混合智能故障診斷與預示技術的應用

許波

摘要

在對一些大型復雜的電子設備進行狀態監測和故障診斷時，為了提高效率和效果，人們將多種人工智能技術和現代信號處理方法進行綜合應用，形成混合智能故障診斷和預示技術。本文將就混合智能故障診斷和預示技術的內涵以及具體應用進行深入的探索研究。

【關鍵詞】人工智能 信號處理 故障診斷 應用

設備的故障診斷和狀態監測的有效性直接影響著生產系統的運行效果、生產效率以及產品質量，但是由于大型電子設備的結構和機理較為復雜，導致設備故障也呈現出復雜性和不確定性的特點。傳統故障診斷工作基本上都是由技術人員和診斷專家完成，但是考慮到數據規模較大，因此必須提高設備故障診斷的智能化水平，混合智能故障診斷與預示技術就是在這種情況下誕生的，且效果顯著。因此探究混合智能故障診斷與預示技術具有十分重要的意義。

1 混合智能診斷與預示技術概述

1.1 混合智能診斷與預示技術的內涵

當前階段，應用較為廣泛的人工智能技術主要包括專家系統、模糊邏輯、神經網絡以及遺傳算法等幾種類型，不同技術的優劣各有不同，如專家系統的知識獲取能力和解釋能力較強，但是容錯能力較差。而神經網絡的知識獲取能力和容錯能力較輕，但是解釋能力較弱。遺傳算法的各項能力則相對平衡，知識獲取能力、容錯能力、解釋能力等都較為優良。由此可見，單一的應用某種智能技術基本上都存在一定的缺陷，而將多種智能技術進行混合則能實現優勢互補。除了上述幾種技術之外，近些年來也不斷涌現出了許多計算只能算方法，如粒子群算法、遺傳算法、免疫算法等。不同智能技術存在的優勢和不足為混合智能故障診斷與預示技術的應用提供了極大的靈活性。

混合智能技術即是指將多種人工智能技術有機的結合起來，充分發揮出不同智能技術的優勢，已獲得更好的應用效果。在進行電子設備狀態監測和故障診斷的過程中，將多種智能技術進行綜合應用可以實現對大型復雜關鍵設備早期、微弱和復合故障的及時發現和掌控，將故障危害控制到最低的范圍內。

雖然當前階段混合智能故障診斷與預示技術已經在實際生產過程中得到了廣泛的應用，但是尚未形成統一明確的定義。結合電子設備狀態監測和故障診斷工作的特點，我們可以對混合智能故障診斷與預示技術作出以下定義：基于不同人工智能技術之間的差異性和互補性，充分發揮優勢互補原則，結合不同機械信號處理和特征提取方法，將多種技術進行靈活的結合、集成和融合，促進故障診斷與預示系統的精確度和敏感性。

1.2 混合智能故障診斷與預示技術的實現步驟

圖1為混合智能故障診斷與預示技術的具體實現步驟。

（1）利用不同的信號處理技術和特征提取方法對電子設備的故障特征進行采集，為設備故障的準確診斷以及早期預示提供可靠的依據。一些早期、微弱以及復合的設備故障的特征十分不明顯，采用傳統故障診斷技術很容易出現遺漏，因為其切入點過于單一。而不同信號處理方法的應用可以從多種角度對故障特征信息進行提取，盡可能的獲得設備故障的有效特征。

（2）基于“優勢互補”的原則，在復雜設備診斷中綜合應用多種人工智能技術，充分發揮不同技術的優勢實現對故障的準確診斷。對于復雜程度較高的問題，可以將其進行適當的分解，針對每一個子問題采用最適當的人工智能技術進行診斷，最后將所有子問題的診斷結果進行融合，這樣不僅可以有效的避免問題遺漏，同時還可以強化故障診斷的精確性，實現對故障發生位置的準確判斷，為故障發展趨勢的預測奠定堅實的基礎。

