人工智能在故障診斷領(lǐng)域的應(yīng)用

1、人工智能在故障診斷領(lǐng)域的應(yīng)用摘要：本文在簡(jiǎn)要介紹故障診斷和人工智能的基礎(chǔ)上，詳細(xì)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(cè)的發(fā)展趨勢(shì)。關(guān)鍵詞：故障診斷；人工智能；專家系統(tǒng)；智能診斷ApplicationofArtificialIntelligenceinthefieldofFaultDiagnosisAbstract:Basedonabriefintroductiononthefaultdiagnosisandartificialintelligence,thispaperdetailedlyanalysestheapplicat

2、ionofartificialintelligenceinthefieldoffaultdiagnosis,includingintelligentfaultdiagnosisandfaultdiagnosisexpertsystem.Finally,thispapersummarizesthedevelopmenttrendoffaultdetectionbasedonartificialintelligence.Keywords:FaultDiagnosis;ArtificialIntelligence;ExpertSystem;IntelligentDiagnosis1引言隨著科學(xué)技術(shù)的

3、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(dòng)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(yùn)行過程中形成一個(gè)整體。一處故障可能引起一系列連鎖反應(yīng)，導(dǎo)致整個(gè)過程不能正常運(yùn)行，甚至?xí)斐芍卮蟮膿p失。因此，對(duì)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(dāng)前研究和應(yīng)用的一個(gè)熱點(diǎn)。系統(tǒng)的故障是指系統(tǒng)的運(yùn)行處于不正常狀態(tài)（劣化態(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

4、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(cè)狀態(tài)劣化的發(fā)展趨勢(shì)等1,2,3。故障診斷的基本思想可以這樣描述：設(shè)被檢測(cè)對(duì)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G它的可觀測(cè)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。F='1一F（特征空間Y；狀態(tài)空間SjfX.yG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(gè)步驟：第一步檢測(cè)設(shè)備狀態(tài)的特征信號(hào)；第二步從檢測(cè)到的信號(hào)中提取征兆；第三步根據(jù)征兆和其他診斷信息來識(shí)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(gè)階段5:第一階段是故障診斷的初級(jí)階

5、段，診斷結(jié)果是建立在領(lǐng)域?qū)＜业母泄俸蛯I(yè)經(jīng)驗(yàn)基礎(chǔ)上，僅對(duì)診斷信息作簡(jiǎn)單的處理，其診斷水平受到個(gè)人技術(shù)能力和工作經(jīng)驗(yàn)的限制。第二階段是以傳感器技術(shù)和動(dòng)態(tài)測(cè)試技術(shù)為手段、以信號(hào)處理和建模處理為基礎(chǔ)的常規(guī)診斷技術(shù)。其中，信號(hào)處理包括統(tǒng)計(jì)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(jì)、系統(tǒng)辨識(shí)、模式識(shí)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(dòng)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(cè)診斷技術(shù)等。第三階段是智能診斷技術(shù)階段。所謂診斷系統(tǒng)的智能

6、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(duì)給定環(huán)境下的診斷對(duì)象進(jìn)行成功狀態(tài)識(shí)別和狀態(tài)預(yù)測(cè)的能力。至80年代中期以后，由于機(jī)器設(shè)備的大型化、復(fù)雜化以及連續(xù)高速運(yùn)行的需要，加之自動(dòng)化制造系統(tǒng)的誕生和發(fā)展，單靠信號(hào)處理和人工分析判斷又難以實(shí)現(xiàn)在線的精確診斷。目前，國(guó)內(nèi)檢測(cè)診斷技術(shù)的研究主要集中在以下幾個(gè)方面：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(guó)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。關(guān)于信號(hào)分析與處理技術(shù)的研究：從傳統(tǒng)的譜分析、時(shí)序分析和時(shí)域分析，開始引入了一些先進(jìn)的信

7、號(hào)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(bǔ)了傳統(tǒng)分析法的不足。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(jī)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(dá)到人們所期望的水平。關(guān)于神經(jīng)網(wǎng)絡(luò)的研究：比如旋轉(zhuǎn)機(jī)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。關(guān)于診斷系統(tǒng)的開發(fā)與研究：從單機(jī)巡檢與診斷到上下位機(jī)式主從機(jī)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(shí)時(shí)性越來越高。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(guó)的冶金、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

