來進(jìn)行故障診斷，分析其聲、光、氣味及溫度的變化，再與正常狀態(tài)進(jìn)行比較，憑借經(jīng)驗(yàn)來判斷設(shè)備是否故障。如對(duì)柴油機(jī)常見的診斷方法有油液分析法，

4、運(yùn)用鐵譜、光譜等分析方法，分析油液中金屬磨粒的大小、組成及含量來判斷發(fā)動(dòng)機(jī)磨損情況。對(duì)柴油機(jī)排出的尾氣 (包含有 NOX，COX 等氣體) 進(jìn)行化學(xué)成分分析，即可判斷出柴油機(jī)的工作狀態(tài)。1.2 信號(hào)診斷法對(duì)故障設(shè)備工作狀態(tài)下的信號(hào)進(jìn)行診斷，當(dāng)超出一定的范圍即判斷出現(xiàn)了故障。信號(hào)處理的對(duì)象主要包括時(shí)域、頻域以及峰值等指標(biāo)。運(yùn)用相關(guān)分析、頻域及小波分析等信號(hào)分析方法，提取方差、幅值和頻率等特征值，從而檢測出故障。如在發(fā)動(dòng)機(jī)故障領(lǐng)域中常用的檢測信號(hào)是振動(dòng)信號(hào)和轉(zhuǎn)速波動(dòng)信號(hào)。如以現(xiàn)代檢測技術(shù)、信號(hào)處理及模式識(shí)別為基礎(chǔ)，在頻域范圍內(nèi)，進(jìn)行快速傅里葉變換分析等方法，描述故障特征的特征值，通過采集到的發(fā)動(dòng)機(jī)

5、振動(dòng)信號(hào)，確定了試驗(yàn)測量位置，利用加速傳感器、高速采集卡等采集了發(fā)動(dòng)機(jī)的振動(dòng)信號(hào)，并根據(jù)小波包技術(shù)，提取了發(fā)動(dòng)機(jī)故障信號(hào)的特征值。該診斷方法的缺點(diǎn)在于只能對(duì)單個(gè)或者少數(shù)的振動(dòng)部件進(jìn)行分析和診斷。而發(fā)動(dòng)機(jī)振動(dòng)源很多，用這種方法有一定的局限性。1.3 模型診斷法基于模型的診斷方法，是在建立診斷對(duì)象數(shù)學(xué)模型的基礎(chǔ)上，根據(jù)模型獲得的預(yù)測形態(tài)和所測量的形態(tài)之間的差異，計(jì)算出最小沖突集即為診斷系統(tǒng)的最小診斷。其中，最小診斷就是關(guān)于故障元件的假設(shè)，基于模型的診斷方法具有不依賴于被診斷系統(tǒng)的診斷實(shí)例和經(jīng)驗(yàn)。將系統(tǒng)的模型和實(shí)際系統(tǒng)冗余運(yùn)行，通過對(duì)比產(chǎn)生殘差信號(hào)，可有效的剔除控制信號(hào)對(duì)系統(tǒng)的影響，通過對(duì)殘差信號(hào)的

6、分析，就可以診斷系統(tǒng)運(yùn)行過程中出現(xiàn)的故障。它具有以下優(yōu)點(diǎn)：可以直接借用控制系統(tǒng)的設(shè)計(jì)模型而無須另行建模；可以檢測首次出現(xiàn)的故障而無須依賴系統(tǒng)運(yùn)行的先前狀況；不但可以檢測系統(tǒng)及元件故障，還可以檢測傳感器中出現(xiàn)的故障。1.4 智能診斷法 近年來，人工智能及計(jì)算機(jī)技術(shù)的迅猛發(fā)展為故障診斷技術(shù)提供了新的理論基礎(chǔ)，出現(xiàn)了基于知識(shí)、不需要對(duì)象精確數(shù)學(xué)模型的故障診斷方法。1.4.1 神經(jīng)網(wǎng)絡(luò)診斷法神經(jīng)網(wǎng)絡(luò)是一種通過模擬人腦而建立起來的自適應(yīng)非線性動(dòng)力學(xué)系統(tǒng)，它具有自學(xué)性和并行計(jì)算能力，可以實(shí)現(xiàn)分類、優(yōu)化、自組織、聯(lián)想記憶和非線性映射等功能。它以分布式的方式儲(chǔ)存信息，利用網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和權(quán)值分布實(shí)現(xiàn)非線性的映

