故障診斷是指系統(tǒng)在一定工作環(huán)境下查明導(dǎo)致系統(tǒng)某種功能失調(diào)的原因或性質(zhì)，判斷劣化狀態(tài)發(fā)生的部位或部件跃渠，預(yù)測(cè)狀態(tài)劣化發(fā)展趨勢(shì)的過(guò)程谚熙。故障診斷技術(shù)是40年來(lái)發(fā)展起來(lái)的一門新學(xué)科攒置，它具有很強(qiáng)的工程背景和重要的實(shí)用價(jià)值康蚯，并且以深厚的理論為基礎(chǔ)，系統(tǒng)論爵倚、信息論、控制論时损、非線形科學(xué)等最新技術(shù)在其中都有廣泛應(yīng)用也您。特別是近年來(lái)智能化故障診斷技術(shù)被應(yīng)用于電力、石油化工脾膨、冶金等行業(yè)的大型愕炸、高速旋轉(zhuǎn)機(jī)械的故障診斷中并取得了顯著的效果，讓我們看到了智能故障診斷技術(shù)在機(jī)械工程領(lǐng)域中的巨大應(yīng)用前景幔嫂。

　　1 故障診斷技術(shù)的發(fā)展

　　故障診斷技術(shù)的發(fā)展大體經(jīng)歷了三個(gè)階段：

　　第一階段是故障診斷的初級(jí)階段辆它，診斷結(jié)果是建立在領(lǐng)域?qū)＜业母泄俸蛯I(yè)經(jīng)驗(yàn)基礎(chǔ)上，僅對(duì)診斷信息作簡(jiǎn)單的處理履恩，其診斷水平極大地受到個(gè)人生理?xiàng)l件和經(jīng)驗(yàn)水平的限制锰茉。

　　第二階段是以傳感器技術(shù)和動(dòng)態(tài)測(cè)試技術(shù)為手段、以信號(hào)處理和建模處理為基礎(chǔ)的常規(guī)診斷技術(shù)切心。其中飒筑，信號(hào)處理包括統(tǒng)計(jì)分析、相關(guān)分析绽昏、頻譜分析协屡、小波分析和模態(tài)分析等：建模處理包括參數(shù)估計(jì)、系統(tǒng)辨識(shí)全谤、模式識(shí)別等肤晓，其理論基礎(chǔ)是系統(tǒng)論、信息論和控制論认然。在這一階段补憾，故障診斷技術(shù)在工程上得到了廣泛的應(yīng)用，其自身也得到了空前的發(fā)展反俱，誕生出許多新的診斷方法猎递。如振動(dòng)診斷技術(shù)、聲發(fā)射診斷技術(shù)攘宗、鐵譜診斷技術(shù)乡试、光譜診斷技術(shù)、無(wú)損診斷技術(shù)和熱成像檢測(cè)診斷技術(shù)等猾蔫。

　　第三階段是智能診斷技術(shù)階段吻蟹。至80年代中期以后，由于機(jī)器設(shè)備的大型化、復(fù)雜化以及連續(xù)高速運(yùn)行的需要果邢，加之自動(dòng)化制造系統(tǒng)(如CIMS晚沙，F(xiàn)MS)的誕生和發(fā)展，單靠信號(hào)處理和人工分析判斷又難以實(shí)現(xiàn)在線的精確診斷：人工智能技術(shù)的發(fā)展辙恨，特別是基于知識(shí)的專家系統(tǒng)和以并行分布處理為特征的人工神經(jīng)網(wǎng)絡(luò)等技術(shù)在智能故障診斷中的應(yīng)用喝赎，使得故障診斷技術(shù)進(jìn)入了一個(gè)新的智能化發(fā)展階段。

　　2 智能故障診斷的發(fā)展及研究現(xiàn)狀

　　智能化故障診斷技術(shù)的發(fā)展一直與人工智能技術(shù)赡模，尤其是人工智能最成熟的分支專家系統(tǒng)的發(fā)展緊密關(guān)聯(lián)田炭。其中基于知識(shí)的診斷專家系統(tǒng)和基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)兩個(gè)方面研究的最多也最成熟，下面重點(diǎn)概述這兩方面的發(fā)展及研究現(xiàn)狀漓柑。

　　基于知識(shí)的診斷專家系統(tǒng)

