雕刻機(jī)——機(jī)電一體化實(shí)習(xí)報(bào)告

1、目錄摘 要：1關(guān)鍵詞：11.人工神經(jīng)網(wǎng)絡(luò)在智能故障診斷技術(shù)中的應(yīng)用11.1智能故障診斷技術(shù)的特點(diǎn)11.2神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合的智能故障診斷系統(tǒng)21.2.1傳統(tǒng)專家系統(tǒng)存在的問(wèn)題21.2.2人工神經(jīng)網(wǎng)絡(luò)的原理及其特點(diǎn)21.2.3神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的結(jié)合方式41.2.4智能故障診斷系統(tǒng)的結(jié)構(gòu)表示52.結(jié)束語(yǔ)6參考文獻(xiàn)6神經(jīng)網(wǎng)絡(luò)在智能故障診斷技術(shù)中的應(yīng)用及其發(fā)展趨勢(shì)吳禮謙 指導(dǎo)老師：崔永杰摘 要：介紹了人工神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合的智能故障診斷系統(tǒng)的優(yōu)點(diǎn) 、結(jié)構(gòu)組成、工作原理以及運(yùn)行過(guò)程并預(yù)測(cè)了人工神經(jīng)網(wǎng)絡(luò)應(yīng)用的發(fā)展趨勢(shì)。關(guān)鍵詞：人工神經(jīng)網(wǎng)絡(luò)；專家系統(tǒng)；智能故障診斷控制系統(tǒng)的故障檢測(cè)與診斷技術(shù)(

2、FDD,fault de2 tection and diagnosis)從上世紀(jì)70年代產(chǎn)生到現(xiàn)在已取得了迅速發(fā)展,它是一門綜合性技術(shù),涉及現(xiàn)代控制理論、信號(hào)處理、模式識(shí)別、人工智能、電子技術(shù)、數(shù)理統(tǒng)計(jì)、模糊邏輯等學(xué)科理論,與容錯(cuò)控制、魯棒控制、自適應(yīng)控制、智能控制有著密切的聯(lián)系。故障檢測(cè)就是判斷系統(tǒng)是否發(fā)生了故障以及檢測(cè)出故障發(fā)生的時(shí)刻;而故障診斷涉及故障分離、故障辨識(shí)等內(nèi)容,包括分離出故障發(fā)生的部位(傳感器、執(zhí)行器或元部件)、判別故障的種類(緩變型或突變型)、估計(jì)故障的嚴(yán)重程度和時(shí)變特性,并進(jìn)行評(píng)價(jià)與決策等內(nèi)容。故障診斷最初采取的方法是硬件冗余技術(shù),該方法的缺陷是要增加更多的測(cè)試設(shè)備,使系

3、統(tǒng)結(jié)構(gòu)復(fù)雜化。目前所說(shuō)的FDD技術(shù)都是以軟件冗余(解析冗余)為主,包括了故障檢測(cè)、故障分離、故障辨識(shí)故障估計(jì)、故障預(yù)報(bào)和故障決策等內(nèi)容。該技術(shù)按是否需要建立系統(tǒng)的精確數(shù)學(xué)模型可分為兩大類:一類是完全基于控制系統(tǒng)數(shù)學(xué)模型的方法;另一類是基于人工智能、專家系統(tǒng)、模式識(shí)別和模糊理論等技術(shù)的智能故障診斷方法。在控制系統(tǒng)的故障診斷中,基于數(shù)學(xué)模型的診斷技術(shù)目前已取得了相當(dāng)?shù)倪M(jìn)展,如Kalman濾波、觀測(cè)器、參數(shù)估計(jì)和一致空間法等。這類方法需要建立被診斷對(duì)象較為精確的數(shù)學(xué)模型,其診斷原理是利用模型系統(tǒng)所產(chǎn)生的信號(hào)與實(shí)際測(cè)量的系統(tǒng)信號(hào)相比較的差值構(gòu)成殘差向量,通過(guò)對(duì)殘差序列的統(tǒng)計(jì)分析,可檢測(cè)出故障的發(fā)生并進(jìn)

