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，預(yù)測狀態(tài)劣化發(fā)展趨勢的過程。故障診斷技術(shù)是40年來發(fā)展起來的一門新學(xué)科，它具有很強的工程背景和重要的實用價值，并且以深厚的理論為基礎(chǔ)，系統(tǒng)論、信息論、控制論、非線形科學(xué)等最新技術(shù)在其中都有廣泛應(yīng)用。特別是近年來智能化故障診斷技術(shù)被應(yīng)用于電力、石油化工、冶金等行業(yè)的大型、高速旋轉(zhuǎn)機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)在機械工程領(lǐng)域中的巨大應(yīng)用前景。
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)歷了三個階段：
第一階段是故障診斷的初級階段，診斷結(jié)果是建立在領(lǐng)域?qū)＜业母泄俸蛯I(yè)經(jīng)驗基礎(chǔ)上，僅對診斷信息作簡單的處理，其診斷水平極大地受到個人生理條件和經(jīng)驗水平的限制。
第二階段是以傳感器技術(shù)和動態(tài)測試技術(shù)為手段、以信號處理和建模處理為基礎(chǔ)的常規(guī)診斷技術(shù)。其中，信號處理包括統(tǒng)計分析、相關(guān)分析、頻譜分析、小波分析和模態(tài)分析等：建模處理包括參數(shù)估計、系統(tǒng)辨識、模式識別等，其理論基礎(chǔ)是系統(tǒng)論、信息論和控制論。在這一階段，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，誕生出許多新的診斷方法。如振動診斷技術(shù)、聲發(fā)射診斷技術(shù)、鐵譜診斷技術(shù)、光譜診斷技術(shù)、無損診斷技術(shù)和熱成像檢測診斷技術(shù)等。
第三階段是智能診斷技術(shù)階段。至80年代中期以后，由于機器設(shè)備的大型化、復(fù)雜化以及連續(xù)高速運行的需要，加之自動化制造系統(tǒng)(如CIMS，F(xiàn)MS)的誕生和發(fā)展，單靠信號處理和人工分析判斷又難以實現(xiàn)在線的精確診斷：人工智能技術(shù)的發(fā)展，特別是基于知識的專家系統(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，使得故障診斷技術(shù)進(jìn)入了一個新的智能化發(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)，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)。其中基于知識的診斷專家系統(tǒng)和基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)兩個方面研究的最多也最成熟，下面重點概述這兩方面的發(fā)展及研究現(xiàn)狀。
- 基于知識的診斷專家系統(tǒng)
- 基于知識的專家系統(tǒng)技術(shù)的發(fā)展大致經(jīng)歷了兩個階段：第一階段是被稱為第一代專家系統(tǒng)的基于淺知識的專家系統(tǒng)：第二階段是被稱為第二代專家系統(tǒng)的基于深知識的專家系統(tǒng)。此外將深、淺知識相融合的專家系統(tǒng)可以看成是將前兩階段成果的結(jié)合。在這里面使用的知識主要是一些模型知識(如系統(tǒng)的數(shù)學(xué)模型、定性物理模型、結(jié)構(gòu)模型、過程模型、功能模型和因果網(wǎng)絡(luò)模型等)。
- 基于淺知識的專家系統(tǒng)
- 基于淺知識的診斷推理實際上是已知一組征兆，要求對產(chǎn)生這組征兆的原因做出解釋的過程。這類問題的求解需要用到兩類知識：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，另一類是反映因果關(guān)系的成立程度(模糊強度)和可能性(概率強度)方面的知識。
- 利用淺知識診斷方法的特點如下。
- 淺知識通常以IF-THEN類型的規(guī)則形式表現(xiàn)，而且知識的變更也非常容易。
- 診斷推理方法多種多樣。特別是有許多不確定知識的推理方法：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比較困難。由于基于淺知識故障診斷專家系統(tǒng)的知識庫容易構(gòu)造和管理，推理效率高，因而贏得了眾多專家系統(tǒng)使用者的青睞。但是由于淺知識模型的限制，診斷精度常常受到限制，而且從專家那里獲取經(jīng)驗較難，知識集不完備。
- 基于深知識的專家系統(tǒng)