8、能人工智能是計(jì)算機(jī)科學(xué)的一個(gè)重要組成部分。它的任務(wù)是：讓計(jì)算機(jī)模擬人類的智能活動(dòng)，使之具有應(yīng)用知識(shí)、邏輯推理、解決實(shí)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(jiǎn)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(gè)方面6:專家系統(tǒng)：讓計(jì)算機(jī)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(yàn)來解決實(shí)際問題。決策支持系統(tǒng)：通過計(jì)算機(jī)的推理、判斷，對(duì)某些多元的、非精確的或不確定的難題進(jìn)行輔助決策。自然語言理解系統(tǒng)：使計(jì)算機(jī)能夠理解人類的語言，改善人機(jī)聯(lián)系的條件。知識(shí)庫(kù)系統(tǒng)把人類自己掌握的知識(shí)，用一

9、定的規(guī)則表示出來，即經(jīng)過形式比較處理存放在計(jì)算機(jī)中，為用戶提供知識(shí)共享。智能機(jī)器人使機(jī)器人具有入的手、眼、腦的功能，不僅會(huì)看、會(huì)做、還會(huì)思考，并能根據(jù)環(huán)境條件決定自己的行為，智能機(jī)器人已在航天、核工業(yè)、冶金、機(jī)械、化工等各個(gè)領(lǐng)域開始部分代替人類的工作。智能計(jì)算機(jī)在知識(shí)庫(kù)的支持下，能識(shí)別聲音、圖像、自動(dòng)進(jìn)行程序設(shè)計(jì)，具有推理、學(xué)習(xí)等功能的新一代計(jì)算機(jī)。人工智能系統(tǒng)還構(gòu)成了新興的知識(shí)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(xiàn)。Schreiber在1978年首次提出了自動(dòng)測(cè)試生成技術(shù)(AutomaticTestGenerationTechniques)7。由于電路

10、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(gè)重要的研究課題。2001年Fenton等人對(duì)AI技術(shù)進(jìn)行了很好地總結(jié)，并對(duì)這種技術(shù)進(jìn)行了分類8。傳統(tǒng)方法基于規(guī)則AI技術(shù)故障決策樹圖2AI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(gè)研究領(lǐng)域，是基于知識(shí)的計(jì)算機(jī)智能程序系統(tǒng)。它從人類領(lǐng)域?qū)＜夷抢铽@取知識(shí)，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(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)，根據(jù)某個(gè)領(lǐng)域一個(gè)或多個(gè)人類專家提供的知識(shí)和經(jīng)驗(yàn)進(jìn)行推理判斷，模擬人類專家求解問題的思維

11、過程，以解決該領(lǐng)域內(nèi)的各種問題。人類對(duì)問題求解的過程離不開對(duì)知識(shí)的表示和利用來兩個(gè)方面。下面由知識(shí)的表示，就專家系統(tǒng)及其原理進(jìn)行深入闡述。專家系統(tǒng)一般被認(rèn)為它是一個(gè)智能程序系統(tǒng)；它具有相關(guān)領(lǐng)域內(nèi)大量的專家知識(shí)；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(jìn)行推理，解決相關(guān)領(lǐng)域內(nèi)的困難問題，并達(dá)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：集中式專家系統(tǒng)：指對(duì)知識(shí)及推理進(jìn)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。分布式專家系統(tǒng)：指把知識(shí)和推理機(jī)制分布在一個(gè)計(jì)算機(jī)網(wǎng)絡(luò)上的專家系統(tǒng)。這種類型的系統(tǒng)具有具有較強(qiáng)的問題求解能力。它將復(fù)雜的問題進(jìn)行分解，并在求解之后將各

12、個(gè)子問題的解合為原問題的解，對(duì)那些單個(gè)機(jī)構(gòu)難以解決的問題它都可以實(shí)現(xiàn)求解。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(shí)現(xiàn)知識(shí)表示和求解推理。一個(gè)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(kuò)充和完善自己的知識(shí)；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(shí)掌握領(lǐng)域內(nèi)的知識(shí)。專家系統(tǒng)特點(diǎn)是靈活性、透明性、交互性9。專家系統(tǒng)是在計(jì)算機(jī)中實(shí)現(xiàn)的。它由知識(shí)庫(kù)、知識(shí)獲取機(jī)構(gòu)、綜合數(shù)據(jù)庫(kù)、推理機(jī)、人-機(jī)接口、解釋器五個(gè)部分組成。其中知識(shí)庫(kù)和推理機(jī)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

