機(jī)械故障診斷

1、機(jī)械故障診斷Artificial Intelligence Applied in Machinery Fault DiagnosisThe methods and theories of artificial intelligence diagnosis applied in machinery fault diagnosis of eachsystem are reviewed, including expert system and artificial neural network. Based on the actual application of the two methods,

2、the advantages and disadvantages of each system are analyzed. Taking the application of expert system in automobile fault diagnosis as an example, the existing problems of expert system are clarified in the paper .Abstract:3Key words:machinery fault diagnosis; artificial intelligence; expert system;

3、 neural network介紹了機(jī)械故障中應(yīng)用的各種人工智能診斷方法及理論, 包括專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)等, 根據(jù)二者在機(jī)械故障診斷中的應(yīng)用情況分析了它們的優(yōu)缺點, 并以專家系統(tǒng)在汽車故障診斷中的應(yīng)用為例, 闡述了專家系統(tǒng)在實際應(yīng)用中存在的問題。摘摘 要：要：機(jī)械故障診斷; 人工智能; 專家系統(tǒng); 神經(jīng)網(wǎng)絡(luò)關(guān)鍵詞：Contents前前 言言1人工智能在機(jī)械故障診斷中的應(yīng)用2專家系統(tǒng)在汽車故障診斷中的應(yīng)用3結(jié) 論4前 言v 機(jī)械故障診斷是識別機(jī)器或機(jī)組運(yùn)行狀態(tài)的科學(xué), 它研究的是機(jī)器或機(jī)組運(yùn)行狀態(tài)的變化在診斷信息中的反映, 其研究內(nèi)容包括對機(jī)器運(yùn)行現(xiàn)狀的識別診斷、對其運(yùn)行過程的監(jiān)測以及對其運(yùn)

4、行發(fā)展趨勢的預(yù)測3 個方面。v 就其診斷方法而言, 人工智能的研究成果為機(jī)械故障診斷注入了新的活力,如專家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)、分形幾何等, 但這些新的理論和技術(shù)成果大多有待完善。最近有人探索將人工神經(jīng)網(wǎng)絡(luò)與傳統(tǒng)的專家系統(tǒng)結(jié)合起來, 建造神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)。研究表明新型的專家系統(tǒng)能較好地克服傳統(tǒng)的專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)在各自獨立的缺陷而具有許多優(yōu)勢。人工智能專家系統(tǒng)在機(jī)械故障診斷中的應(yīng)用專家系統(tǒng)在機(jī)械故障診斷中的應(yīng)用人工神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用人工神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)和專家系統(tǒng)故障診斷系統(tǒng)的融合人工智能在機(jī)械故障診斷中的應(yīng)用專家系統(tǒng)在機(jī)械故障診斷中的應(yīng)用 專家系

5、統(tǒng)也稱專家咨詢系統(tǒng), 顧名思義, 專家系統(tǒng)就是能像人類專家一樣解決困難、復(fù)雜的實際問題的計算機(jī)( 軟件) 系統(tǒng)。一個專家系統(tǒng)主要由知識庫、推理機(jī)、數(shù)據(jù)庫和人機(jī)接口等4 個基本部分組成, 其中知識庫和推理機(jī)是專家系統(tǒng)的核心組件。知識庫用于存放推理所需要的規(guī)則等信息, 是專家領(lǐng)域知識的集合。推理機(jī)的作用是根據(jù)所采集到的現(xiàn)場信息, 應(yīng)用知識庫中的知識對設(shè)備所處狀態(tài)進(jìn)行推理判斷, 給出設(shè)備有否故障或故障部位等信息。數(shù)據(jù)庫用于存放推理過程中的所需和所產(chǎn)生的各種信息,人機(jī)接口則是人與專家系統(tǒng)打交道的橋梁和窗口, 是人機(jī)信息的交接點。 一個實用的機(jī)械設(shè)備故障診斷專家系統(tǒng)一般還包括解釋程序和知識獲取程序, 其