7、射，并利用全局并行處理實(shí)現(xiàn)從輸入空間到輸出空間的非線性信息變換。1.4.2 粗糙集診斷法粗糙集理論是 Pawlak 教授于 1982 年提出的一種刻畫不完整性和不確定性的數(shù)學(xué)工具，能有效地分析和處理不精確、不一致及不完整等各種不完備信息，并從中發(fā)現(xiàn)隱含的知識(shí)，揭示潛在的規(guī)律。它最主要的優(yōu)點(diǎn)是無需提供所需處理的數(shù)據(jù)集合之外的任何先驗(yàn)信息，對(duì)問題不確定性的描述和處理比較客觀?；诖植诩墓收显\斷基本思想是把觀察或測量到的故障征兆，作為對(duì)故障分類的條件屬性，實(shí)際存在的故障作為決策屬性，建立決策表，利用 RS 理論強(qiáng)大的約簡能力對(duì)原始決策表進(jìn)行化簡而得到多個(gè)與原始決策表等價(jià)的約簡，然后對(duì)約簡進(jìn)一步化簡

8、，化簡決策表刪除多余的屬性后就可以得到故障診斷規(guī)則。單一RS 理論要求采集的信息是準(zhǔn)確完整的。但實(shí)際上得到的采集信息不可能永遠(yuǎn)是完備的，它會(huì)遇到噪聲、數(shù)據(jù)丟失及海量數(shù)據(jù)等問題，且傳統(tǒng) RS 不適合處理連續(xù)屬性，因而實(shí)際應(yīng)用過程中，RS 通常與其他智能技術(shù)融合起來使用。1.4.3 遺傳算法診斷法20世紀(jì) 60 年代中期，美國學(xué)者 John Holland 在Fraser 等人提出了位串編碼技術(shù)，并將該技術(shù)應(yīng)用于自然和人工系統(tǒng)的自適應(yīng)行為的研究。于 1975 年出版了專著Adap tation in Natural and Artificial Systems，系統(tǒng)闡述了遺傳算法的基本理論和方法。

9、該算法以隨機(jī)產(chǎn)生的一群候選解為初始群體，對(duì)群體中的每一個(gè)體進(jìn)行編碼，以字符串形式表示，然后根據(jù)對(duì)個(gè)體的適應(yīng)度隨機(jī)選擇雙親，并對(duì)個(gè)體的編碼進(jìn)行繁殖、雜交和變異等操作，產(chǎn)生新的個(gè)體，組成新的種群，如此不斷重復(fù)進(jìn)行，使問題的解逐步向最優(yōu)方向進(jìn)化，直到得出在全局范圍內(nèi)具有較好適應(yīng)值的解。它具有很強(qiáng)的全局優(yōu)化搜索能力，和簡單通用、魯棒性強(qiáng)、隱并行處理結(jié)構(gòu)等顯著優(yōu)點(diǎn)。將其應(yīng)用于故障診斷中的專家系統(tǒng)推理和自學(xué)中，可克服專家系統(tǒng)存在的推理速度慢和先驗(yàn)知識(shí)很少的情況下知識(shí)獲取困難的障礙，具有廣闊的應(yīng)用前景。另外，基于遺傳算法的故障診斷在實(shí)際系統(tǒng)中也得到了應(yīng)用，如變壓器的故障診斷、軸承和齒輪等旋轉(zhuǎn)機(jī)械的故障診斷、

10、發(fā)動(dòng)機(jī)齒輪箱故障監(jiān)測和診斷等。但事物都是一分為二的，遺傳算法也不是完美無缺的，如何解決遺傳算法群體過小帶來的早熟、交叉率及變異率的選擇等問題，使之成功應(yīng)用于故障診斷系統(tǒng)還需要進(jìn)一步研究。1.4.4 故障樹診斷法故障樹模型是一個(gè)基于研究對(duì)象結(jié)構(gòu)、功能特征的行為模型；是一種定性的因果模型；是一種體現(xiàn)故障傳播關(guān)系的有向圖。它從診斷對(duì)象最不希望發(fā)生的事件為頂事件，按照對(duì)象的結(jié)構(gòu)和功能關(guān)系逐層展開，直到不可分事件 (底事件) 為止。故障樹分析法原來用于系統(tǒng)的可靠性設(shè)計(jì)，現(xiàn)已廣泛用于故障診斷領(lǐng)域。但是，由于故障樹是建立在部件聯(lián)系和故障模式分析的基礎(chǔ)之上，因此不能診斷不可知的故障。故障診斷的結(jié)果嚴(yán)重依賴于故