　　基于知識(shí)的專家系統(tǒng)技術(shù)的發(fā)展大致經(jīng)歷了兩個(gè)階段：第一階段是被稱為第一代專家系統(tǒng)的基于淺知識(shí)的專家系統(tǒng)：第二階段是被稱為第二代專家系統(tǒng)的基于深知識(shí)的專家系統(tǒng)教硫。此外將深、淺知識(shí)相融合的專家系統(tǒng)可以看成是將前兩階段成果的結(jié)合辆布。在這里面使用的知識(shí)主要是一些模型知識(shí)(如系統(tǒng)的數(shù)學(xué)模型瞬矩、定性物理模型、結(jié)構(gòu)模型锋玲、過(guò)程模型景用、功能模型和因果網(wǎng)絡(luò)模型等)。

　　基于淺知識(shí)的專家系統(tǒng)

　　基于淺知識(shí)的診斷推理實(shí)際上是已知一組征兆惭蹂，要求對(duì)產(chǎn)生這組征兆的原因做出解釋的過(guò)程丛肢。這類問(wèn)題的求解需要用到兩類知識(shí)：一類是表示系統(tǒng)故障是如何引起各種征兆的因果性知識(shí)，另一類是反映因果關(guān)系的成立程度(模糊強(qiáng)度)和可能性(概率強(qiáng)度)方面的知識(shí)剿干。

　　利用淺知識(shí)診斷方法的特點(diǎn)如下蜂怎。

　　淺知識(shí)通常以IF-THEN類型的規(guī)則形式表現(xiàn)，而且知識(shí)的變更也非常容易置尔。

　　診斷推理方法多種多樣登彪。特別是有許多不確定知識(shí)的推理方法：確定性因子方法(Certainty Factors Method)：主觀貝葉斯概率理論(Subjective Bayes Probability Theory)：證據(jù)理論(Theory of Evi-dence)：可能性理論(Possibility Theory)。

　　收集處理異類的知識(shí)比較困難城搀。由于基于淺知識(shí)故障診斷專家系統(tǒng)的知識(shí)庫(kù)容易構(gòu)造和管理标狼，推理效率高，因而贏得了眾多專家系統(tǒng)使用者的青睞诞茶。但是由于淺知識(shí)模型的限制纠徘，診斷精度常常受到限制，而且從專家那里獲取經(jīng)驗(yàn)較難哆幸，知識(shí)集不完備暴雕。

　　基于深知識(shí)的專家系統(tǒng)

　　為了克服第一代專家系統(tǒng)基于淺知識(shí)推理的缺點(diǎn)，專家系統(tǒng)中又引入了深知識(shí)推理的概念凫体。深知識(shí)刻畫了專門領(lǐng)域內(nèi)原理性和功能性的知識(shí)豫鞭，更深刻地了解領(lǐng)域?qū)ο蠛蛯?duì)象之間的相互作用抡悼。基于深知識(shí)的診斷專家系統(tǒng)屬第二代診斷專家系統(tǒng)鬓预，其特點(diǎn)是：

　　利用深知識(shí)的診斷方法收集的知識(shí)比較容易篮烈。如果給設(shè)備裝置以適當(dāng)?shù)挠浭鲂问剑梢员纫?guī)則法有更充分的知識(shí)表現(xiàn)购岗，從而增加了知識(shí)的利用深度汰聋。

　　如果給出診斷對(duì)象的構(gòu)造記述，可以立即進(jìn)行故障的診斷喊积，這很適合設(shè)備種類多樣化的特點(diǎn)烹困。

　　利用深知識(shí)診斷方法的缺點(diǎn)是：其推理處理復(fù)雜，搜索空間大注服，處理速度慢。

　　基于混合知識(shí)的專家系統(tǒng)

　　鑒于深措近、淺知識(shí)專家系統(tǒng)各自的優(yōu)缺點(diǎn)溶弟，綜合利用深、淺知識(shí)相結(jié)合的診斷方法可以達(dá)到人類專家診斷過(guò)程相近的診斷瞭郑，從而使專家系統(tǒng)的智能水平也前進(jìn)了一步辜御。

