柔性制造系統(FMS)狀態監控與故障診斷系統的實現技術*

趙中敏 文西芹 張海濤

(淮海工學院工程訓練中心，江蘇連云港 222005)

1 FMS診斷系統的總體設計思想

FMS的故障通常包括結構故障、運動故障、加工過程(即工況)故障或狀態異常，以及NC故障等。如何識別與診斷這些故障是FMS故障診斷系統設計的根本出發點。由于結構上的故障已由機床廠家給予充分考慮，這種故障相對來說是比較少的，因此在診斷系統的設計過程中只需考慮較為常見的后幾種故障。

FMS是由若干個相互聯系又相對獨立的模塊組成的，通過由模塊執行具體的動作來支持整個系統的功能。設備運動故障的表現形式是某一模塊的某一動作沒有完成。具體地說，是某一NC命令沒有執行完。這類故障可以用設備內部的一些運動狀態信號定位到一個大致的位置。進一步的診斷還要借助加工過程狀態等其它可用的診斷信息。

設備加工過程故障或狀態異常的診斷只需用監控到的加工狀態信息即可完成。這些異常的加工過程信息不僅可以用來預測早期故障，以便及時采取措施，避免將來重大事故的發生，而且往往是導致設備運動故障的直接原因，可為進一步確診運動故障提供參考依據。

此外，由于FMS的工況變化頻繁，對設備加工過程狀態的分析、判斷在很大程度上依賴于工況的變化情況，而工況的變化情況又可通過對設備運動狀態的分析得到。因此，加工過程狀態的監控與運動故障的診斷二者不能分開考慮，必須緊密地結合在一起，使之成為一個有機的整體。

FMS的NC故障即NC系統的主要硬件故障及程序軟件故障，其診斷一般已由設備內部的自診斷監控程序完成。這類故障一旦發生，設備則停止工作，將故障原因存入存儲器，報警并顯示報警號，然后由用戶根據報警提示查閱有關資料，找到對應的故障原因及修復方法。對于這類故障，只需提供一個快速、方便的查詢手段，即可滿足診斷的要求。

通常，為了實現FMS的故障診斷，除了要用監控的狀態信息，還必須結合有關的診斷知識。由于FMS自動化程度高、結構復雜，其可用的診斷知識繁多，知識量也大，因此，對這些診斷知識的管理就顯得尤其重要。為了便于知識的擴充和修改，有必要單獨設計一個知識庫管理系統，使其擴充與修改等能自動化或半自動化，形成知識獲取部分。

CIMS是未來自動化發展的方向，也是FMS進一步發展的最高形式。為了適應這一發展趨勢，使所設計的診斷系統具有在CIMS環境下與其它功能子系統實現信息集成的能力，在系統中設計了一個外部擴展接口，來實現本診斷系統與其它外部功能子系統的信息集成。

最后，在各個功能子系統或模塊之上，設計了一個對它們進行管理、協調與控制的系統，稱之為元系統，以便用它來執行對各功能子系統或模塊的管理、控制等工作，調用有關的功能子系統完成相應的任務和為人機交互提供良好的環境。

基于以上思想，基于質量控制的FMS故障診斷系統總體模型結構設計如圖1所示的形式。

在總體模型結構中，監控與診斷系統是整個系統的核心，也是關系到系統設計成敗的關鍵所在。監控的目的就是選擇最能充分反映FMS特征的幾個靈敏信號(如功率、振動、溫度和壓力信號等)進行數據采集、信號變換及處理；診斷的目的則是集成了監控的結果和設備的多發性故障信息進行綜合分析、推理、判斷設備運行的好壞，做到定位故障點，指出故障發生的原因，并給出維修決策。