11、障樹信息的完整程度。如果給定的故障樹不完全、不詳細(xì)、不精確，那么對(duì)應(yīng)的診斷也會(huì)不完全、不詳細(xì)、不精確。1.4.5 專家系統(tǒng)診斷法自 1965 年以來，斯坦福大學(xué) DENDRAL 專家系統(tǒng)開始，專家系統(tǒng)的研究和應(yīng)用迅速發(fā)展，具有人工智能的柴油機(jī)故障診斷專家系統(tǒng)也成為現(xiàn)代柴油機(jī)管理的研究方向。20 世紀(jì) 70 年代美國通用電器公司研制出基于規(guī)則的內(nèi)燃電纜機(jī)車故障診斷系統(tǒng) (DELTA專家系統(tǒng))，1996 年美國 EMD 和 Rockwell 公司聯(lián)合開發(fā)的柴油機(jī)狀態(tài)監(jiān)視系統(tǒng) (ICM) 和診斷專家系統(tǒng)(EMD)。專家系統(tǒng)利用專家經(jīng)驗(yàn)，從大量的樣本中提取故障特征，描述故障和征兆之間的關(guān)系網(wǎng)。在進(jìn)行故

12、障診斷時(shí)，根據(jù)已知事實(shí)，采用基于推理機(jī)通過故障原因與征兆進(jìn)行匹配。專家系統(tǒng)是診斷領(lǐng)域最引人注目，也是研究最多、應(yīng)用最廣的一類智能診斷技術(shù)。它主要應(yīng)用于沒有精確數(shù)學(xué)模型或者很難建立數(shù)學(xué)模型的復(fù)雜系統(tǒng)。在實(shí)際的運(yùn)用中，有基于網(wǎng)絡(luò)的故障診斷專家系統(tǒng)的診斷方法，此方法建立基于網(wǎng)絡(luò)的智能診斷系統(tǒng)，并討論在建立此系統(tǒng)時(shí)的診斷過程和相關(guān)困難。1.4.6 小波分析診斷法小波分析法是 20 世紀(jì) 80 年代中期由法國學(xué)者Daubeches 和 Callet 引入信號(hào)處理領(lǐng)域而發(fā)展起來的數(shù)學(xué)理論和方法，它能解決許多傅里葉變換難以解決的問題，被認(rèn)為是傅里葉分析方法的突破性進(jìn)展。其基本思想是用信號(hào)在一簇基函數(shù)張成空間

13、上的投影表征該信號(hào)。小波分析優(yōu)于傅里葉之處在于：小波分析在時(shí)域和頻域同時(shí)具有良好的局部化性質(zhì)，是一種窗口大小 (即窗口面積) 固定但其形狀、時(shí)間窗和頻率都可以改變的時(shí)頻局部化分析方法。即在低頻部分具有較高的頻率分辨率和較低的時(shí)間分辨率，能聚焦到信號(hào)的任意細(xì)節(jié)，對(duì)信號(hào)的突變有很強(qiáng)的識(shí)別能力，能有效地去噪和提取有用信號(hào)，被譽(yù)為分析信號(hào)的顯微鏡，小波分析在信號(hào)處理、圖像處理、話音分析、模式識(shí)別、量子物理、生物醫(yī)學(xué)工程、計(jì)算機(jī)視覺、故障診斷及眾多非線性科學(xué)領(lǐng)域都有廣泛的應(yīng)用?；谛〔ǚ治龅墓收显\斷方法是先對(duì)信號(hào)進(jìn)行多級(jí)小波分解，得到各子帶數(shù)據(jù)，通過對(duì)小波變換系數(shù)模極大值的檢測來實(shí)現(xiàn)對(duì)信號(hào)奇異性的檢測，