　　混合知識(shí)診斷專家系統(tǒng)的診斷過(guò)程首先由淺層推理產(chǎn)生初始診斷假設(shè)，再由深層診斷進(jìn)行確認(rèn)和解釋屈张。兩層之間的通訊是通過(guò)淺層中的假設(shè)對(duì)象與深層中的一個(gè)假設(shè)結(jié)點(diǎn)相對(duì)應(yīng)擒权，當(dāng)淺層中產(chǎn)生一個(gè)故障假設(shè)對(duì)象后，深層推理則與之相對(duì)應(yīng)網(wǎng)絡(luò)連點(diǎn)開(kāi)始推理讽益。也就是淺層知識(shí)(基于啟發(fā)式的知識(shí))推理由于產(chǎn)生診斷焦點(diǎn)逊床，而深層知識(shí)則用于對(duì)診斷假設(shè)進(jìn)行確認(rèn)，具體化以及提出精確的解釋或推翻故障假設(shè)泞叉。

　　所有上述診斷推理方法的出現(xiàn)都大大地推動(dòng)了智能診斷化診斷技術(shù)的發(fā)展蚪库，在一定的領(lǐng)域和范圍內(nèi)，診斷專家系統(tǒng)問(wèn)題求解的能力達(dá)到了人類專家的水平嫡决。然而人杜，在診斷專家系統(tǒng)的應(yīng)用研究取得初步成功的后面卻隱藏著極大的困難，主要表現(xiàn)在：

　　知識(shí)獲取的“瓶頸”問(wèn)題坷疙。專家系統(tǒng)很難獲取較完備的知識(shí)庫(kù)皱蝙，而知識(shí)庫(kù)不完備可能導(dǎo)致專家系統(tǒng)推理混亂并得出錯(cuò)誤的結(jié)論。

　　知識(shí)窄臺(tái)階問(wèn)題涕肪。專家系統(tǒng)的工作范圍很窄矮层，只能對(duì)專家知識(shí)領(lǐng)域范圍內(nèi)的問(wèn)題予以解決，但對(duì)專家知識(shí)領(lǐng)域范圍以外的問(wèn)題則顯得無(wú)能為力锌烫，即專家系統(tǒng)缺乏聯(lián)想殉俗、記憶圾纤、類比等形象思維能力。

　　推理能力弱倦逐。傳統(tǒng)的專家系統(tǒng)推理方法一般較為簡(jiǎn)單譬正，控制策略不靈活，容易出現(xiàn)諸如“匹配沖突”檬姥、“組合爆炸”以及“無(wú)窮遞歸”等問(wèn)題曾我，推理速度慢，效率低健民。

　　基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)

　　80代中期抒巢，由于“計(jì)算能量函數(shù)”和“隱單元”的成功進(jìn)入，人們又重新認(rèn)識(shí)到聯(lián)結(jié)主義機(jī)制(Connectionism)秉犹，即人工神經(jīng)元網(wǎng)絡(luò)(Artifical Neural Network)的價(jià)值蛉谜。人工神經(jīng)網(wǎng)絡(luò)技術(shù)的崛起首先給傳統(tǒng)的人工智能技術(shù)和認(rèn)知科學(xué)帶來(lái)了極大的沖擊和影響，繼而以其高度的并行分布式處理崇堵、聯(lián)想型诚、記憶、自組織及自學(xué)習(xí)能力和極強(qiáng)的非線性映射能力鸳劳，在眾多的研究領(lǐng)域顯示了廣闊的應(yīng)用前景狰贯。

　　目前，在智能化診斷技術(shù)領(lǐng)域里人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用研究主要集中兩個(gè)方面：一是從模式識(shí)別的角度應(yīng)用具有感知器結(jié)構(gòu)的神經(jīng)元網(wǎng)絡(luò)模型或各種聯(lián)想記憶模型來(lái)實(shí)現(xiàn)征兆集到故障集之間的非線形特征映射關(guān)系：二是從知識(shí)處理的角度建立基于聯(lián)結(jié)主義機(jī)制結(jié)構(gòu)的診斷專家系統(tǒng)念澜，以一種全新的途徑試圖從知識(shí)獲取吼闽、存儲(chǔ)和推理等方面解決專家系統(tǒng)中遇到的困難，概括起來(lái)有以下幾個(gè)方面禾样。