4、行故障診斷。但該技術(shù)在應(yīng)用方面受到不少限制,一個(gè)重要的問(wèn)題就是要求系統(tǒng)有精確的數(shù)學(xué)模型,而實(shí)際往往存在描寫模型的不確定性,導(dǎo)致了這些方法的不實(shí)用性;另外,由于非線性系統(tǒng)的復(fù)雜多樣性,控制系統(tǒng)的建模非常困難,故障診斷要求得到系統(tǒng)的在線狀態(tài)和參數(shù)估計(jì)的手段并不多,尤其在系統(tǒng)存在模型不確定性、噪聲統(tǒng)計(jì)特性并不理想時(shí),使得傳統(tǒng)的動(dòng)態(tài)數(shù)學(xué)模型方法的應(yīng)用更為困難。而智能故障診斷系統(tǒng)由于不需要建立控制系統(tǒng)的精確數(shù)學(xué)模型,因此在故障診斷中得到了越來(lái)越廣泛的重視。1.人工神經(jīng)網(wǎng)絡(luò)在智能故障診斷技術(shù)中的應(yīng)用1.1智能故障診斷技術(shù)的特點(diǎn)智能故障診斷中的“智能化”主要體現(xiàn)在診斷過(guò)程中領(lǐng)域?qū)＜以\斷知識(shí)的干預(yù),即在對(duì)故障

5、信號(hào)進(jìn)行檢測(cè)與處理的基礎(chǔ)上,結(jié)合領(lǐng)域?qū)＜抑R(shí)和人工智能技術(shù)進(jìn)行推理,具有對(duì)給定環(huán)境下的診斷對(duì)象進(jìn)行狀態(tài)識(shí)別和狀態(tài)預(yù)測(cè)的能力。智能診斷可以綜合多個(gè)領(lǐng)域?qū)＜业淖罴呀?jīng)驗(yàn),其功能水平可以超過(guò)專家,實(shí)現(xiàn)多故障、多過(guò)程、突發(fā)性故障的快速分析診斷。智能故障診斷系統(tǒng)具有以下特點(diǎn):1.具有人工智能的特點(diǎn),適合用于模擬人的邏輯思維過(guò)程,解決需要進(jìn)行邏輯推理的復(fù)雜診斷問(wèn)題;2.根據(jù)診斷過(guò)程的需要,搜索和利用領(lǐng)域?qū)＜业闹R(shí)及經(jīng)驗(yàn)來(lái)達(dá)到診斷目的;3.具有自學(xué)習(xí)、自完善的功能。診斷系統(tǒng)在同環(huán)境進(jìn)行信息交互的過(guò)程中,能從環(huán)境的變化中學(xué)習(xí)新知識(shí),對(duì)知識(shí)庫(kù)中的知識(shí)自動(dòng)進(jìn)行調(diào)整、修改和維護(hù),不斷實(shí)現(xiàn)自我完善。1.2神經(jīng)網(wǎng)絡(luò)和專家

6、系統(tǒng)相結(jié)合的智能故障診斷系統(tǒng)1.2.1傳統(tǒng)專家系統(tǒng)存在的問(wèn)題專家系統(tǒng)是運(yùn)用基于知識(shí)的程序設(shè)計(jì)方法建立起來(lái)的計(jì)算機(jī)系統(tǒng),它擁有某個(gè)特殊領(lǐng)域內(nèi)專家的知識(shí)和經(jīng)驗(yàn),并能像專家那樣運(yùn)用這些知識(shí),通過(guò)推理,在那個(gè)領(lǐng)域上作出智能決策。它將領(lǐng)域知識(shí)編成一系列產(chǎn)生式規(guī)則,可以解決許多系統(tǒng)的故障診斷問(wèn)題,但在實(shí)際工程應(yīng)用中仍存在不少問(wèn)題:1.知識(shí)獲取的“瓶頸”。因?yàn)樵趯?duì)領(lǐng)域?qū)＜抑R(shí)進(jìn)行加工處理和規(guī)則化時(shí),完全取決于專家合作程度、經(jīng)驗(yàn)和適用性等,而構(gòu)造專家系統(tǒng)的關(guān)鍵就在于知識(shí)的獲取。2.系統(tǒng)脆弱性。即知識(shí)和經(jīng)驗(yàn)不全面,遇到?jīng)]解決過(guò)的問(wèn)題就無(wú)能為力,只有表面性及經(jīng)驗(yàn)性知識(shí),缺乏本質(zhì)與理性的知識(shí),忽視了對(duì)知識(shí)的理解等深