14、從而確定故障發(fā)生的時(shí)間。小波變換在故障診斷中的具體應(yīng)用表現(xiàn)在以下幾個(gè)方面： 利用小波變換檢測信號(hào)的突變； 利用觀測信號(hào)頻率結(jié)構(gòu)的變化； 利用脈沖響應(yīng)函數(shù)的小波變換； 利用小波變換去噪提取系統(tǒng)波形特征； 利用小波網(wǎng)絡(luò)。雖然小波分析在信號(hào)處理方面得到了廣泛的應(yīng)用，但總體上說，小波變換理論和小波變換在故障診斷中的應(yīng)用還處于發(fā)展階段，1.4.7 模糊集診斷法模糊集理論是美國控制論學(xué)者 Zadeh 于 1965 年提出的為描述與處理廣泛存在模糊的時(shí)間和概念的理論工具。它能夠處理故障診斷中的不確定信息和不完整信息，基于模糊集的故障診斷方法主要是利用集合論中的隸屬度函數(shù)和模糊關(guān)系矩陣的概念，解決故障與征兆之

15、間的不確定關(guān)系。1.4.8 其他診斷法除了上述理論和方法外，在故障診斷領(lǐng)域中，還有基于向量機(jī)的診斷方法，基于微粒群算法的診斷方法，基于灰色理論的診斷方法，基于云模型的診斷方法以及把各種診斷相結(jié)合的方法。綜上所述，單一的故障診斷技術(shù)有著各自的優(yōu)缺點(diǎn)，難以滿足復(fù)雜系統(tǒng)的診斷要求。因此，將各種不同的診斷方法有效地結(jié)合起來，對(duì)故障診斷有著重要的意義，是故障診斷技術(shù)發(fā)展的一個(gè)趨勢(shì)。2故障診斷研究存在的問題設(shè)備故障診斷技術(shù)雖然取得了不少進(jìn)展，有些方面已有較成熟的理論和方法 ，但仍有許多不足，特別是對(duì)復(fù)雜的大規(guī)模非線性系統(tǒng)故障診斷方法的研究更有待深入地探索。在技術(shù)方面，現(xiàn)有的不同等級(jí)和各種類型的故障診斷裝置

16、，能在不同程度上對(duì)被測對(duì)象進(jìn)行故障診斷，但與實(shí)際的需求相比，還有相當(dāng)大的距離。其主要的不足如下分析。2.1 故障分辨率不高現(xiàn)代大多數(shù)故障診斷系統(tǒng)雖然能快速地進(jìn)行故障診斷，但是由于設(shè)備越來越復(fù)雜，加上電路的非線性問題，使檢測點(diǎn)和施加的測試信號(hào)受到限制，因此影響了可控性和可測性，同時(shí)造成故障診斷的模糊性和不確定性。另外，在模擬電路中，元器件的故障參數(shù)是一個(gè)連續(xù)量，測量響應(yīng)的數(shù)據(jù)引入誤差是不可避免的。最困難的是各元器件都有一定的容差，因此用字典法即使作硬故障的診斷，其效果也不如數(shù)字電路的字典診斷法。一般地說，字典法只能解決單故障診斷，在實(shí)際應(yīng)用時(shí)幾乎不可能實(shí)現(xiàn)對(duì)多故障的診斷。2.2 信息來源不充分(

17、1) 現(xiàn)有的診斷系統(tǒng)通常只搜集被測對(duì)象當(dāng)前狀態(tài)信息，而對(duì)其過去的狀態(tài)和已做過的維護(hù)工作的信息、故障診斷系統(tǒng)本身的狀態(tài)信息未加考慮。(2) 對(duì)被診斷電路其測試的信號(hào)大多是電信號(hào)如電壓和電流等，而對(duì)其他性質(zhì)的信息較少測試，如溫度、圖像及電磁場信號(hào)等。因此有時(shí)根據(jù)診斷結(jié)果提出的維護(hù)措施不夠準(zhǔn)確有效。2.3 自動(dòng)獲取知識(shí)能力差知識(shí)獲取長期以來一直是專家系統(tǒng)研制中的瓶頸問題，對(duì)于故障智能診斷系統(tǒng)來說也是如此。目前多數(shù)的診斷系統(tǒng)在自動(dòng)獲取知識(shí)方面表現(xiàn)的能力還比較差，限制了系統(tǒng)性能的自我完善、發(fā)展和提高。雖然一些系統(tǒng)或多或少地加入了機(jī)器學(xué)習(xí)的功能，但基本上不能在運(yùn)行的過程中發(fā)現(xiàn)和創(chuàng)造知識(shí)，系統(tǒng)的診斷能力往往