　　BP神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)驱香。BP神經(jīng)網(wǎng)絡(luò)模型及其學(xué)習(xí)算法研究的比較成熟，它可以用來(lái)模擬規(guī)則的漸進(jìn)學(xué)習(xí)和記憶過(guò)程怨瑰，以實(shí)現(xiàn)動(dòng)態(tài)的知識(shí)組織和自學(xué)習(xí)摇昌，因此其應(yīng)用研究受到人們的廣泛青睞。

　　聯(lián)結(jié)主義機(jī)制的專家系統(tǒng)篓围。這類專家系統(tǒng)的研究目的在于將傳統(tǒng)的專家系統(tǒng)的知識(shí)庫(kù)(規(guī)則庫(kù))轉(zhuǎn)化成為一個(gè)聯(lián)結(jié)主義知識(shí)網(wǎng)絡(luò)結(jié)構(gòu)净耍，從而以數(shù)值計(jì)算實(shí)現(xiàn)邏輯推理，為大規(guī)模并行處理的實(shí)現(xiàn)提供基礎(chǔ)培按。

　　邏輯推理和聯(lián)結(jié)機(jī)制的集成專家系統(tǒng)嘉警。上面所討論的聯(lián)結(jié)主義機(jī)制的專家系統(tǒng)具有較好的知識(shí)表達(dá)和自動(dòng)獲取能力以及大規(guī)模并行處理、聯(lián)想沪识、記憶拼缝、類比及自組織、自學(xué)習(xí)等優(yōu)點(diǎn)彰亥，在一定程度上較好地模擬了人類的形象思維方式咧七。但是衰齐，它僅模擬了人類感覺(jué)層次上的智能活動(dòng)，在模擬人類復(fù)雜層次思維方面還遠(yuǎn)不及傳統(tǒng)的符號(hào)專家系統(tǒng)继阻，且不能模擬多步推理和演繹鏈耻涛。而基于邏輯推理和聯(lián)結(jié)機(jī)制的集成專家系統(tǒng)是符號(hào)推理與非符號(hào)推理(數(shù)值推理)相結(jié)合的既具有邏輯思維能力又具有形象思維能力的專家系統(tǒng)。這種集成專家系統(tǒng)一出現(xiàn)就引起人們的廣泛熱情瘟檩。如神經(jīng)元專家系統(tǒng)抹缕。

　　上述這些積極的探索對(duì)于專家系統(tǒng)技術(shù)及其應(yīng)用，包括智能化診斷技術(shù)的發(fā)展都具有重要的推動(dòng)作用墨辛。

　　3 智能化診斷技術(shù)的研究展望

　　近年來(lái)智能化診斷技術(shù)的研究雖然已經(jīng)取得了許多長(zhǎng)足的進(jìn)步卓研，但仍存在許多問(wèn)題有待研究和解決，如多故障同時(shí)診斷問(wèn)題求解中的組合爆炸問(wèn)題睹簇、診斷推理中的知識(shí)獲取與學(xué)習(xí)問(wèn)題奏赘，以及序貫性診斷問(wèn)題求解中的最優(yōu)測(cè)點(diǎn)選擇問(wèn)題等。本文下面結(jié)合當(dāng)前信息論學(xué)科的最新成果來(lái)展望機(jī)械產(chǎn)品智能故障診斷相關(guān)領(lǐng)域的發(fā)展太惠。

　　智能集成診斷系統(tǒng)(IIFDS)

　　由于大型故障診斷往往是一個(gè)多階段钮药、多層次的復(fù)雜過(guò)程，不同的階段用到的知識(shí)內(nèi)容诅订，表達(dá)形式及解決問(wèn)題的思維方式都可能不盡相同氮栏。所以完成一個(gè)完整的故障診斷過(guò)程常常需要多知識(shí)表達(dá)形式和多推理模式及合理的控制機(jī)構(gòu)來(lái)解決診斷問(wèn)題插棱。目前的智能診斷系統(tǒng)乡羹，大多還停留在處理單一領(lǐng)域知識(shí)范疇符號(hào)推理問(wèn)題的專家系統(tǒng)層次上，并未上升到多專家系統(tǒng)集成的高度上肘何，因而限制了其對(duì)復(fù)雜系統(tǒng)的求解能力矫震。智能集成診斷系統(tǒng)(IIFDS)能模擬診斷者的思維過(guò)程，集成和管理診斷子任務(wù)(如數(shù)據(jù)采集艰膀，信號(hào)分析控屡，故障診斷等)，實(shí)現(xiàn)采樣辫田，分析和診斷一體化峻维，并集成和使用各種知識(shí)(如經(jīng)驗(yàn)知識(shí)，分析知識(shí)嚎论，數(shù)值計(jì)算知識(shí)等)桐猬，以提高其智能診斷和決策水平。