7、層作用,一旦出現(xiàn)啟發(fā)規(guī)則未考慮的情況,系統(tǒng)性能急劇下降。3.知識(shí)庫(kù)管理困難。當(dāng)知識(shí)庫(kù)非常龐大時(shí),由于專家系統(tǒng)采用串行方式,推理方法簡(jiǎn)單且控制策略不靈活,引起搜索速度下降、規(guī)則相互抵觸等知識(shí)組合爆炸問(wèn)題,由于系統(tǒng)不具備聯(lián)想及自學(xué)習(xí)能力,對(duì)知識(shí)庫(kù)的更新、修改及維護(hù)相當(dāng)麻煩。4.推理能力差,智能水平低。5.實(shí)際應(yīng)用受限制,傳統(tǒng)專家系統(tǒng)的通用性較差,過(guò)于依賴一個(gè)具體研究對(duì)象。1.2.2人工神經(jīng)網(wǎng)絡(luò)的原理及其特點(diǎn)人工神經(jīng)網(wǎng)絡(luò)(ANN,artificial neural network)是基于神經(jīng)科學(xué)研究的最新成果發(fā)展起來(lái)的邊緣學(xué)科。對(duì)人工神經(jīng)網(wǎng)絡(luò)研究可上溯到1957年Frank Rosenblatt提出

8、的感知器(perceptron)模型,其廣泛興起于20世紀(jì)的80年代。人工神經(jīng)網(wǎng)絡(luò)是有大量處理單元互連而成用于模擬人腦行為的復(fù)雜網(wǎng)絡(luò)系統(tǒng),基本處理單元PE(processing element)是人工神經(jīng)元,也稱為結(jié)點(diǎn)。人工神經(jīng)網(wǎng)絡(luò)主要是模擬人腦神經(jīng)系統(tǒng)的工作原理:外部刺激信號(hào)或上級(jí)神經(jīng)元信號(hào)經(jīng)過(guò)合成后由樹突傳給神經(jīng)元細(xì)胞體處理,最后由突觸(Synap se)輸出給下級(jí)神經(jīng)元或作出響應(yīng)。基于這個(gè)理論,人們相繼提出了多種人工神經(jīng)元模型。1943年,心理學(xué)家W.S.McCulloch和數(shù)理邏輯家W.Pitts發(fā)表在“數(shù)學(xué)生物物理學(xué)會(huì)刊”“(Bulletin of Mathematical Biop

9、hysics”)上的文章中提出了目前使用最普遍的形式神經(jīng)元的M-P模型,其結(jié)構(gòu)如圖1所示。圖 1 人工神經(jīng)元示意圖圖1中,I1,I2,IN 表示其他n個(gè)神經(jīng)元的突觸輸出,W1,W2,WN 為其他n個(gè)神經(jīng)元的突觸連接,其值可正可負(fù),分別表示興奮性突觸和抑制性突觸。為閾值,神經(jīng)元的輸出f()稱為變換函數(shù),一般采用的形式有線性函數(shù)、階躍函數(shù)、Sigmoid函數(shù)及雙曲正切函數(shù)等?；谶@種神經(jīng)元結(jié)構(gòu),人們建立了多種人工神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型,如:BP網(wǎng)絡(luò)、ART網(wǎng)絡(luò)、Hopfield網(wǎng)絡(luò)、Boltzmann機(jī)、BAM網(wǎng)絡(luò)和SOM網(wǎng)絡(luò)等。在故障診斷領(lǐng)域中,使用最廣泛的是BP網(wǎng)絡(luò),但是,使用BP網(wǎng)絡(luò)存在一個(gè)問(wèn)題,

10、就是難以處理多故障問(wèn)題。當(dāng)輸入一個(gè)學(xué)習(xí)樣本,雖然BP網(wǎng)絡(luò)經(jīng)過(guò)學(xué)習(xí)能夠達(dá)到穩(wěn)定,但改變輸入樣本后,輸出結(jié)果無(wú)法令人滿意。因此必須采用其他方法進(jìn)行多故障的診斷,BAM網(wǎng)絡(luò)最適合多故障診斷場(chǎng)合。BAM又稱為雙向聯(lián)想存儲(chǔ)器(bidirec2tional associative memory),其拓?fù)浣Y(jié)構(gòu)如圖2所示。BAM網(wǎng)絡(luò)是由兩層層間互連且同層不連的神經(jīng)元域Fa和Fb構(gòu)成的反饋神經(jīng)網(wǎng)絡(luò),其中Fa包含n個(gè)處理單元,即Fa=a1,a2,an,Fb包含p個(gè)處理單元,即Fb=b1,b2,bp。為了使神經(jīng)網(wǎng)絡(luò)能夠執(zhí)行某種任務(wù),需要確定描述網(wǎng)絡(luò)的各種特性參數(shù),如處理單元、連接模型、激活規(guī)則和學(xué)習(xí)規(guī)則等。由于神經(jīng)