其它子系統或模塊的功能可簡單地概述如下：

(1)NC故障咨詢子系統：通過輸入NC故障報警號，提供故障描述及處理方法的咨詢。

(2)知識庫管理子系統：對知識進行編輯、存儲、檢索、編排、添加、刪除以及檢驗等。

(3)外部擴展接口：通過計算機，隨時向外界發送診斷報告或接受信息等。

2 FMS監控與診斷子系統硬件結構

從現場的實際運行情況看，FMS出現故障或異常情況以及對這些故障的處理可分為三種情況：

(1)設備運動過程出現故障，引起設備自動停機，而設備加工過程沒有發生任何故障或異常，此時，診斷僅依賴于設備內部關于運動狀態的故障數據。

(2)設備的運動過程正常，而加工過程出現故障或異常，此時發出報警，診斷將賴于監控到的異常加工過程狀態信息。

(3)設備運動過程出現故障，引起設備自動停機，同時，加工過程也異常。此時在應用設備內部運動狀態信號進行診斷的基礎上，結合異常加工過程狀態信息，進一步診斷推理，將故障定位到具體的機、電、液零部件。

在高度自動化的FMS中，與運動故障聯系最密切的是設備的控制網絡，由它控制設備各功能模塊間的數據交換和具體動作的執行。一般說來，為獲取設備的運動狀態信息和位置狀況，傳動部件上均有反饋傳感器，用來監控設備運動狀態或位置信息。因此，設備控制器內的數據就包含有各種指示運動狀態的狀態信號、控制器I/O信號、設備功能控制產生的中間信號以及位置信息等。故障一旦發生，根據控制器內的各類信息及信號之間的邏輯關系一般可找到發生故障的大致位置或部件。這部分信號的采集及處理已在設備控制器內部作了相當周密的考慮，不需另行設計，只需通過設備的控制網絡以實時通信的方式直接獲取。另一方面，為監控設備加工過程狀態，在設備的一些主要功能執行部件的相關部位安裝傳感器，來監控功率、振動、溫度和壓力等反映設備加工過程狀態的信息，為此必須單獨設計信號采集、處理及通信模塊。這就是說，FMS有關故障的數據主要來源于兩個方面：一是設備控制器內部，包括I/O信號，設備功能控制產生的中間信號，以及設備內部以自保護為目的的監控報警信號等；二是加工過程狀態監控的結果。此外，現場人工觀察到的現象，對定位故障及判斷故障原因也有很大的幫助作用。

FMS監控與診斷子系統的總體結構如圖2所示。圖中數據獲取模塊首先對來自狀態監控傳感器的振動信號、壓力信號、溫度信號以及各電動機的電流、電壓、功率等信號進行放大、濾波、陷波、平滑等處理，然后對這些信號進行高速數據采集；狀態分類決策模塊根據來自數據獲取模塊的狀態監控數據和設備控制器信息，完成工況及狀態變化辨識與運行狀態分類決策、自適應學習訓練、初始狀態校驗、全局狀態綜合決策及設備故障決策定位等；緊急情況模塊負責識別狀態分類決策模塊給出的異常狀態是否屬于緊急異常情況，分析其對設備運行或產品質量的危害程度，然后發出適當的指令給執行機構或設備控制器；故障診斷模塊引入專家系統技術，借助于專家的經驗知識和對設備的物理知識，運用適當的控制策略和推理策略，根據狀態監控信號和設備控制器信息實現對設備故障點的準確定位；信息管理模塊對狀態分類決策模塊、故障診斷模塊的輸出數據和信息進行分類、組織、排序，并負責向上級系統報告當前設備的運行狀態。

3 FMS監控與診斷系統的組成部分

FMS系統狀態監控與故障診斷系統可大致分為設備狀態監控子系統和設備故障診斷子系統兩部分。

3.1 狀態監控子系統

由于系統的復雜多變性與監控的實時在線的快速性，設備狀態監控子系統(圖3)必須具備的核心功能模塊有快速信號處理單元、自適應學習訓練單元、過程改變判別與辨識模塊和全局狀態綜合評判模塊等。同時，必須依加工系統的功能模塊、結構特點、信息表現和傳遞過程對監控對象、監控信號分類、分區、分層地進行監控管理決策。

該子系統以模塊化設計為基礎，快速運行為宗旨，監控的任何時刻、任何過程均可用鍵盤中斷和進入參數調整，因而具備較好的可靠性、容錯性與靈活性。

3.2 故障診斷子系統

設備故障診斷子系統的結構如圖4。其中，綜合知識庫、公共數據庫和綜合推理機是該系統的3個重要組成部分。綜合知識庫包含有關系統故障的物理知識、經驗知識、設備運行過程狀態知識、狀態監控信息所反映的異常狀態的知識以及它們彼此之間聯系的知識等；公共數據庫是監控信息、設備控制器信息和推理過程中產生的中間結果數據共同生成的動態數據庫；綜合推理機利用公共數據庫的信息和綜合知識庫的知識進行多種推理，得到診斷結果，并做出診斷決策。