6、中, 解釋程序負(fù)責(zé)回答用戶所提出的各種問題,包括與系統(tǒng)運(yùn)行有關(guān)的問題和與系統(tǒng)運(yùn)行無關(guān)的、關(guān)于系統(tǒng)自身的一些問題。解釋程序是實現(xiàn)系統(tǒng)透明性的主要部件。知識獲取程序負(fù)責(zé)管理知識庫中的知識, 包括根據(jù)需要修改、刪添知識及由此引起的一切必要的改動, 維護(hù)知識庫的一致性和完整性。知識獲取程序使領(lǐng)域?qū)＜铱梢孕薷闹R庫而不必了解知識庫中知識的表示方法和組織結(jié)構(gòu)等細(xì)節(jié)問題, 從而大大提高了系統(tǒng)的可擴(kuò)充性。人工神經(jīng)網(wǎng)絡(luò)在機(jī)械故障診斷中的應(yīng)用 人工神經(jīng)網(wǎng)絡(luò)簡稱神經(jīng)網(wǎng)絡(luò),是在生物神經(jīng)學(xué)研究成果的基礎(chǔ)上提出的人工智能概念, 是對人腦神經(jīng)組織結(jié)構(gòu)和行為的模擬。就機(jī)械故障診斷而言, 神經(jīng)網(wǎng)絡(luò)使用來自機(jī)器不同狀態(tài)的振動信號

7、,通過特征選擇,找出對于故障反映最敏感的特征信號作為神經(jīng)網(wǎng)絡(luò)的輸入向量, 建立故障模式訓(xùn)練樣本集,對網(wǎng)絡(luò)進(jìn)行訓(xùn)練; 當(dāng)網(wǎng)絡(luò)訓(xùn)練完畢, 對于每一個新輸入的狀態(tài)信息, 網(wǎng)絡(luò)將迅速給出分類結(jié)果。神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)和專家系統(tǒng)故障診斷系統(tǒng)的融合 系統(tǒng)的融合基于神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)和基于專家系統(tǒng)的故障診斷系統(tǒng)可以相互轉(zhuǎn)化。在專家系統(tǒng)故障診斷系統(tǒng)中, 知識是通過規(guī)則的方式來表達(dá)的, 而在神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)中, 知識是通過對樣本的反復(fù)學(xué)習(xí)并在此過程中不斷調(diào)整網(wǎng)絡(luò)連接權(quán)值, 從而使網(wǎng)絡(luò)誤差收斂到全局最小點后儲存在這些連接權(quán)值中。神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)和專家系統(tǒng)故障診斷系統(tǒng)的融合 要實現(xiàn)由基于專家系統(tǒng)的故障診

8、斷技術(shù)向神經(jīng)網(wǎng)絡(luò)故障診斷技術(shù)過渡的關(guān)鍵是將規(guī)則轉(zhuǎn)化為學(xué)習(xí)樣本,具體步驟為: 統(tǒng)計在規(guī)則表述中診斷對象可能出現(xiàn)的故障征兆與故障原因數(shù)目,分析診斷知識結(jié)構(gòu),確定神經(jīng)網(wǎng)絡(luò)的輸入、輸出神經(jīng)元數(shù)目及網(wǎng)絡(luò)層次結(jié)構(gòu); 將專家系統(tǒng)知識庫的規(guī)則提取出來,形成神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)樣本; 對神經(jīng)網(wǎng)絡(luò)樣本學(xué)習(xí),獲取各自的連接權(quán)值,形成神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)。123神經(jīng)網(wǎng)絡(luò)故障診斷系統(tǒng)和專家系統(tǒng)故障診斷系統(tǒng)的融合 由神經(jīng)網(wǎng)絡(luò)故障診斷到專家系統(tǒng)故障診斷的關(guān)鍵問題是在現(xiàn)有的連接權(quán)值中提取規(guī)則, 具體步驟為: 已知學(xué)習(xí)樣本時,可以直接將每一個學(xué)習(xí)樣本轉(zhuǎn)化為一條規(guī)則; 未知樣本只知道連接權(quán)值時, 這種情況很復(fù)雜,一般是通過特殊的算法從