13、部分中，知識(shí)庫(kù)與推理機(jī)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(shí)獲取部分，但是一個(gè)完善的專家系統(tǒng)應(yīng)具備上述五個(gè)部分。圖3故障診斷專家系統(tǒng)結(jié)構(gòu)圖2.2 機(jī)器學(xué)習(xí)在AI領(lǐng)域，知識(shí)獲取已經(jīng)成為建造專家系統(tǒng)的“瓶頸”問題。知識(shí)的自動(dòng)獲取更是人工智能研究的難點(diǎn)。機(jī)器學(xué)習(xí)是解決知識(shí)獲取問題的主要途徑。機(jī)器學(xué)習(xí)研究的主要目標(biāo)是通過構(gòu)造智能學(xué)習(xí)機(jī)讓機(jī)器自身具有獲取知識(shí)的能力，使其能在實(shí)際工作中不斷總結(jié)成功和失敗的經(jīng)驗(yàn)教訓(xùn)，對(duì)知識(shí)庫(kù)中的知識(shí)自動(dòng)進(jìn)行調(diào)整和修改，以豐富、完善系統(tǒng)的知識(shí)。機(jī)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(shí)增長(zhǎng)的過程；從外在表現(xiàn)看，是系統(tǒng)的某些適應(yīng)性改變，使

14、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(jī)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(jī)器學(xué)習(xí)的研究取得重大進(jìn)展往往意味著人工智能，甚至整個(gè)計(jì)算機(jī)科學(xué)向前邁進(jìn)了堅(jiān)實(shí)的一步。因此，機(jī)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(shí)，不斷實(shí)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(rèn)為學(xué)習(xí)是以組織化的知識(shí)出發(fā)，然后變得更為組織化HJ.Simon定義說：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(rèn)為：學(xué)習(xí)是對(duì)經(jīng)歷描

15、述的建立或修改；Diettvrich認(rèn)為：學(xué)習(xí)是知識(shí)的增長(zhǎng)。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(shí)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(rèn)知模擬和理論性分析這三者之間的相互競(jìng)爭(zhēng)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(jī)器學(xué)習(xí)是研究怎樣使用計(jì)算機(jī)模擬或?qū)崿F(xiàn)人類學(xué)習(xí)活動(dòng)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(jī)器學(xué)習(xí)作為實(shí)現(xiàn)人工智能的途徑，在人工智能界引起了廣泛的興趣。特別是近幾年來，機(jī)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(jī)器學(xué)習(xí)不僅在基于知識(shí)的系統(tǒng)中得到應(yīng)用，而且在自然語言處理、非單調(diào)推

16、理、機(jī)器視覺、模式識(shí)別等許多領(lǐng)域也得到了廣泛開展。一個(gè)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(gè)標(biāo)志。機(jī)器學(xué)習(xí)研究的主要發(fā)展過程大致可分為四個(gè)階段，并分別以四個(gè)重要事件為標(biāo)志。第一階段：第一個(gè)學(xué)習(xí)機(jī)器的創(chuàng)立。（60年代）第二階段：學(xué)習(xí)理論基礎(chǔ)的創(chuàng)立。（60-70年代）第三階段：神經(jīng)網(wǎng)絡(luò)（ANN）的創(chuàng)立，（80年代）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(dòng)了一門嶄新的分支學(xué)科，即基于知識(shí)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(shí)的診

17、斷系統(tǒng)是最為優(yōu)秀的。而構(gòu)造這些系統(tǒng)的一個(gè)重要理論基礎(chǔ)就是基于知識(shí)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(shí)際上就是使計(jì)算機(jī)盡可能模擬人類專家解決某些實(shí)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(shí)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(jìn)入了一個(gè)新的智能化發(fā)展階段。國(guó)外已經(jīng)將一些典型的故障診斷技術(shù)應(yīng)用于各個(gè)領(lǐng)域，如：1987年日本川崎鋼鐵公司將先進(jìn)的GO-STOP系統(tǒng)應(yīng)用于高爐的故障診斷，實(shí)現(xiàn)了高爐工作穩(wěn)定性的控制，對(duì)坍塌等故障實(shí)現(xiàn)了預(yù)報(bào)和控制。我國(guó)在檢測(cè)與診斷技術(shù)研究方面雖然起步較晚，但是由于國(guó)家重視發(fā)展較快。早

