基于知識圖譜和模糊推理的機械故障診斷模型

石玉，胡瑛婷

（山東師范大學 信息科學與工程學院，山東 濟南 250358）

0 引 言

隨著第四輪經濟全球化、第四次工業革命的到來，物聯網、人工智能技術在制造業得到普遍應用，全球制造業格局正發生戰略性調整。人工智能等技術促使“智能工廠”“智能車間”“智能工作流程”等的誕生，極大地降低生產制造成本。智能制造是中國制造從“大”走向“強”的重要方向，是中國順應科技革命和產業變革的總趨勢，建設創新型國家的戰略性選擇。

目前，制約生產的一個重要因素是設備維護，現有的主要維護方式分為：修復方式，預防方式和預測方式。隨著工業大數據的發展和人工智能與工業大數據的結合，預測性維護成為相關研究的重要應用場景。預測性維護可以避免故障停機或最小化故障停機時間，保證機器能在盡可能長的時間內正常使用，研究價值高。祝旭倡導將過去常用的預防性維護轉變成基于設備狀態是否正常的預測性維護，可見預測性維護對工業生產的重要意義。若對預測性維護的相關研究方法進行簡要分類，可分為基于機器學習和基于本體方法。

機器學習算法是人工智能技術的核心之一，能夠處理高維度數據、多變量數據等復雜數據，并且可以獲取復雜環境與動態環境中數據之間的隱藏關系，在預測性維護技術中應用前景廣闊，相關研究成果也較為豐富。目前應用于故障診斷和預測性維護的機器學習算法主要有：邏輯回歸、支持向量機、決策和隨機森林等算法，以及近年來發展最快的深度學習算法：人工神經網絡算法和深度神經網絡算法。……