智能故障診斷技術的探討

陸建榮（南通開放大學　江蘇城市職業學院（南通）,江蘇　南通　226007）

智能故障診斷技術的探討

陸建榮
（南通開放大學江蘇城市職業學院（南通）,江蘇南通226007）

智能故障診斷技術是故障診斷與智能方法相結合的產物，綜合運用多種人工智能技術和現代信號處理為工業設備持續正常運行提供良好的技術支撐。本文介紹了基于不同方式下的智能故障診斷系統，并對各種智能故障診斷系統進行了分析，對智能故障診斷的發展有一定的借鑒意義。

智能故障診斷；解析模型；神經網絡

0　引言

故障診斷技術是一種利用設備當前狀態信息和歷史狀況，通過一定分析方法(如信號處理分析法)對設備狀態進行評價的狀態識別技術[1]。傳統故障診斷技術存在故障分辨率不高，信息來源不充分，自動獲取知識能力差，知識結合能力差并且對于不確定知識的處理能力也存在不足，因此與實際需求相比，還有相當大的距離。

智能故障診斷將故障診斷與智能方法相結合，不需要建立系統定量數學模型，因此成為當前故障診斷的熱點研究方向。

1　智能故障診斷方法

智能診斷技術在知識層次上實現了辯證邏輯與數理邏輯的集成、符號邏輯與數值處理的統一、推理過程與算法過程的統一、知識庫與數據庫的交互等功能。智能故障診斷中的“智能化”體現在故障診斷過程中將人類專家經驗知識和人工智能技術等智能控制理論相結合。對各種故障進行檢測、診斷從而實現對多故障、多過程等故障的快速分析檢測并進行診斷。目前的研究方法主要有：

1.1 基于專家系統的故障診斷系統

智能系統故障診斷和傳統故障診斷相比，它的核心在于能夠學習，專家系統識別方法能模擬人的邏輯思維過程，讓機器具備獲取知識的能力，利用專家知識庫中的知識，自動進行調整和修改，來解決復雜診斷問題。它不依賴于系統的數學模型，而是利用專家知識和特征信息，通過推理得出設備是否故障及什么故障，并對識別結果進行評價和決策。目前主要研究內容包括：診斷知識的獲取、診斷知識的表達、診斷推理方法和不準確推理。

1.2 基于神經網絡智能故障診斷系統[2]

神經網絡是生物神經網絡在某種簡化意義下的技術復現，它的主要任務是根據生物神經網絡的原理和實際應用的需要建造實用的人工神經網絡模型，設計相應的學習算法，模擬人腦的某種智能活動，然后在技術上實現出來用以解決實際問題。具有很髙的運算速度，很強的聯想能力，很強的適應性，很強的容錯能力和自組織能力。神經網絡的超高維性、強非線性等動力學特性帶來的容錯、聯想、推測、記憶、自學習、自適應、結構拓撲魯棒等功能，使其具有提供更佳診斷性能的可能性。神經網絡獲取信息可以通過直接從數值化的實例中學習或者是將傳統專家系統的知識特列轉化為神經網絡的分布式存儲，并且有神經網絡完成并行推理。它在故障診斷中的具體應用方式有[3]：

（1）神經網絡診斷系統

（2）采用神經網絡產生或評價殘差，并做進一步診斷

（3）采用神經網絡做自適應誤差補償

1.3基于模糊邏輯的故障診斷系統

模糊邏輯建立在多值邏輯基礎上，模仿人腦的不確定性概念判斷、推理、思維等方式，實行模糊綜合判斷，推理解決一些常規方法難以處理的有規則的模糊信息問題。在處理一些復雜系統的大時滯、時變和非線性方面有它的優越性。模糊邏輯建立了各種故障原因與對應故障診斷之間的因果關系的模糊矩陣。然后綜合考慮相關故障癥狀，尋找并診斷出設備故障產生的可能原因及可能程度（0-1之間的數）。

目前的主要診斷思路有基于模糊關系及合成算法的診斷、基于模糊知識處理技術額診斷和基于模糊聚類算法的診斷等。

1.4 基于粗糙集理論的故障診斷系統

粗糙集理論通過等價關系和近似概念對數據進行簡約化而獲取知識，是一種處理不完整、不精確問題的計算方法，它是對經驗的總結，不需要精確的數學描述。可以從不精確、不一致、不完備的信息系統中發現知識，從而簡化決策規則。因此非常適合工業過程中直觀、簡單、易于理解、人性化、智能化的要求。它所處理的故障常與故障的空間位置無關，是一種被動的“軟”診斷技術。

粗糙集理論在故障診斷中的應用大致可以分為以下幾類：基于粗糙集的專家系統故障診斷方法、基于信息冗余多個屬性約簡的故障診斷方法、粗糙集與神經網絡的集成用于故障診斷的方法以及粗糙集與其他一些職能方法集成的混合系統在故障診斷中的應用[4]。

1.5 基于組合思維的故障診斷系統

專家系統知識處理模擬的是人的邏輯思維，神經網絡知識處理模擬的是人的經驗思維，將邏輯思維、經驗思維和創造性思維集成在一起，就形成組合思維。首先用經驗思維進行識別；當經驗思維無法解決問題時，轉向深一層的邏輯思維；當邏輯思維也無法解決復雜問題時，轉向更深一層的創造性思維，即通過提出新的假設，經過檢驗后再發現新理論和解決問題的新方法。

2　結論

綜上所述，各種智能診斷方法有著各種的特點和應用方式，各有優劣，很多智能故障診斷技術只提供了解決問題的通用框架，針對不同診斷領域的不同尋求統一方法。在應用的時候要針對特定領域特點，根據其對診斷效率和診斷結果的要求，才能及時、快速、準確地排除故障,確保系統的正常運行。

[1]李紅衛，楊東升，孫一蘭，韓娟.智能故障診斷技術研究綜述與展望[J].計算機工程與設計,2013,34(02).

[2] Y.M.Chen, M.L.Lee Neural network-based scheme for system failure detection and diagnosis. Mathematics and Computer in Simulation,2002,58:101-110.

[3]曹云峰, 臧大進.故障診斷技術的研究現狀及展望[J].礦山機械,2010(18).

[4]崔明輝.基于粗糙集理論的智能故障診斷研究[M].山東大學.碩士論文.