面向?qū)ο蟮姆椒ㄔ跈C械故障診斷系統(tǒng)中的應用資料

1、    面向?qū)ο蟮姆椒ㄔ跈C械故障診斷系統(tǒng)中的應用    面向?qū)ο蟮姆椒ㄔ跈C械故障診斷系統(tǒng)中的應用    類別：傳感與控制      作者：上海交通大學自動化系 張苗苗 謝劍英    合肥工業(yè)大學電氣工程系 方 敏    來源：電子技術(shù)應用         面向

2、對象的方法在機械故障診斷系統(tǒng)中的應用     摘 要：    針對機械設備的故障診斷，應用面向?qū)ο蟮姆椒ê图夹g(shù)簡化了復雜系統(tǒng)的設計，提高了知識的表達能力和診斷效率。    關(guān)鍵詞： 面向?qū)ο?建模 知識庫 消息傳遞    故障診斷    面向?qū)ο蟮姆椒ㄗ鳛橐环N新的程序設計思想和認知方法學引起了人們廣泛的重視。其基本特征有：信息隱蔽（或封裝）、數(shù)據(jù)抽象、動態(tài)鏈接和繼承。面向?qū)ο蟮某绦蚓哂心K化、表達

3、廣泛概念、默認值表達和代碼復用等特點。面向?qū)ο缶幊淌瓜到y(tǒng)軟件結(jié)構(gòu)和空間中對問題的描述相一致，把對應于客觀存在實體的數(shù)據(jù)和作用于實體的過程包含在一個“對象”之內(nèi)，從而使對象成為比數(shù)據(jù)和過程具有更高結(jié)構(gòu)層次的計算實體1。     診斷是在對某一研究對象的目前所處狀態(tài)及其有關(guān)參數(shù)作出判決后，得到有益的信息，進而對所研究對象的運行情況作出正確與否的結(jié)論。對于復雜系統(tǒng)的診斷問題，診斷過程復雜，診斷知識多樣。而采用面向?qū)ο蟮募夹g(shù)則可以使故障診斷系統(tǒng)具有良好的可擴充性和可重用性，便于從現(xiàn)實事物對象提取系統(tǒng)抽象模型，實現(xiàn)復雜系統(tǒng)的設計；并且有利于實現(xiàn)系統(tǒng)對故障知識進行層

4、次表示和混合表達，提高系統(tǒng)故障診斷效率?？梢哉f，面向?qū)ο蟮募夹g(shù)在故障診斷系統(tǒng)的設計及實現(xiàn)中得到了充分的體現(xiàn)。下面結(jié)合所研制的故障診斷系統(tǒng)對此作以描述。此系統(tǒng)由軟、硬件實現(xiàn)，主要是有目的地采集相關(guān)信息，用適當?shù)姆治龇椒ㄌ崛∮幸饬x的特征；并應用診斷知識與合適的分析策略，分析出系統(tǒng)中故障的部位及原因，并加以定量描述；最后作出診斷決策和狀態(tài)預測，實現(xiàn)采用了面向?qū)ο蟮姆治龊途幊谭椒?。主要包括?shù)據(jù)采集、信號分析、診斷對象建模、神經(jīng)網(wǎng)絡建模、診斷等模塊。     面向?qū)ο蟮幕咎卣?356     層次性  

5、      面向?qū)ο蠓椒▽W認為對象都可由相對簡單的對象經(jīng)層層組合而成，因此復雜對象可按其結(jié)構(gòu)抽象分解關(guān)系組成層次結(jié)構(gòu)，這樣可把復雜系統(tǒng)看成是一個由有限的結(jié)構(gòu)元素按一定規(guī)律聚合而成的系統(tǒng)，系統(tǒng)的元素是子系統(tǒng)，子系統(tǒng)的元素可以是更深層次的子系統(tǒng)，如此類推，直至把元素表示為某一具體的物理零件。現(xiàn)以CE6140型車床的結(jié)構(gòu)分解來說明這種層次結(jié)構(gòu)，示意圖如圖1所示。同樣，復雜系統(tǒng)的故障也具有層次關(guān)系，這樣可深入到基本結(jié)構(gòu)元素，找到引起故障的最終原因，如圖所示。因此，基于機床這一復雜診斷對象的層次特性，可對其進行結(jié)構(gòu)分解和故障分解，以逐步細化縮小

6、故障范圍，降低診斷問題求解的復雜性，提高診斷的準確性和靈活性。    由于機械設備機構(gòu)和故障的層次性與面向?qū)ο蠹夹g(shù)中的對象的繼承性和層次性相對應，因此設備診斷對象的構(gòu)成適合采用面向?qū)ο蟮姆椒?。在機械設備中，如果設備的元素或系統(tǒng)有故障，則所有包含這個元素的上級設備子系統(tǒng)直至設備本身也有故障。而當上一級設備元素有故障，則此故障必源于下一級相應的元素或聯(lián)系的故障2。     類和實例    在面向?qū)ο蠓椒▽W中，所有對象都是類的實例。對象類是建立在對象概念基礎上，由類所描述的對象即稱