18、在八五期間國(guó)家組織了若干個(gè)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(jìn)行了應(yīng)用于推廣。目前我國(guó)在檢測(cè)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(guó)外的先進(jìn)國(guó)家比較差距較大。隨著科學(xué)技術(shù)領(lǐng)域的不斷進(jìn)步，我國(guó)正面臨著大型技術(shù)設(shè)備廣泛應(yīng)用的關(guān)鍵時(shí)期，所以為適應(yīng)國(guó)民經(jīng)濟(jì)發(fā)展形式的要求，必須使設(shè)備檢測(cè)與故障診斷技術(shù)上升到一個(gè)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，特別是專家系統(tǒng)、知識(shí)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(gè)大類10,11:第一種基于符號(hào)推理的智能診斷方法。在基于符號(hào)推理

19、的知識(shí)處理系統(tǒng)當(dāng)中，知識(shí)是按照一定的規(guī)則用特定描述符加以表示、存儲(chǔ)和處理的。知識(shí)的獲取就是對(duì)事件性知識(shí)或者專家所擁有的功能性知識(shí)加以描述，并按照一定的規(guī)則存儲(chǔ)這些知識(shí)到知識(shí)庫(kù)的這個(gè)過程。然后，知識(shí)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(jī)制和策略進(jìn)行邏輯推理，并最終輸出所要的結(jié)果。目前基于符號(hào)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(gè)重大的缺陷：知識(shí)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。第二種是基于數(shù)值計(jì)算的智能診斷方法。如人工神經(jīng)網(wǎng)絡(luò)，她是當(dāng)今故障診斷方法一個(gè)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(chǔ)。知識(shí)的獲取是按照一定

20、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(jì)算方法對(duì)輸入數(shù)據(jù)進(jìn)行計(jì)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(qiáng)大的功能，對(duì)于不精確的、矛盾的或者是錯(cuò)誤的數(shù)據(jù)，他都能進(jìn)行推理計(jì)算，并能夠給出好的計(jì)算結(jié)果。在神經(jīng)網(wǎng)絡(luò)的知識(shí)處理系統(tǒng)中，知識(shí)的獲取、知識(shí)存儲(chǔ)以及推理之間的聯(lián)系很緊密，交融性很大。同時(shí)神經(jīng)網(wǎng)絡(luò)的知識(shí)處理系統(tǒng)中不存在知識(shí)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(duì)于這兩種智能診斷方法，無論是就與符號(hào)還是基于數(shù)值的只是處理方法只是從兩個(gè)不同方面對(duì)人工智能的模擬。符號(hào)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

21、維，這是人類智能中不可缺少、不能夠互相替代的兩個(gè)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(dāng)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(shí)現(xiàn)了基于人類專家經(jīng)驗(yàn)知識(shí)的故障診斷技術(shù)，并將其推進(jìn)到一個(gè)新的水平一一智能化診斷水平。但是由于診斷對(duì)象日趨呈現(xiàn)復(fù)雜化的趨勢(shì)，獲取準(zhǔn)確、完備、有效的診斷知識(shí)越來越困難。已知的領(lǐng)域知識(shí)大都具有證據(jù)不充分或結(jié)論不完全的特點(diǎn)，領(lǐng)域知識(shí)的分散性、隨機(jī)性和模糊性的特點(diǎn)使之表現(xiàn)出很強(qiáng)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(dòng)態(tài)變化的過程中，其行為特點(diǎn)越來越不好把握，各種故障的發(fā)生具有很

22、強(qiáng)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(shí)進(jìn)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(shì)。一般說來，為了對(duì)設(shè)備的故障進(jìn)行診斷與維修，對(duì)設(shè)備的工作情況均要進(jìn)行監(jiān)控和測(cè)試。為獲取設(shè)備的運(yùn)動(dòng)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(cè)設(shè)備運(yùn)動(dòng)狀態(tài)或位置信息，如振動(dòng)、溫度、壓力和功率等信息。較先進(jìn)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(yùn)動(dòng)狀態(tài)信號(hào)，控制器I/O信號(hào)，設(shè)備功能控制產(chǎn)生的中間信號(hào)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(hào)及信號(hào)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

