基于神經網絡的故障診斷探討

鄭文青 山東科技大學

隨著工業4.0時代的到來，設備自動化水平程度越來越高。在設備給人們的生產生活帶來極大便利的同時，設備出現故障造成的經濟損失也越來越大。設備故障是設備運行過程中不可避免的行為，如何事先發現設備運行中的問題，提前對其進行修復，保證其安全生產與運行，這是長期困擾設備管理人員的問題。在早期的故障診斷過程中，設備故障處理更多的是憑借著使用者的經驗判斷和維修人員已有的一些常規處理方式解決，缺乏一定的系統性與安全性，并不能真正意義上排除設備對相關人員生命安全財產的隱患。與此同時，設備故障處理效果不夠穩定，一個故障的處理甚至會引發新的故障，給用戶帶來更大的麻煩與損失。

故障診斷作為一門專門的科學，在歷經數十年的發展過程中，初步形成了自身的一套研究體系。現階段故障處理往往有兩大類型，一個是基于非模型的故障處理模式，另一個是基于系統數學模型的故障處理。這兩大故障處理類型極大的促進了故障診斷理論的進步與發展，由于故障的出現往往具有突發性和非線性等特點，這使得其處理判斷規則較為模糊，人工解決較為困難。為此，基于人工智能的系統成為了識別故障、故障診斷、處理故障的良好選擇。通過人工智能神經網絡，構成具有適應性的單院互聯網絡系統，模擬生物神經系統對于現實世界做出的反映，有效的識別診斷問題。因此，基于神經網絡的故障診斷系統研究，其本身具有一定的理論和實踐意義。

1 現階段故障診斷中存在的問題

故障診斷最早起源于設備維修檢驗過程中，最初是通過原始的經驗分析判斷，后來隨著技術于方法的進步，故障診斷逐漸強調通過監測設備了解設備運行的狀態參數，以前發現設備可能存在的一些異常狀況，了解設備故障的原因，幫助使用者了解預測設備未來的運行狀態。現階段我國設備診斷技術雖然取得了較快的發展，但是許多設備診斷技術于方法還有待提升的空間。隨著計算機技術與互聯網信息的迅猛發展，設備診斷也逐步進入了智能化階段，其在工業生產中地位也越來越重要。現階段故障診斷中遇到的常見的難題：第一，故障定位問題。故障發生后，如何快速的定位故障、找出故障、排除故障，這是困惱故障處理人員的重大難題。第二，故障信息提取問題。由于不同環節故障的信息處理沒有一套統一的標準，不同的環節處理與信息翻譯，給故障的排除與維護帶來了困難。第三，適應問題。故障排除與零件替換后，往往存在著一個磨合與環境適應問題。如何縮短磨合時間，自動適應設備運行環境，這也是故障處理不可避免的難題。

2 神經網絡故障診斷優點

人工神經網絡憑借著其獨特的優點迅速發展，一方面神經網絡具有可逼近任意連續有界非線性函數的能力，這種能力使得其有助于幫助故障系統建立非數學模型，實現故障診斷的跨越式發展；另一方面，神經網絡具有令人驚訝的數據分類能力，能夠幫助設備進行故障模式分類與學習，從而診斷出故障。因此，神經網絡憑借其物理模型方法和數學模型方法的結合，實現兩者的互補協作，發揮兩者長處，從而使得故障診斷的范圍更寬，準確性更高，效果也將更加明顯。

3 神經網絡用于故障診斷的可行性與前景展望

神經網絡診斷與傳統的故障診斷方法相比，實現了內部知識表達方式的統一。在神經網絡診斷中，知識規則可以利用范例的學習，將信息存儲于同一個神經網絡連接權重重，使得知識庫的通用性更加，管理更加方便于規范。與此同時，大量的知識存儲于一個相對小的多的神經網絡中，有助于故障診斷速度的改善與提升。與此同時，基于神經網絡的故障診斷，能夠利用神經網絡數據庫，實現知識的自動獲取，來適應環境的變化。傳統故障診斷中的“匹配沖突”“組合爆炸”“無窮遞歸”等問題，可以借用這一載體得到有效解決，實現推理速度的提升與進步。最后，基于神經網絡的故障診斷系統，其本身具有聯想、記憶和類比的形象思維能力，克服了以往系統中的“知識窄臺階”問題。即使是未接觸過的學習知識外的范圍，也不會對其造成困惱，因為神經網絡將知識表示、存儲與推理進行融合，幫助其實現真正意義上知識遷徙與拓展。因此，從未來的發展前景看，基于神經網絡的故障診斷在以下方面具有獨特的發展前景：

3.1 知識存儲

與以往傳統的故障診斷相比，訓練過的神經網絡能夠有效的改善故障診斷的知識存儲模式。通過引用神經網絡，能夠將診斷過程中需要存儲的相關過程性的知識，直接進行定量的、歷史的學習。這與之前的零散性、分散化的故障診斷存儲模式相比，具有明顯的優勢。基于神經網絡的故障診斷，能夠根據對象的正常歷史數據訓練，將信息與測量數據對比，進行對比分析，確定故障，解決故障。

3.2 信息處理

在今后的故障診斷系統中，人工神經網絡將在信息處理方面大大改善故障處理能力。由于人工神經網絡具有獨特的濾除噪聲能力，使得其能夠在噪音干擾的情況下，排除噪聲狀況，準確定位，得出正確的故障結論。神經網絡特殊的噪聲信息處理能力，可以使得其在噪聲環境中，依然規范有效地工作，提升人工神經網絡在線故障檢測與診斷的技巧與能力，幫助故障診斷處理者克服傳統故障診斷與處理的弊端。

3.3 分辨識別

基于神經網絡的故障診斷，能夠有效改善傳統故障診斷中故障識別與診斷的效率，提高故障定位與診斷的能力，分辨故障問題產生的原因，辨析不同的故障類型，大大提升故障處理效率與能力。事實上，面向設備故障診斷的神經網絡子系統，其本身具有復雜的網絡設計，能夠以最快的速度，幫助設備故障處理者自動分辨故障。同時，神經網絡也能夠利用其下屬成千上萬的子系統，詳細發揮子系統的功能與特點，使得子系統整合組合成新的框架模式，實現智能診斷的預期效果。

將神經網絡應用于故障診斷，這是故障診斷的進步與趨勢。從目前的發展現狀看，人工神經網絡對于故障診斷的精確性、多樣性、結構性與全面性依舊還處于初級階段。在以后的發展過程中，診斷理論與神經網絡將得到更好的結合，信號處理與神經網絡契合度將會進一步提升，網絡結構的改進，設備故障診斷的微型化，將得到進一步的改進與提升。由于主客觀條件的限制，本文對于故障診斷的方法與理論研究還不夠深入，對于神經網絡的探討還不夠成熟與全面，但隨著技術與經驗的進步與積累，基于神經網絡的故障診斷必將得到更好的發展，相信神經網絡在故障診斷中將發揮越來越重要的作用，幫助兩者實現更好的銜接與進步。