通過對混合智能故障診斷與預示技術內涵以及實現過程的闡述分析可知，在混合智能故障診斷和預示技術應用的過程中，故障特征信息獲取和智能診斷是兩個十分關鍵且聯系緊密的環節。因此，混合智能故障診斷與預示技術實際上是通過多種人工智能技術的綜合應用，實現故障特征提取和信號處理方法與智能技術的融合。

2 混合智能故障診斷與預示技術的實際應用與發展趨勢

2.1 應用實例分析

TKR-651電臺是一種廣泛應用于教練機、轟炸機、殲擊機等軍用飛機的機載電臺，其電子部件接口信號十分復雜，主要包括數字量、模擬量、開關量、連梁等，考慮到其硬件系統要做到“綜合、通用”，可以對各種類型的機載設備進行性能檢測，于是研制出了機載設備自動測試系統，具體結構如圖2所示。具體檢測過程可以分為以下兩個環節。首先，故障模式確定。以TKR-651電臺的基本測試為基礎，將所有可測試性能指標全部列入到節點中，性能指標超標即映射至故障現象，并對數據節點中的各項性能參數進行模糊處理。其次，根據上述選擇的各個節點，繪制TKR-651故障模式圖，填寫智能分析系統中的知識表，構建TKR-651電臺故障診斷知識庫，依托該知識庫由系統選擇推理引擎進行故障的搜尋和定位。

2.2 混合智能故障診斷與預示技術應用的發展趨勢分析

近些年來，混合智能故障診斷與預示技術在實踐中取得了不俗的效果使得其受到了更多的關注，針對這種技術的研究項目也變得越來越多，但是其中仍舊存在一定的問題。可以預見到，混合智能故障診斷與預示技術在未來一段時間的發展將集中在以下幾個方面：

（1）加強對故障多域敏感特征提取的研究，拓展信號處理技術和特征提取方法，如盲分離、多小波、總體平均經驗模式分解、隨機共振等，從多個角度切入對故障信息特征進行提取，創新技術形式探究不同特征對故障的敏感度，構建可用于多域特征提取和敏感性評估的特征體系，為混合智能故障診斷和預示技術的高效應用提供科學可靠的依據。

（2）加強對不同人工智能技術之間優勢互補關系的研究，為多種智能技術的靈活搭配和混合應用提供充實的依據，對人工技術的混合應用模式進行豐富，構建完善的實用化混合智能診斷與預示系統，提高大型復雜關鍵設備早期、微弱以及復合故障的診斷和預示效果，切實保障生產系統的穩定運行。

（3）設備的健康管理。針對事后維修和定期維修在很多領域已經不能滿足維修保障要求的問題，于是設備健康管理的概念被提出。PHM系統即是依托PHM技術先進傳感器集成收集設備數據，結合其他有效信息，借助合適的算法模型對目標對象進行故障預測，同時提供維修保障決策及實施計劃的一種視情維修技術。系統的決策支持層一旦預測到故障可能發生，會結合當前運行環境給出合理的后期運行方案，準確可信的故障診斷和預測結構是健康管理目標實現的必要保障。

3 結語

綜上所述，電子設備故障診斷是一門實用性極強的學科，故障診斷技術的有效性直接影響著電子設備的運行效果。近些年來，隨著人工智能技術的持續發展，混合智能故障診斷與預示技術的出現為大型復雜關鍵設備的早期、微弱、復核故障的診斷與預示提供了一條新的思路，且在實踐中取得了一定的成效。但我們仍需意識到，混合智能故障診斷與預示技術仍舊存在一定的問題，應該進一步加強研究，為大型復雜關鍵設備的穩定運行提供良好的保障。

參考文獻

[1]饒利強.混合智能故障診斷技術在異步電機故障診斷中的應用研究[D].南昌大學，2016.

[2]雷亞國，何正嘉.混合智能故障診斷與預示技術的應用進展[J].振動與沖擊，2011，30（09）：129-135.

[3]張周鎖.基于拉計算的混合智能故障診斷技術及應用[A].中國振動工程學會故障診斷專業委員會.第十二屆全國設備故障診斷學術會議論文集[C].中國振動工程學會故障診斷專業委員會，2010：4.