23、專家系統(tǒng)是利用各種類型的診斷知識(shí)通過對(duì)監(jiān)數(shù)據(jù)庫(kù)測(cè)到的信息進(jìn)行分析、處理、對(duì)設(shè)備運(yùn)動(dòng)狀態(tài)進(jìn)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(kù)，這些信息反映設(shè)備運(yùn)行的各種狀態(tài)，這樣便于診斷專家系統(tǒng)對(duì)故障及設(shè)備的運(yùn)行狀態(tài)進(jìn)行判別和診斷。數(shù)據(jù)庫(kù)是按照一定的格式以文件的形式把設(shè)備的各種狀態(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(biāo)以及最終求解結(jié)果等）存儲(chǔ)起來。推理機(jī)是控制整個(gè)系統(tǒng)運(yùn)行的一組程序，它利用知識(shí)庫(kù)中的知識(shí)

24、，根據(jù)監(jiān)測(cè)到的信息，按著一定的問題求解策略進(jìn)行推理、診斷，并給出診斷結(jié)果。推理機(jī)是設(shè)備故障診斷專家系統(tǒng)的關(guān)鍵部分。專家理論知識(shí)與實(shí)踐經(jīng)驗(yàn)用戶*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(jìn)一步將人工智能引人監(jiān)測(cè)與診斷實(shí)現(xiàn)監(jiān)測(cè)、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(jìn)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(jì)算和符號(hào)推理的集成，多種知識(shí)處理技術(shù)和診斷技術(shù)的集成，多個(gè)功能子模塊的集成，形成分布處理的較大的專家系統(tǒng)。故障診斷專家系統(tǒng)由各功能子模塊分別獨(dú)立地完成診斷的各部分工作，然后進(jìn)行綜合做出診斷決策.其中每個(gè)功能子模塊都包含

25、數(shù)值計(jì)算和符號(hào)推理功能。其中綜合推理機(jī)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(cè)結(jié)果進(jìn)行推理，同時(shí)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(jìn)行推理、綜合，做出診斷決策。綜合知識(shí)庫(kù)中包含有關(guān)系統(tǒng)的物理知識(shí)、經(jīng)驗(yàn)知識(shí)、設(shè)備運(yùn)動(dòng)過程狀態(tài)知識(shí)、運(yùn)動(dòng)過程監(jiān)測(cè)結(jié)果所能反映的異常狀態(tài)知識(shí)，以及診斷對(duì)象的征兆與故障之間的各種因果聯(lián)系知識(shí)等。多種知識(shí)的綜合，便于對(duì)故障進(jìn)行綜合診斷，這樣可以提高知識(shí)本身的有效性，而且可以更準(zhǔn)確地定位故障點(diǎn)，將故障定位到最小范圍。綜合數(shù)據(jù)庫(kù)是一個(gè)動(dòng)態(tài)數(shù)據(jù)庫(kù)，由監(jiān)測(cè)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(duì)機(jī)械運(yùn)行過程這個(gè)環(huán)節(jié)的局限性，而應(yīng)

26、該放在產(chǎn)品的整個(gè)生命周期中來統(tǒng)籌考慮，對(duì)機(jī)械系統(tǒng)的整個(gè)壽命周期進(jìn)行有效的分析，從而提高機(jī)械系統(tǒng)的可靠性和可維修性，延長(zhǎng)系統(tǒng)的壽命，降低壽命周期費(fèi)用。從診斷的方式上來看，傳統(tǒng)的診斷方法和理論對(duì)單過程、單故障和漸發(fā)性故障的簡(jiǎn)單系統(tǒng)可以發(fā)揮較好的作用，對(duì)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(dòng)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(jī)械系統(tǒng)，能夠克服基于模型的故障診斷方法對(duì)模型的過分依賴性，人工神經(jīng)網(wǎng)絡(luò)對(duì)于故障的模式識(shí)別具有獨(dú)特的優(yōu)點(diǎn)。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(gè)新的途徑，成為故障診斷的一個(gè)重要研究方向?；谌斯ぶ悄?/p>

27、的故障診斷系統(tǒng)在未來的發(fā)展趨勢(shì)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(tái)將各類采集技術(shù)、信號(hào)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(shí)際需要對(duì)診斷系統(tǒng)進(jìn)行升級(jí)和擴(kuò)大系統(tǒng)的測(cè)試范圍。目前很多故障診斷系統(tǒng)的診斷測(cè)試功能相對(duì)固定，難以升級(jí)，因此隨著虛擬儀器技術(shù)在發(fā)動(dòng)機(jī)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(gè)趨勢(shì)。高精度化是指運(yùn)用先進(jìn)的信號(hào)處理方法從原始信號(hào)中提取敏感反映機(jī)器狀態(tài)的特征因子?？梢哉f，信號(hào)處理中每一項(xiàng)新技術(shù)在設(shè)備診斷中的應(yīng)用，都是對(duì)診斷技術(shù)的一次重大推動(dòng)。如利用多段時(shí)域平均法提高當(dāng)前信號(hào)的強(qiáng)度，利用小波分析法良好的時(shí)頻局部化

