智能故障檢測診斷

張鑫 季澤偉 付娜 曲京儒

摘要：智能故障診斷技術的發展為復雜系統的可靠性、安全性以及故障診斷提供了新的途徑，它是故障診斷的高級階段。

關鍵詞：智能故障;檢測;診斷

引言

智能故障診斷是人工智能和故障診斷相結合的產物，主要體現在診斷過程中領域專家知識和人工智能技術的運用。它是一個由人、能模擬腦功能的硬件及其必要的外部設備、物理器件以及支持這些硬件的軟件所組成的系統。

1智能故障檢測與診斷模塊的主要任務和基本要求

故障檢測與診斷就是從監控對象中適時準確地檢測出故障信息，并對故障產生的原因、部位、類型、程度及其發展做出判斷。

其主要任務通常包含以下幾個方面的內容：

（1）獲取故障信息;

（2）尋找故障源，確定故障的位置、大小、類型及原因;

（3）評價故障的影響程度，預測故障的發展趨勢;

（4）對檢測診斷結果做出處理和決策。

基本要求包括以下幾方面：

（1）對故障具有強檢測能力

故障檢測能力的強弱，一方面反映了檢測診斷模塊對故障的檢測能力，另一方面也直接影響故障診斷的效果，對弱故障信號和早期故障信號，故障檢測能力尤為重要。

（2）對故障具有強診斷能力

能綜合運用多種信息和多種診斷方法，以靈活的診斷策略來解決診斷問題;

能通過使用專家的經驗，而盡量避開信號處理方面復雜的實時計算;

能處理帶有錯誤的信息和不確定性信息，從而相對降低對測試儀器和工作環境的要求。

（3）盡量采用模塊化結構

結構應當模塊化，使之可以方便地調用其他應用程序，如維修咨詢子模塊、模擬故障診斷子模塊等。

（4）具有人機交互診斷功能

現代設備的復雜性，要求綜合運用多種知識源（淺、深知識）來求解復雜問題，用戶適當地實時參與，將使診斷速度更快、準確性更高。用戶參與有主動和被動兩種方式：主動參與可干預和引導推理過程;被動參與只回答提問，而不干預推理過程。

（5）具有多種診斷信息獲取的途徑

獲取的診斷信息越豐富，則診斷效果越好。首先，應具有自動獲取狀態信息（當前、歷史）的功能;其次，應能通過人機交互獲取狀態信息。

（6）對問題求解應當實時和準確

實時：一旦發現故障跡象，應立即開始診斷工作，

準確：輸出結果應當細致明了，對于并發故障允許輸出多個診斷解，對于同一故障則只有一個診斷解，對于征兆不完備情況應輸出按權值排序的多個候選故障解。

（7）具有學習功能

現代設備的復雜性以及新知識的不斷涌現，導致專家現有知識的不足。要求系統具有被動和主動（自學習）獲取新知識的能力。

1故障檢測與診斷的常用方法

（1）基于數學模型的故障檢測與診斷方法

特點是必須將故障數學模型化，有時建立模型很困難不依賴實例和經驗;適用于新的沒有成熟經驗的診斷。

（2）基于參數估計的故障檢測與診斷方法

特點是須先確定一個信任域，當參數超出域時認為故障;適用于故障能由參數的顯著變化來描述的診斷。

（3）基于信號處理的故障檢測與診斷方法

所謂基于信號處理的故障診斷技術，通常是利用信號模型，如相關函數、頻譜、自回歸滑動平均、小波變換等，直接分析可測信號，提取諸如方差、幅值、頻率等特征，從而檢測出故障。典型方法：小波變換、模態分解等。

（4）基于知識的故障檢測與診斷方法

不需精確的數學模型，能模擬人的思維過程，具有自學習、自組織、自推理能力。

（5）基于實例的故障檢測與診斷方法

是一種使用過去的經驗實例指導解決新問題的方法。優點是不需從實例中提取規則，求解快;不足是能搜集的實例是有限的，求解時可能出現誤診或漏診。

（6）基于模糊理論的故障檢測與診斷方法

征兆的描述、故障與征兆的關系往往具有模糊特性，模糊語言變量能更準確地表示這種模糊性的征兆和故障。問題在于知識獲取困難：如何確定故障與征兆間的模糊規則;如何實現模糊語言變量與隸屬度間的推理轉換。

（7）基于神經網絡的故障檢測與診斷方法

利用神經網絡的聯想、推理和記憶能力進行知識處理。適用于復雜多模式的診斷，有離線和在線診斷兩種方式。

2智能故障診斷中的機器學習策略及其理解

（1）簡單學習

文獻、專家和資料所描述的關于診斷對象的結構、功能、運行約束條件等知識，機械學習機制為主;主要用于元知識學習階段。

（2）交互學習

知識工程師或診斷對象處理過的知識，講授學習機制為主;主要用于領域知識學習和知識庫豐富階段。

（3）獨立學習

推理策略面對的新知識，歸納學習機制為主;主要用于診斷能力改善階段。

3結論

隨著知識工程的發展以及數據庫、虛擬現實、神經網絡等技術發展的日新月異，必然引起各種故障診斷技術的不斷發展。遠程性、知識化、智能化是故障診斷技術追求的目標，是設備故障診斷走向自動化的重要途徑。智能故障診斷技術的發展趨勢集中體現在以下幾個方面：

（1）基于Internet的遠程故障診斷技術研究

基于Internet的設備遠程故障診斷將故障診斷技術與計算機網絡技術相結合，在企業的關鍵設備和環節建立狀態監測點，通過采集并提交設備狀態數據，由技術力量較強的科研院所、制造商或領域專家借助相關數據分析工具、專家知識為企業提供遠程技術支持或方法指導。隨著Internet技術在全球的發展和普及，充分利用其在標準化、開放性、良好的性價比等方面的優勢，構建基于Internet的應用系統，消除時空障礙，實現廣域信息共享，是制造及服務領域適應經濟與技術全球化發展的必然趨勢。

（2）與多元傳感器的融合

現代化的大生產要求對設備進行全方位、多角度的監測與維護，以便對設備的運行狀態有整體的、全面的了解。因此在進行設備故障診斷時，可以采用多個傳感器對設備的各個方位進行監測，然后按照一定的方法將這些信息融合起來，如神經網絡方法。

（3）與現代智能方法相結合

現代智能方法包括專家系統、模糊邏輯、神經網絡、遺傳算法等。如神經網絡方法，它為故障智能診斷系統的發展開辟了嶄新的途徑。用神經網絡技術建立的診斷系統，不需要大規模的產生式規則，也不需要進行樹搜索，系統可以自學習自組織，并可以進行模糊推理，這對用傳統人工智能方法建立的專家系統最感到困難的知識獲取和推理等問題提供了新的解決辦法。現代智能方法在設備故障診斷技術中得到廣泛的應用，隨著智能技術的不斷發展，設備狀態的智能監測和設備故障的智能診斷將是故障診斷技術發展的最終目標。

參考文獻

[1]劉娜，劉淵康.基于智能感知的監控運維故障診斷技術探討[J].中國交通信息化，2020（03）：118-120.

[2]許麗.人工智能在機械設備故障檢測中的應用[J].南方農機，2019，50（24）：178.

[3]張衛峰，惠俊軍.智能故障診斷技術的現狀及展望[J].工業儀表與自動化裝置，2017（05）：21-24.

山東建筑大學 250101