智能故障诊断技术的探讨

时间：2024-05-20

陆建荣（南通开放大学　江苏城市职业学院（南通）,江苏　南通　226007）

智能故障诊断技术的探讨

陆建荣
（南通开放大学江苏城市职业学院（南通）,江苏南通226007）

智能故障诊断技术是故障诊断与智能方法相结合的产物，综合运用多种人工智能技术和现代信号处理为工业设备持续正常运行提供良好的技术支撑。本文介绍了基于不同方式下的智能故障诊断系统，并对各种智能故障诊断系统进行了分析，对智能故障诊断的发展有一定的借鉴意义。

智能故障诊断；解析模型；神经网络

0　引言

故障诊断技术是一种利用设备当前状态信息和历史状况，通过一定分析方法(如信号处理分析法)对设备状态进行评价的状态识别技术[1]。传统故障诊断技术存在故障分辨率不高，信息来源不充分，自动获取知识能力差，知识结合能力差并且对于不确定知识的处理能力也存在不足，因此与实际需求相比，还有相当大的距离。

智能故障诊断将故障诊断与智能方法相结合，不需要建立系统定量数学模型，因此成为当前故障诊断的热点研究方向。

1　智能故障诊断方法

智能诊断技术在知识层次上实现了辩证逻辑与数理逻辑的集成、符号逻辑与数值处理的统一、推理过程与算法过程的统一、知识库与数据库的交互等功能。智能故障诊断中的“智能化”体现在故障诊断过程中将人类专家经验知识和人工智能技术等智能控制理论相结合。对各种故障进行检测、诊断从而实现对多故障、多过程等故障的快速分析检测并进行诊断。目前的研究方法主要有：

1.1 基于专家系统的故障诊断系统

智能系统故障诊断和传统故障诊断相比，它的核心在于能够学习，专家系统识别方法能模拟人的逻辑思维过程，让机器具备获取知识的能力，利用专家知识库中的知识，自动进行调整和修改，来解决复杂诊断问题。它不依赖于系统的数学模型，而是利用专家知识和特征信息，通过推理得出设备是否故障及什么故障，并对识别结果进行评价和决策。目前主要研究内容包括：诊断知识的获取、诊断知识的表达、诊断推理方法和不准确推理。

1.2 基于神经网络智能故障诊断系统[2]

神经网络是生物神经网络在某种简化意义下的技术复现，它的主要任务是根据生物神经网络的原理和实际应用的需要建造实用的人工神经网络模型，设计相应的学习算法，模拟人脑的某种智能活动，然后在技术上实现出来用以解决实际问题。具有很髙的运算速度，很强的联想能力，很强的适应性，很强的容错能力和自组织能力。神经网络的超高维性、强非线性等动力学特性带来的容错、联想、推测、记忆、自学习、自适应、结构拓扑鲁棒等功能，使其具有提供更佳诊断性能的可能性。神经网络获取信息可以通过直接从数值化的实例中学习或者是将传统专家系统的知识特列转化为神经网络的分布式存储，并且有神经网络完成并行推理。它在故障诊断中的具体应用方式有[3]：

（1）神经网络诊断系统

（2）采用神经网络产生或评价残差，并做进一步诊断

（3）采用神经网络做自适应误差补偿

1.3基于模糊逻辑的故障诊断系统

模糊逻辑建立在多值逻辑基础上，模仿人脑的不确定性概念判断、推理、思维等方式，实行模糊综合判断，推理解决一些常规方法难以处理的有规则的模糊信息问题。在处理一些复杂系统的大时滞、时变和非线性方面有它的优越性。模糊逻辑建立了各种故障原因与对应故障诊断之间的因果关系的模糊矩阵。然后综合考虑相关故障症状，寻找并诊断出设备故障产生的可能原因及可能程度（0-1之间的数）。

目前的主要诊断思路有基于模糊关系及合成算法的诊断、基于模糊知识处理技术额诊断和基于模糊聚类算法的诊断等。

1.4 基于粗糙集理论的故障诊断系统

粗糙集理论通过等价关系和近似概念对数据进行简约化而获取知识，是一种处理不完整、不精确问题的计算方法，它是对经验的总结，不需要精确的数学描述。可以从不精确、不一致、不完备的信息系统中发现知识，从而简化决策规则。因此非常适合工业过程中直观、简单、易于理解、人性化、智能化的要求。它所处理的故障常与故障的空间位置无关，是一种被动的“软”诊断技术。

粗糙集理论在故障诊断中的应用大致可以分为以下几类：基于粗糙集的专家系统故障诊断方法、基于信息冗余多个属性约简的故障诊断方法、粗糙集与神经网络的集成用于故障诊断的方法以及粗糙集与其他一些职能方法集成的混合系统在故障诊断中的应用[4]。

1.5 基于组合思维的故障诊断系统

专家系统知识处理模拟的是人的逻辑思维，神经网络知识处理模拟的是人的经验思维，将逻辑思维、经验思维和创造性思维集成在一起，就形成组合思维。首先用经验思维进行识别；当经验思维无法解决问题时，转向深一层的逻辑思维；当逻辑思维也无法解决复杂问题时，转向更深一层的创造性思维，即通过提出新的假设，经过检验后再发现新理论和解决问题的新方法。