11、網(wǎng)絡(luò)中信息的長(zhǎng)期存儲(chǔ)是通過(guò)處理單元的互連權(quán)值矩陣來(lái)實(shí)現(xiàn)的,因而確定連接權(quán)值矩陣是神經(jīng)網(wǎng)絡(luò)的一個(gè)重要研究?jī)?nèi)容。連接權(quán)值矩陣的確定可通過(guò)直接計(jì)算權(quán)值矩陣和讓網(wǎng)絡(luò)采用“學(xué)習(xí)”兩種方法,其中“學(xué)習(xí)”又分為有監(jiān)督學(xué)習(xí)(有導(dǎo)師離線學(xué)習(xí))、無(wú)監(jiān)督學(xué)習(xí)(無(wú)導(dǎo)師在線學(xué)習(xí))和增強(qiáng)學(xué)習(xí)算法。在BAM網(wǎng)絡(luò)中,所有的突觸信息均包含在一個(gè)nXp的矩陣W中,這個(gè)矩陣實(shí)際上就是一個(gè)權(quán)值矩陣,當(dāng)權(quán)值矩陣W建立完成后,就能進(jìn)行故障診斷了。人工神經(jīng)網(wǎng)絡(luò)具有以下的特點(diǎn):1.適應(yīng)性強(qiáng),系統(tǒng)能通過(guò)“學(xué)習(xí)”較容易地調(diào)整到一個(gè)新的環(huán)境,由此引出一系列學(xué)習(xí)算法以適應(yīng)各種應(yīng)用條件;2.魯棒性和容錯(cuò)性,即少量神經(jīng)元連接或輸入發(fā)生故障不會(huì)明顯改變網(wǎng)

12、絡(luò)的性能,這是由網(wǎng)絡(luò)的一些動(dòng)力學(xué)性質(zhì)所決定的;3.能處理具有模糊性、隨機(jī)性、噪聲或不相容性的信息,應(yīng)用隨機(jī)動(dòng)力學(xué)模型可獲取較好的效果;4.高度并行性;5.具有處理復(fù)雜多模式及非線性問(wèn)題的能力以及進(jìn)行聯(lián)想、推測(cè)和記憶的功能;6.小型、緊湊、耗能小。1.2.3神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)的結(jié)合方式神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)用于故障診斷的結(jié)合方式有多種形式,大致可分為以下3種集成方式:1.專家系統(tǒng)為診斷系統(tǒng)的中心,神經(jīng)網(wǎng)絡(luò)提供輔助支持。專家系統(tǒng)實(shí)現(xiàn)診斷系統(tǒng)的主要功能,如知識(shí)獲取、知識(shí)表示、推理判斷等,而神經(jīng)網(wǎng)絡(luò)可用于合理剔除、修改規(guī)劃,對(duì)知識(shí)庫(kù)進(jìn)行維護(hù)等輔助功能。2.神經(jīng)網(wǎng)絡(luò)為診斷系統(tǒng)中心,由專家系統(tǒng)提供輔助支持。專

13、家系統(tǒng)的輔助功能主要體現(xiàn)在兩方面:一是為神經(jīng)網(wǎng)絡(luò)提供所需的預(yù)處理,二是為神經(jīng)網(wǎng)絡(luò)提供專家解釋。故障診斷系統(tǒng)的診斷知識(shí)庫(kù)可分為顯式和隱式兩種形式。面向領(lǐng)域?qū)＜摇⒅R(shí)工程師和用戶的顯式知識(shí)庫(kù)表示有關(guān)診斷對(duì)象的征兆與故障關(guān)系的產(chǎn)生式規(guī)則;面向神經(jīng)網(wǎng)絡(luò)推理機(jī)的隱式知識(shí)庫(kù)表示由產(chǎn)生式規(guī)則轉(zhuǎn)化而來(lái)的以內(nèi)部編碼形式存在的學(xué)習(xí)樣本以及學(xué)習(xí)之后得到的權(quán)系數(shù)集合和閾值集合。3.并列協(xié)調(diào)式。神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)作為獨(dú)立的模塊,分別執(zhí)行診斷系統(tǒng)的某些功能,再經(jīng)過(guò)組合,得到診斷結(jié)果。對(duì)于復(fù)雜控制系統(tǒng),由于發(fā)生故障的形式千變?nèi)f化,沒有一個(gè)固定的模式,因此故障診斷系統(tǒng)可采用并列協(xié)調(diào)式,充分發(fā)揮傳統(tǒng)專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的