28、特性進(jìn)行奇異信號(hào)檢測(cè)，其目的都在去除原始信號(hào)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(duì)發(fā)動(dòng)機(jī)技術(shù)狀況進(jìn)行檢測(cè)，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(dòng)著故障診斷系統(tǒng)向高度智能化方向發(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(shí)表示模型與推理模型?，F(xiàn)有的各

29、種模型都具有各自優(yōu)勢(shì)和特點(diǎn)，同時(shí)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(dòng)化發(fā)展對(duì)故障診斷的要求不斷提高，際被診斷對(duì)象也將更加復(fù)雜,這樣必然造成對(duì)象的故障診斷知識(shí)的復(fù)雜化，因此，融合多種知識(shí)表示方法是提高故障診斷知識(shí)表示準(zhǔn)確度的有效途徑。故障診斷知識(shí)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)?，F(xiàn)有的診斷專家系統(tǒng)大都是面向單機(jī)或單服務(wù)器的，可擴(kuò)充性、靈活性、通用性較差，各診斷系統(tǒng)之間相互獨(dú)立，即使是不同開發(fā)單位研制的針對(duì)同類問題的診斷系統(tǒng)之間也不能進(jìn)行有效的信息交流和

30、共享，造成了巨大的資源浪費(fèi)?，F(xiàn)在很多大型系統(tǒng)或設(shè)備由遠(yuǎn)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(jí)診斷和各子診斷也需要診斷信息的傳輸交流。同時(shí)，由于故障源的不確定性和時(shí)發(fā)性，導(dǎo)致異地診斷和遠(yuǎn)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(shì)，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(diǎn)，因此，建立遠(yuǎn)程分布式跨平臺(tái)綜合智能診斷系統(tǒng)，可以實(shí)現(xiàn)異地多種專家系統(tǒng)對(duì)同一系統(tǒng)、設(shè)備的協(xié)同診斷以及多臺(tái)設(shè)備共享同一診斷系統(tǒng)，提高診斷的成功率和效率，同時(shí)也有利于診斷案例的積累，以彌補(bǔ)單個(gè)診斷系統(tǒng)領(lǐng)域知識(shí)的不足，提高診斷的智能化水平。(3)實(shí)時(shí)診斷專家系統(tǒng)。隨著用戶對(duì)系統(tǒng)

31、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(jiǎn)單的對(duì)故障設(shè)備進(jìn)行離線故障檢測(cè)、隔離，發(fā)展為對(duì)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(cè)，故障的早期預(yù)報(bào)以及故障發(fā)生后的在線實(shí)時(shí)定位與排除。這些都對(duì)未來故障診斷專家系統(tǒng)的實(shí)時(shí)性提出了很高的要求。參考文獻(xiàn)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(jī)械設(shè)備故障診斷技術(shù)M.上?？茖W(xué)技術(shù)文獻(xiàn)出版社,1994.3侯靖歐.機(jī)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(guó)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.

32、北京：科學(xué)出版社.1997.5106人工智能原理及應(yīng)用M.東華大學(xué)出版社，2005.7FentonB,McGinnityM,MaguireL.FaultdiagnosisofelectronicsystemusingartificialintelligenceJ.Instrumentation&MeasurementMagazine,IEEE,2002,5(3):16-20.8SchreiberHH.AreviewofanalogautomatictestgenerationC/AUTOTESTCON'78.InternationalAutomaticTestingConfer

33、ence.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(qiáng)，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(jì)算機(jī)測(cè)量與控制，2005,13(12):1301-1304.12HansonSJ,BauerM.Machinelearning,clustering,andpolymorphyJ.arXivpreprintarXiv:1304.3432,2013.13CleophasTJ,ZwindermanAH.MachineLearningandCommonSenseM/MachineLearninginMedicine.SpringerNetherlands,2013:207-211.14MurphyKP.Machinelearning:aprobabilisticperspectiveM.TheMITPress,2012.15LowY,BicksonD,GonzalezJ,etal.Distr