7、為類的實例。類是實例的模板，也是數(shù)據(jù)的抽象；實例是類的一個個體。設備的基本元件有齒輪、軸、軸承等?？煞謩e設計類，包含其屬性描述和功能描述。如齒輪類聲明如下：    TGearTool：public TBoxTool 從TboxTool繼承     public:     TGearTool():TBoxTool();    TGearTool(char*name):TBoxTool(name);運用多態(tài)性技術(shù)  &#

8、160; TGearTool();    析構(gòu)函數(shù)    virtual void DrawObject(TDC);    畫齒輪    bool oprrator (const TGearTool other) const;    GearParam gearparam;    齒輪屬性    protec

9、ted:    friend ostream operator (ostream os,const    TGearTool tool);    運用流類的輸入來保存永久對象    friend istream operator(istreamis,TGearTool tool); 運用流類的輸出打開永久對象           

10、; 類與類之間的繼承關(guān)系也即子類父類的關(guān)系。上面三個類分別從零部件類Component繼承特性，因為齒輪、軸、軸承等可進一步抽取其共性如型號、材料、特征故障頻率等，形成零部件類。齒輪類、軸類等也可進一步派生其它類，如圖3所示。    在軟件系統(tǒng)中，這種面向?qū)ο蟪绦蛟O計提供的繼承機制，可以避免對象的數(shù)據(jù)和操作的大量重復，實現(xiàn)代碼重用，大大地減少了對象、對象類的創(chuàng)建工作量。這種繼承性使所建的軟件系統(tǒng)具有開放性，要建立的系統(tǒng)并非從空白開始，而是盡可能利用已建立的系統(tǒng)或已建立的類，以它們?yōu)榛A進行擴充，考慮向上或向下的接口方法3。  

11、;   消息傳遞     對象間除了通過消息傳遞完成通信外，不再有任何其它的聯(lián)系。消息中可以包含運算參數(shù)，也可有對象名。向某對象發(fā)送消息就是要求它根據(jù)目前狀態(tài)和處理能力執(zhí)行某個操作。在消息傳遞過程中，消息發(fā)送者只是知道消息接受者具有某種功能，而不知道它的內(nèi)部結(jié)構(gòu)以及如何實現(xiàn)這種功能，從而支撐了數(shù)據(jù)的抽象和封裝。診斷系統(tǒng)，主要由齒輪、軸、軸承等零部件對象通過一定的傳動關(guān)系有序組成，當此傳動鏈上的某根軸接受到賦予其轉(zhuǎn)速的消息時，則根據(jù)對象內(nèi)所提供的操作計算出該軸的特征頻率，同時發(fā)送消息給此傳動鏈上相關(guān)對象。這些對象接受到消息后，分別在其內(nèi)

12、部根據(jù)一定的傳動信息計算出對象的特征頻率。診斷過程也是用消息來觸發(fā)，例如對于齒輪故障診斷，當齒輪對象接受到其它對象所發(fā)出的診斷消息時，它會根據(jù)其當時的狀態(tài)如故障特征頻率、故障特征頻率處的相對幅值比、歸一化值等信息，發(fā)送消息給相應的模糊神經(jīng)網(wǎng)絡自動進行推理、診斷，而不需要外部的干涉，并且其它對象也不知道它的內(nèi)部實現(xiàn)過程。對象間的發(fā)送消息實現(xiàn)了機械設備的診斷，如圖4所示，圖中FNN（Fuzzy    Neural Network）表示模糊神經(jīng)網(wǎng)絡模型。     知識的面向?qū)ο蟊硎?#160;  &#

13、160;復雜系統(tǒng)診斷問題求解中涉及到的診斷知識很多，不僅包括診斷對象的結(jié)構(gòu)與功能方面的知識，還包括各種因果知識、啟發(fā)性知識經(jīng)驗等，因此需把各種知識有機地結(jié)合起來。面向?qū)ο蟮姆椒梢詫⒐收显\斷知識組成一種混合知識表達形式，即以對象為中心，將對象的屬性動態(tài)行為特征、相關(guān)領域知識庫和處理方法等有關(guān)知識封裝在表達對象的結(jié)構(gòu)中，使故障診斷知識庫或文檔具有良好的體系結(jié)構(gòu)；通過對象類的知識表達，實現(xiàn)數(shù)據(jù)抽象與信息共享。     機械設備的面向?qū)ο蟊硎?#160;   由前面敘述可知，診斷對象可分離出各個零部件對象，同時以對象的形式寫出其功

14、能描述和行為描述。每個對象以知識的載體獨立于其它對象，每個子對象可寫出其功能和結(jié)構(gòu)接口描述，以便零部件對象出現(xiàn)在某一特定子對象中，建立與其它零部件對象的功能和接口聯(lián)系。診斷對象的知識庫可由這些零部件知識對象有機地“堆”在一起組成，我們所開發(fā)的面向?qū)ο蟮摹皺C械設備建模工具”把此特性提高到了新的高度。工程師可方便地根據(jù)機械設備的傳動關(guān)系，利用系統(tǒng)所提供的軸、軸承、齒輪、離合器等建模工具方便地作出設備的機械構(gòu)造示意圖，并可通過友好的人機接口賦予零部件對象一定的信息，如軸承滾動體的個數(shù)、接觸角、節(jié)徑等。此診斷對象可方便地修改、查詢，當此傳動鏈上的任意一根軸被賦予一定的轉(zhuǎn)速后，診斷對象能根據(jù)對象間的消息