- 為了克服第一代專家系統(tǒng)基于淺知識推理的缺點，專家系統(tǒng)中又引入了深知識推理的概念。深知識刻畫了專門領(lǐng)域內(nèi)原理性和功能性的知識，更深刻地了解領(lǐng)域?qū)ο蠛蛯ο笾g的相互作用�；谏钪R的診斷專家系統(tǒng)屬第二代診斷專家系統(tǒng)，其特點是：
- 利用深知識的診斷方法收集的知識比較容易。如果給設(shè)備裝置以適當(dāng)?shù)挠浭鲂问�，它可以比�?guī)則法有更充分的知識表現(xiàn)，從而增加了知識的利用深度。
- 如果給出診斷對象的構(gòu)造記述，可以立即進(jìn)行故障的診斷，這很適合設(shè)備種類多樣化的特點。
- 利用深知識診斷方法的缺點是：其推理處理復(fù)雜，搜索空間大，處理速度慢。
- 基于混合知識的專家系統(tǒng)
- 鑒于深、淺知識專家系統(tǒng)各自的優(yōu)缺點，綜合利用深、淺知識相結(jié)合的診斷方法可以達(dá)到人類專家診斷過程相近的診斷，從而使專家系統(tǒng)的智能水平也前進(jìn)了一步。
- 混合知識診斷專家系統(tǒng)的診斷過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。兩層之間的通訊是通過淺層中的假設(shè)對象與深層中的一個假設(shè)結(jié)點相對應(yīng)，當(dāng)淺層中產(chǎn)生一個故障假設(shè)對象后，深層推理則與之相對應(yīng)網(wǎng)絡(luò)連點開始推理。也就是淺層知識(基于啟發(fā)式的知識)推理由于產(chǎn)生診斷焦點，而深層知識則用于對診斷假設(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)。
- 所有上述診斷推理方法的出現(xiàn)都大大地推動了智能診斷化診斷技術(shù)的發(fā)展，在一定的領(lǐng)域和范圍內(nèi)，診斷專家系統(tǒng)問題求解的能力達(dá)到了人類專家的水平。然而，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：
- 知識獲取的“瓶頸”問題。專家系統(tǒng)很難獲取較完備的知識庫，而知識庫不完備可能導(dǎo)致專家系統(tǒng)推理混亂并得出錯誤的結(jié)論。
- 知識窄臺階問題。專家系統(tǒng)的工作范圍很窄，只能對專家知識領(lǐng)域范圍內(nèi)的問題予以解決，但對專家知識領(lǐng)域范圍以外的問題則顯得無能為力，即專家系統(tǒng)缺乏聯(lián)想、記憶、類比等形象思維能力。
- 推理能力弱。傳統(tǒng)的專家系統(tǒng)推理方法一般較為簡單，控制策略不靈活，容易出現(xiàn)諸如“匹配沖突”、“組合爆炸”以及“無窮遞歸”等問題，推理速度慢，效率低。
- 基于人工神經(jīng)網(wǎng)絡(luò)的診斷專家系統(tǒng)
- 80 代中期，由于“計算能量函數(shù)”和“隱單元”的成功進(jìn)入，人們又重新認(rèn)識到聯(lián)結(jié)主義機制(Connectionism)，即人工神經(jīng)元網(wǎng)絡(luò) (Artifical Neural Network)的價值。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)帶來了極大的沖擊和影響，繼而以其高度的并行分布式處理、聯(lián)想、記憶、自組織及自學(xué)習(xí)能力和極強的非線性映射能力，在眾多的研究領(lǐng)域顯示了廣闊的應(yīng)用前景。
- 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方面：一是從模式識別的角度應(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)想記憶模型來實現(xiàn)征兆集到故障集之間的非線形特征映射關(guān)系：二是從知識處理的角度建立基于聯(lián)結(jié)主義機制結(jié)構(gòu)的診斷專家系統(tǒng)，以一種全新的途徑試圖從知識獲取、存儲和推理等方面解決專家系統(tǒng)中遇到的困難，概括起來有以下幾個方面。
- BP神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)。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，它可以用來模擬規(guī)則的漸進(jìn)學(xué)習(xí)和記憶過程，以實現(xiàn)動態(tài)的知識組織和自學(xué)習(xí)，因此其應(yīng)用研究受到人們的廣泛青睞。