14、各自特點(diǎn),分別用于不同類型故障的診斷。在診斷過(guò)程中可用協(xié)調(diào)機(jī)構(gòu)將單過(guò)程、單故障、確定型故障以及緩變型故障的診斷對(duì)象分配給傳統(tǒng)專家系統(tǒng)進(jìn)行診斷,將多過(guò)程、多故障、不確定型故障以及突變型故障的診斷對(duì)象分配給神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)進(jìn)行診斷,充分發(fā)揮各自優(yōu)勢(shì),又使二者互相協(xié)調(diào);同時(shí)由于神經(jīng)網(wǎng)絡(luò)具有自學(xué)習(xí)的功能,在診斷過(guò)程中神經(jīng)網(wǎng)絡(luò)能不斷歸納出新的診斷規(guī)則,充分混合專家系統(tǒng)知識(shí)庫(kù)的內(nèi)容。1.2.4智能故障診斷系統(tǒng)的結(jié)構(gòu)表示神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合的智能故障診斷系統(tǒng)的結(jié)構(gòu)如圖2所示。圖 2 神經(jīng)網(wǎng)絡(luò)與專家系統(tǒng)相結(jié)合的故障診斷系統(tǒng)結(jié)構(gòu)圖故障診斷系統(tǒng)的診斷知識(shí)庫(kù)可分為顯式和隱式兩種形式。面向領(lǐng)域?qū)＜?、知識(shí)工程師和用

15、戶的顯式知識(shí)庫(kù)表示有關(guān)診斷對(duì)象的征兆與故障關(guān)系的產(chǎn)生式規(guī)則;面向神經(jīng)網(wǎng)絡(luò)推理機(jī)的隱式知識(shí)庫(kù)表示由產(chǎn)生式規(guī)則轉(zhuǎn)化而來(lái)的以內(nèi)部編碼形式存在的學(xué)習(xí)樣本以及學(xué)習(xí)之后得到的權(quán)系數(shù)集合和閾值集合。測(cè)試滿足時(shí),可得出診斷結(jié)果和相應(yīng)解決措施。其中,CF表示前提可信度;RCF表示規(guī)則強(qiáng)度。這種表示方法既可以表達(dá)知識(shí)的橫向聯(lián)系,又可以表達(dá)知識(shí)的縱向聯(lián)系,從而能夠完整地將知識(shí)結(jié)構(gòu)和因果關(guān)系表達(dá)清楚。例如,對(duì)某一裝備故障用Petri網(wǎng)來(lái)描述,如圖3圖 3 知識(shí)表示該故障樹各結(jié)點(diǎn)表示相應(yīng)的故障,且此模式不是固定的,通過(guò)咨詢過(guò)程不斷生成,進(jìn)而產(chǎn)生整個(gè)故障樹。2.結(jié)束語(yǔ)神經(jīng)網(wǎng)絡(luò)為現(xiàn)代復(fù)雜大系統(tǒng)的狀態(tài)監(jiān)測(cè)和故障診斷提供了全新的理論方法和技術(shù)實(shí)現(xiàn)手段。神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)是一類新的知識(shí)表達(dá)體系，與傳統(tǒng)專家系統(tǒng)的高層邏輯模型不同，它是一種低層數(shù)值模型，信息處理是通過(guò)大量的簡(jiǎn)單處理元件（結(jié)點(diǎn)）之間的相互作用而進(jìn)行的。由于它的分布式信息保持方式，為專家系統(tǒng)知識(shí)的獲取與表達(dá)以及推理提供了全新的方式。它將邏輯推理與數(shù)值運(yùn)算相結(jié)合,利用神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)的優(yōu)勢(shì)。神經(jīng)網(wǎng)絡(luò)擅長(zhǎng)數(shù)值計(jì)算,適合進(jìn)行淺層次的 經(jīng)驗(yàn)推理；專家系統(tǒng)的特點(diǎn)是符號(hào)推理，適合進(jìn)行深層次的邏輯推理。智能系統(tǒng)以并行工作方式運(yùn)行,既擴(kuò)大了狀態(tài)監(jiān)測(cè)和故障診斷的范圍，又可滿足狀態(tài)監(jiān)測(cè) 和故障診斷的實(shí)時(shí)性要求。既強(qiáng)調(diào)符號(hào)推理，又注重?cái)?shù)值計(jì)算，因此能適應(yīng)當(dāng)前故障診斷系