15、傳遞自動搜索其傳動鏈關(guān)系并計算工作頻率等參數(shù)，搜索后的信息保存在各零部件對象中。診斷設備的面向?qū)ο蟮闹R表示和建模方法增加了知識的可重用性和通用性，減輕了工作人員的計算任務。     診斷知識的面向?qū)ο蟊硎?#160;    不同零部件對象的故障模式對應不同的故障文檔庫，為此可分別對軸、軸承、齒輪、離合器等建立故障文檔庫，文檔庫的知識應可方便地修改、增加、刪除等。每個文檔庫包含的知識可分為兩部分，一部分為故障知識的模糊規(guī)則表示；另一部分為儲存模糊診斷知識的神經(jīng)網(wǎng)絡。之所以用神經(jīng)網(wǎng)絡來儲存模糊規(guī)則，是因為神經(jīng)網(wǎng)絡的學習機制可對

16、原有規(guī)則進行修改、加入新規(guī)則、對修改的規(guī)則和新加入的規(guī)則進行檢查等，且可避免在模糊推理過程中增加模糊性的缺點。在具體實現(xiàn)中，可采用五層FNN保存診斷知識，用神經(jīng)網(wǎng)絡實現(xiàn)模糊推理7；而模糊規(guī)則則用網(wǎng)絡的節(jié)點對象、連接權(quán)對象、連接結(jié)構(gòu)等來翻譯解釋。網(wǎng)絡對象可由開發(fā)的“神經(jīng)網(wǎng)絡建模工具”來實現(xiàn)，根據(jù)不同的故障規(guī)則知識表示可建立不同的網(wǎng)絡對象。     對于具體網(wǎng)絡，可通過網(wǎng)絡對象所提供的初始化方法完成信息的搜尋，如：網(wǎng)絡的最大層數(shù)，網(wǎng)絡的輸入節(jié)點、輸出節(jié)點及隱層節(jié)點，每個節(jié)點對應的網(wǎng)絡層號，與每個節(jié)點相連的前層所有的節(jié)點、連線，與每個節(jié)點相連的下一層所有的節(jié)點

17、、連線，以及每個節(jié)點對象的所選函數(shù)、閾值等。所以網(wǎng)絡的節(jié)點對象和連線對象通過初始化根據(jù)不同的診斷知識保存了不同的信息。這符合面向?qū)ο蟮闹R表達，即以對象為中心，包含與其相關(guān)的完成特定任務的所有知識。     面向?qū)ο蟮脑\斷推理    面向?qū)ο蟮谋磉_機制在診斷推理中起著重要的作用，因為面向?qū)ο蟊磉_的結(jié)構(gòu)特征有助于有效地組織和控制推理行為，同時其本身具有自動推理機制2。診斷推理過程以五層模糊神經(jīng)網(wǎng)絡為例。它能根據(jù)網(wǎng)絡中各個輸入節(jié)點對象的輸入值、閾值、輸入輸出函數(shù)，連線對象的權(quán)值，隱層節(jié)點對象的輸入值、閾值、輸入輸出函數(shù)

18、等一層層地前向推理，最終得到輸出節(jié)點對象所存儲的診斷值，如圖5所示。之所以能自動地前向推理，是因為每層的節(jié)點對象及連線對象不僅存儲了一定的故障規(guī)則知識，還存儲了對象間的接口連接信息。這種診斷推理算法迅速、可靠。它不僅僅適用于某一特定網(wǎng)絡，而且適用于其它具體網(wǎng)絡，網(wǎng)絡的層數(shù)及節(jié)點函數(shù)等網(wǎng)絡信息均未定死。前面提到的網(wǎng)絡對象的建模使它可對故障知識的更新適應得非?？?，而故障知識的及時更新又保證了診斷的可靠、準確。所以這種面向?qū)ο蟮脑\斷推理方法可用于動態(tài)變化的系統(tǒng)，系統(tǒng)變化時，只要非常簡單地操作即可更新故障信息。因此，當設備故障發(fā)生時，診斷網(wǎng)絡會用最新的信息去進行診斷工作。     多態(tài)性及動態(tài)鏈接     多態(tài)性指相同的操作（或函數(shù)、過程）為不同的對象所接受時，可導致不同的行為，即同一操作有不同的實現(xiàn)方法。主要表現(xiàn)在：運算符重載、虛函數(shù)與動態(tài)鏈接。在圖3所示的零部件類中，有一個畫圖函數(shù)DrawObject()就應用了多態(tài)性技術(shù)，它能根據(jù)不同的對象執(zhí)行不同的