- 聯(lián)結(jié)主義機制的專家系統(tǒng)。這類專家系統(tǒng)的研究目的在于將傳統(tǒng)的專家系統(tǒng)的知識庫(規(guī)則庫)轉(zhuǎn)化成為一個聯(lián)結(jié)主義知識網(wǎng)絡(luò)結(jié)構(gòu)，從而以數(shù)值計算實現(xiàn)邏輯推理，為大規(guī)模并行處理的實現(xiàn)提供基礎(chǔ)。
- 邏輯推理和聯(lián)結(jié)機制的集成專家系統(tǒng)。上面所討論的聯(lián)結(jié)主義機制的專家系統(tǒng)具有較好的知識表達(dá)和自動獲取能力以及大規(guī)模并行處理、聯(lián)想、記憶、類比及自組織、自學(xué)習(xí)等優(yōu)點，在一定程度上較好地模擬了人類的形象思維方式。但是，它僅模擬了人類感覺層次上的智能活動，在模擬人類復(fù)雜層次思維方面還遠(yuǎn)不及傳統(tǒng)的符號專家系統(tǒng)，且不能模擬多步推理和演繹鏈。而基于邏輯推理和聯(lián)結(jié)機制的集成專家系統(tǒng)是符號推理與非符號推理(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。如神經(jīng)元專家系統(tǒng)。
- 上述這些積極的探索對于專家系統(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作用。
3 智能化診斷技術(shù)的研究展望
近年來智能化診斷技術(shù)的研究雖然已經(jīng)取得了許多長足的進(jìn)步，但仍存在許多問題有待研究和解決，如多故障同時診斷問題求解中的組合爆炸問題、診斷推理中的知識獲取與學(xué)習(xí)問題，以及序貫性診斷問題求解中的最優(yōu)測點選擇問題等。本文下面結(jié)合當(dāng)前信息論學(xué)科的最新成果來展望機械產(chǎn)品智能故障診斷相關(guān)領(lǐng)域的發(fā)展。
- 智能集成診斷系統(tǒng)(IIFDS)
- 由于大型故障診斷往往是一個多階段、多層次的復(fù)雜過程，不同的階段用到的知識內(nèi)容，表達(dá)形式及解決問題的思維方式都可能不盡相同。所以完成一個完整的故障診斷過程常常需要多知識表達(dá)形式和多推理模式及合理的控制機構(gòu)來解決診斷問題。目前的智能診斷系統(tǒng)，大多還停留在處理單一領(lǐng)域知識范疇符號推理問題的專家系統(tǒng)層次上，并未上升到多專家系統(tǒng)集成的高度上，因而限制了其對復(fù)雜系統(tǒng)的求解能力。智能集成診斷系統(tǒng)(IIFDS)能模擬診斷者的思維過程，集成和管理診斷子任務(wù)(如數(shù)據(jù)采集，信號分析，故障診斷等)，實現(xiàn)采樣，分析和診斷一體化，并集成和使用各種知識(如經(jīng)驗知識，分析知識，數(shù)值計算知識等)，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)與計算機網(wǎng)絡(luò)技術(shù)相結(jié)合的產(chǎn)物。即用若干臺中心計算機作為服務(wù)器，在企業(yè)的重要關(guān)鍵設(shè)備上建立狀態(tài)監(jiān)測點采集設(shè)備狀態(tài)數(shù)據(jù)，而在技術(shù)力量較強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。如果生產(chǎn)企業(yè)設(shè)備運行出現(xiàn)異常，其狀態(tài)監(jiān)測服務(wù)器立即以工作傳票方式向診斷分析服務(wù)器申請在線技術(shù)援助，同時以電子郵件方式向有關(guān)專家發(fā)出離線會診請求，在短時間內(nèi)調(diào)動入網(wǎng)的所有診斷資源，實現(xiàn)對設(shè)備故障的早期診斷和及時維修。
- 面向并行工程的制造系統(tǒng)智能監(jiān)測與故障診斷系統(tǒng)
- 并行工程是國際上80年代末提出的一種新的集成系統(tǒng)化途徑，目前在計算機集成制造系統(tǒng)(CIMS)中已得到重視，它對監(jiān)測和診斷技術(shù)提出了更高的要求。所謂面向并行工程的智能監(jiān)視與診斷，不僅要求對系統(tǒng)運行狀態(tài)進(jìn)行在線監(jiān)視和精確診斷，保證系統(tǒng)穩(wěn)定可靠安全運行：而且要求實現(xiàn)診斷信息與系統(tǒng)其它層次和類型的信息共享，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環(huán)節(jié)，最終達(dá)到優(yōu)化產(chǎn)品設(shè)計和制造、提高產(chǎn)品質(zhì)量和改善產(chǎn)品生命周期的目的。
|