18、僅局限于知識(shí)庫中原有的知識(shí)。2.4 知識(shí)結(jié)合能力差近年來，國外專家在對(duì)診斷與維修領(lǐng)域的專家系統(tǒng)研究中，越來越多地強(qiáng)調(diào)使用深知識(shí)。如 Davis關(guān)于電器設(shè)備故障診斷用結(jié)構(gòu)與原理的方法研究，Chand-rasekara 等人研究的從醫(yī)療診斷領(lǐng)域中的深層知識(shí)進(jìn)行編譯和診斷等。然而他們?cè)谌绾螌㈩I(lǐng)域問題的基本原理與專家經(jīng)驗(yàn)知識(shí)結(jié)合得更好，這方面所做的工作還很少，使得這些系統(tǒng)不能具備與人類專家能力相似的知識(shí)或能力，影響了系統(tǒng)發(fā)揮更大的效能。2.5 對(duì)不確定知識(shí)的處理能力差診斷系統(tǒng)中往往存在大量的不確定性信息，這些信息或是隨機(jī)的、模糊的或是不完全的。如何對(duì)不確定性知識(shí)進(jìn)行表達(dá)和處理，始終是診斷領(lǐng)域研究的熱點(diǎn)

19、問題。雖然有很多不確定性理論在實(shí)際的故障診斷專家系統(tǒng)中得到了較好地應(yīng)用，但是這一問題仍未得到十分有效的解決，在有效、合理、使用的不確定性知識(shí)處理方面存在著巨大的研究潛力?？傊?，故障智能診斷系統(tǒng)無論在理論上還是在系統(tǒng)開發(fā)方面都已取得了很大的進(jìn)步，但真正投入使用并且功能完善的系統(tǒng)并不多，大多數(shù)研究成果仍然停留在實(shí)驗(yàn)室階段。造成這種理論與實(shí)踐脫節(jié)有 2 個(gè)方面的原因，一方面是由于理論研究所限定的條件與實(shí)際應(yīng)用時(shí)的情況相差甚遠(yuǎn)；另一方面是由于對(duì)診斷對(duì)象缺乏深刻的認(rèn)識(shí)和研究，而且作為人工智能技術(shù)本身也有待于進(jìn)一步發(fā)展和完善。3 故障診斷未來發(fā)展趨勢(shì)3.1 多源信息的融合在設(shè)備運(yùn)行過程中，可以利用的狀態(tài)信

20、息有很多，比如機(jī)械的振動(dòng)，聲響、溫度、壓力，電氣的輸出功率、轉(zhuǎn)速和扭矩等，如何對(duì)這些大量的信息進(jìn)行融合，消除多傳感器信息之間可能存在的冗余和矛盾，并加以互補(bǔ)，降低其不確定性，獲得對(duì)故障設(shè)備的一致性描述，是今后故障診斷技術(shù)研究的重點(diǎn)方向。3.2 經(jīng)驗(yàn)知識(shí)與原理知識(shí)緊密結(jié)合在復(fù)雜設(shè)備故障智能診斷系統(tǒng)中，只有將領(lǐng)域問題的基本原理與專家的經(jīng)驗(yàn)知識(shí)相結(jié)合，才能更好地解決診斷問題。因此在建造知識(shí)庫時(shí)，不僅要重視淺知識(shí)的表達(dá)和處理，也要重視深知識(shí)的地位和作用。在該類模型中，深知識(shí)和淺知識(shí)各自用對(duì)它們最適合的方法表示，并構(gòu)成兩種不同類型的知識(shí)庫 (分別稱為“原理專家”和“經(jīng)驗(yàn)專家”)，2 個(gè)知識(shí)庫各有 1 個(gè)

21、推理機(jī)構(gòu)，這樣它們?cè)诟髯缘臋?quán)力范圍內(nèi)自成 1 個(gè)專家系統(tǒng)。這 2 個(gè)系統(tǒng)通過協(xié)調(diào)機(jī)制模塊構(gòu)成 1 個(gè)診斷特定問題的完整智能系統(tǒng)。在診斷問題求解時(shí)，淺知識(shí)與深知識(shí)進(jìn)行相互作用，什么類型的知識(shí)在診斷過程中起控制作用可能每時(shí)每刻都在發(fā)生變化。從一個(gè)知識(shí)源獲得的信息很容易通過協(xié)調(diào)機(jī)制結(jié)構(gòu)轉(zhuǎn)化為另一個(gè)知識(shí)源的信息。當(dāng)“經(jīng)驗(yàn)專家”工作時(shí)，原理專家在一旁“觀望”，一旦“經(jīng)驗(yàn)專家”的求解能力下降，或者診斷失敗，即刻就由“原理專家”攜帶著從“經(jīng)驗(yàn)專家”那里獲得的所有診斷信息開始工作。如果問題已知，“經(jīng)驗(yàn)專家”常先用于診斷，這樣找出問題的解是迅速的，因?yàn)槠渲R(shí)的根據(jù)是表面的啟發(fā)式論據(jù)，即使沒有理解它的含義，也能快