　　遠(yuǎn)程協(xié)作診斷系統(tǒng)

　　基于因特網(wǎng)的設(shè)備故障遠(yuǎn)程協(xié)作診斷是將設(shè)備診斷技術(shù)與計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)相結(jié)合的產(chǎn)物刽肠。即用若干臺(tái)中心計(jì)算機(jī)作為服務(wù)器溃肪，在企業(yè)的重要關(guān)鍵設(shè)備上建立狀態(tài)監(jiān)測(cè)點(diǎn)采集設(shè)備狀態(tài)數(shù)據(jù)，而在技術(shù)力量較強(qiáng)的科研院所建立分析診斷中心為企業(yè)提供遠(yuǎn)程技術(shù)支持和保障音五。如果生產(chǎn)企業(yè)設(shè)備運(yùn)行出現(xiàn)異常惫撰，其狀態(tài)監(jiān)測(cè)服務(wù)器立即以工作傳票方式向診斷分析服務(wù)器申請(qǐng)?jiān)诰€技術(shù)援助羔沙，同時(shí)以電子郵件方式向有關(guān)專家發(fā)出離線會(huì)診請(qǐng)求，在短時(shí)間內(nèi)調(diào)動(dòng)入網(wǎng)的所有診斷資源厨钻，實(shí)現(xiàn)對(duì)設(shè)備故障的早期診斷和及時(shí)維修扼雏。

　　面向并行工程的制造系統(tǒng)智能監(jiān)測(cè)與故障診斷系統(tǒng)

　　并行工程是國(guó)際上80年代末提出的一種新的集成系統(tǒng)化途徑，目前在計(jì)算機(jī)集成制造系統(tǒng)(CIMS)中已得到重視莉撇，它對(duì)監(jiān)測(cè)和診斷技術(shù)提出了更高的要求呢蛤。所謂面向并行工程的智能監(jiān)視與診斷，不僅要求對(duì)系統(tǒng)運(yùn)行狀態(tài)進(jìn)行在線監(jiān)視和精確診斷棍郎，保證系統(tǒng)穩(wěn)定可靠安全運(yùn)行：而且要求實(shí)現(xiàn)診斷信息與系統(tǒng)其它層次和類型的信息共享其障，以及監(jiān)視子系統(tǒng)與作為信息載體的其它各子系統(tǒng)之間的功能互換，并反饋到并行工程的各個(gè)環(huán)節(jié)恃感，最終達(dá)到優(yōu)化產(chǎn)品設(shè)計(jì)和制造斜曾、提高產(chǎn)品質(zhì)量和改善產(chǎn)品生命周期的目的。

聲明：本網(wǎng)站所收集的部分公開(kāi)資料來(lái)源于互聯(lián)網(wǎng)侦需，轉(zhuǎn)載的目的在于傳遞更多信息及用于網(wǎng)絡(luò)分享南椒，并不代表本站贊同其觀點(diǎn)和對(duì)其真實(shí)性負(fù)責(zé)，也不構(gòu)成任何其他建議坊蕴。本站部分作品是由網(wǎng)友自主投稿和發(fā)布呐取、編輯整理上傳，對(duì)此類作品本站僅提供交流平臺(tái)扫觅，不為其版權(quán)負(fù)責(zé)拂炉。如果您發(fā)現(xiàn)網(wǎng)站上所用視頻、圖片硅枷、文字如涉及作品版權(quán)問(wèn)題旱婚，請(qǐng)第一時(shí)間告知，我們將根據(jù)您提供的證明材料確認(rèn)版權(quán)并按國(guó)家標(biāo)準(zhǔn)支付稿酬或立即刪除內(nèi)容太迈，以保證您的權(quán)益针执！聯(lián)系電話：010-58612588 或 Email:editor@mmsonline.com.cn。