4 FMS設備狀態監控與診斷系統實現的關鍵技術

4.1 多級信息融合故障診斷的監控系統

圖5是基于多傳感器信息融合的FMS加工設備及過程狀態監控系統的硬件結構，它是一個分布式多傳感器、多對參數集中控制與處理的綜合決策系統。圖6是其軟件模型。其信息融合主要在特征層與決策層。多傳感器布點基于加工系統結構、加工動力傳動鏈、加工控制系統信息傳遞鏈的各關鍵部位、關鍵信息輸出口來選取。主要拾取系統的機械振動、電動功率、電流、轉速、溫度、傳動壓力以及加工控制信息等。

硬件以控制柜形式集中控制與處理，其處理策略是將各個傳感器拾取的信號分成不同的類別，如電荷、電流、電壓型和緩變、瞬變型，相同信息種類由相同硬件模式來拾取，這樣即使擴充更多的信息融合范圍，只需接入相應類別的信號通道即可。將大的加工系統分為若干個相對對立的子系統，每一子系統對應由一獨立的、集中的控制處理板處理，以便獲得實時的且完全并行的子系統的各類狀態信息。傳感器選取及布點按時對稱原則，功能相同或相近的各子系統的各部位傳感器盡量匹配或相同。各控制板以總線結構相連，形成一個總的控制管理系統，以便在集中管理模式與優化組合的基礎上進行信息擴充與監控對象的擴充。

為保證數據的匹配和特征的關聯性，高速并行的多通道數據采集系統實時同步地獲取大量數字信號，它們被送入監控的核心——微機進行處理變換，提取特征進行數據、特征及決策層的信息融合。

4.2 基于層次結構的故障樹診斷模型

柔性制造設備結構復雜，動作繁多，但層次分明且邏輯關系嚴密，其結構的最大特點是層次性和模塊性強?；诮Y構與功能的分析，按照系統分級原理，將設備(系統)劃分為多個子系統，每個子系統又可分為多個模塊。以各模塊中最不希望發生的事件(故障)為頂事件，并按照設備的動作流程建立模塊的故障樹。所建立的診斷模型如圖7所示。

在故障樹中，每一結點事件一般都有判斷其發生故障與否的設備控制器信息、狀態監控信息或專家維修經驗等作為前提條件，對故障樹進行知識編碼，存入各自的知識庫。這樣，知識庫以模塊為單位，每一知識庫就對應于一模塊故障樹的知識描述。知識的表示采用以規則為主的方法，便于知識的管理與推理。

這樣建立的知識庫，知識模塊多，知識量大，診斷推理時如不加選擇地對所有知識庫進行搜索，勢必花費大量時間，診斷效率不高，滿足不了實時診斷的要求。為此，可以利用元知識來幫助診斷推理，迅速找到故障發生模塊，以提高推理的速度與有效性。元知識用框架表示，它以整個診斷設備為對象，記錄了設備的結構與功能(子系統與模塊的功能)的信息。

這一診斷模型能夠充分利用和集成多種形式的知識(物理知識、狀態知識、經驗知識等)進行綜合診斷，實現了監控與診斷的一體化，提高了智能診斷與決策水平和診斷的自動化程度。

［1］胡文彬.柔性制造環境下基于質量控制的故障診斷系統的研究［D］.武漢：華中理工大學，1995.

［2］萬軍.先進制造中加工過程智能建模與監控技術研究［D］.北京：清華大學博士學位論文，1996.

［3］許云飛.基于行為的智能化故障診斷理論和方法的研究［D］.南京：東南大學，1996.

［4］史天運.FMS狀態監控與故障診斷技術研究［D］.北京：北京理工大學，1998.

［5］高利輝.FMS智能故障診斷系統集成化研究［D］.西安：西北工業大學，2004.

［6］趙中敏.柔性制造系統(FMS)的狀態檢測監控技術研究［J］.制造技術與機床，2009(3)：31-35.