22、速求解問題。如果求解失敗，由于“經(jīng)驗(yàn)專家”提供了大量有價(jià)值的信息，導(dǎo)致“原理專家”能更有效地求解?？傊焖偾蠼庖揽俊敖?jīng)驗(yàn)專家”，而完整、良好的解釋依靠“原理專家”，如此交替使用是非常有效的。3.3 混合智能故障診斷技術(shù)研究目前，將多種不同的智能診斷技術(shù)結(jié)合起來的混合診斷系統(tǒng)是智能故障診斷研究的一個(gè)發(fā)展趨勢(shì)。結(jié)合方式主要是基于規(guī)則的專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)的結(jié)合，CBR 與基于規(guī)則系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的結(jié)合，模糊邏輯、神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的結(jié)合等。其中模糊邏輯、神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)結(jié)合的診斷模型是最具發(fā)展前景的，也是目前人工智能領(lǐng)域的研究熱點(diǎn)之一。這方面的研究剛開始，例如，模糊邏輯與神經(jīng)網(wǎng)絡(luò)的組合機(jī)理、組合后

23、的實(shí)現(xiàn)算法、便于神經(jīng)網(wǎng)絡(luò)處理的模糊知識(shí)的表達(dá)方式等。混合智能故障診斷系統(tǒng)的發(fā)展有如下趨勢(shì)：由基于規(guī)則的系統(tǒng)到基于混合模型的系統(tǒng)；由領(lǐng)域?qū)＜姨峁┲R(shí)到機(jī)器學(xué)習(xí)；由非實(shí)時(shí)診斷到實(shí)時(shí)診斷；由單一推理控制策略到混合推理控制策略等。智能診斷系統(tǒng)在機(jī)器學(xué)習(xí)、診斷實(shí)時(shí)性等方面的性能改善，是決定其有效性和廣泛應(yīng)用性的關(guān)鍵。3.4 基于物聯(lián)網(wǎng)的遠(yuǎn)程協(xié)作診斷技術(shù)研究基于物聯(lián)網(wǎng)的設(shè)備故障遠(yuǎn)程協(xié)作診斷15是將設(shè)備診斷技術(shù)、信息傳感設(shè)備 (如射頻識(shí)別裝置、紅外感應(yīng)器、全球定位系統(tǒng)、激光掃描器等)，與計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)相結(jié)合，用若干臺(tái)計(jì)算機(jī)作為服務(wù)器，在企業(yè)的關(guān)鍵設(shè)備上建立狀態(tài)監(jiān)測點(diǎn)，采集設(shè)備狀態(tài)數(shù)據(jù)，在技術(shù)力量較強(qiáng)的科研院所建立分析診斷中心，為企業(yè)提供遠(yuǎn)程技術(shù)支持和保障。利用先進(jìn)的物聯(lián)網(wǎng)技術(shù)，通過網(wǎng)絡(luò)診斷軟件，在辦公室計(jì)算機(jī)上進(jìn)行分析診斷設(shè)備的故障，網(wǎng)上發(fā)放檢修計(jì)劃，下達(dá)設(shè)備采購計(jì)劃等工作。基于物聯(lián)網(wǎng)的設(shè)備故障遠(yuǎn)程協(xié)作診斷系統(tǒng)在提高生產(chǎn)率及降低設(shè)備的故障率、降低設(shè)備維修成本等方面有很大優(yōu)勢(shì)，是未來故障診斷系統(tǒng)的發(fā)展方向。4 總結(jié)故障診斷是一門實(shí)用性很強(qiáng)的新興研究領(lǐng)域。對(duì)于現(xiàn)代化設(shè)備來說，不出故障是很難做到的，問題在于早期發(fā)現(xiàn)，防患于未然，而以時(shí)間為