9、網(wǎng)絡(luò)的輸入和輸出中提取規(guī)則; 如果是模糊神經(jīng)網(wǎng)絡(luò), 問題就簡單了, 即可以直接從網(wǎng)絡(luò)中提取。231專家系統(tǒng)在汽車故障診斷中的應(yīng)用 汽車作為一種特殊的機(jī)械, 以汽車故障診斷專家系統(tǒng)為例。汽車故障診斷專家系統(tǒng)的開發(fā), 自20 世紀(jì)80 年代以來, 可分為雛型期、改進(jìn)期和發(fā)展期3 個階段。 20 世紀(jì)70 年代后期至80 年代初期, 為了適應(yīng)對計算機(jī)應(yīng)用不斷增加的現(xiàn)實, 在汽車維修行業(yè)中首先開發(fā)的就是診斷咨詢系統(tǒng)。1986 年, 美國通用汽車公司和福特汽車公司分別推出了稱之為CAMS 和SBDS 的故障診斷咨詢系統(tǒng)。1986 年,日本豐田汽車公司的維修、信息及技術(shù)部門聯(lián)合開發(fā)了維修技術(shù)咨詢系統(tǒng), 1

10、987 年8 月開始用于豐田發(fā)動機(jī)集中電子控制系統(tǒng)T CCS 的診斷。專家系統(tǒng)在汽車故障診斷中的應(yīng)用 作為系統(tǒng)信息流, 對維修企業(yè)遇到難度較大的車輛故障診斷與維修問題時, 專業(yè)技術(shù)人員在預(yù)制的問診表上填入有關(guān)事項, 并電傳到豐田汽車公司維修總維修總部的有關(guān)人員以此為基礎(chǔ), 把信息輸入到維修技術(shù)咨詢系統(tǒng), 并由專家系統(tǒng)的維修程序提出診斷結(jié)果和維修方案。現(xiàn)場技術(shù)人員以此為基礎(chǔ)進(jìn)行維修工作并將結(jié)果反饋到總部, 以進(jìn)一步提高系統(tǒng)的診斷精度。 進(jìn)入20 世紀(jì)90 年代, 開始出現(xiàn)了專家系統(tǒng)工具的研究。這種專家系統(tǒng)工具具有知識獲取支援功能的專用編輯器, 不需要智能語言, 從而解決了過去存在的知識庫效率低的

11、缺點。汽車診斷專家系統(tǒng)的功能與特點, 概括地說就是由計算機(jī)存儲的專家知識, 按照需要可以調(diào)用, 即使初學(xué)者也能近似地如專家一樣進(jìn)行故障診斷。在實際應(yīng)用中存在問題一二三四知識獲取的瓶頸問題;知識難以維護(hù);知識應(yīng)用面窄;診斷能力弱;不適應(yīng)模糊問題應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)可以彌補(bǔ)解決傳統(tǒng)專家系統(tǒng)在應(yīng)用中遇到的問題1 對于專家系統(tǒng)的脆弱性, 即知識和經(jīng)驗不全面, 遇到?jīng)]解決過的問題就無能為力。而利用神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)功能, 不斷豐富知識庫內(nèi)容,可解決知識更新的問題。2 對于專家系統(tǒng)知識獲取困難這一瓶頸問題, 利用神經(jīng)網(wǎng)絡(luò)的高效性和方便的自學(xué)習(xí)功能, 只需用領(lǐng)域?qū)＜医鉀Q問題的實例來訓(xùn)練神經(jīng)網(wǎng)絡(luò), 使在同樣的輸入條

12、件下, 神經(jīng)網(wǎng)絡(luò)便能獲得與專家給出的解答盡可能接近的輸出。3 推理中的匹配沖突,組合爆炸及無窮遞歸使傳統(tǒng)專家系統(tǒng)推理速度慢、效率低。這主要是由于專家系統(tǒng)采用串行方式、推理方法簡單和控制策略不靈活。而神經(jīng)網(wǎng)絡(luò)的知識推理通過神經(jīng)元之間的作用實現(xiàn), 總體上, 神經(jīng)網(wǎng)絡(luò)的推理是并行的、速度快。結(jié)結(jié) 論論TEXT 隨著人工智能的不斷發(fā)展, 各個領(lǐng)域?qū)θ斯ぶ悄艿囊笠苍絹碓礁?。傳統(tǒng)的專家系統(tǒng)有它自身的缺點, 神經(jīng)網(wǎng)絡(luò)也有其局限性, 正因為如此在機(jī)械故障診斷中, 目前將神經(jīng)網(wǎng)絡(luò)和專家系統(tǒng)相結(jié)合,建造所謂的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)。理論分析與應(yīng)用實踐表明, 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)結(jié)合了兩者的優(yōu)點而克服了各自的缺點, 表現(xiàn)出強(qiáng)大的生命力。 1 李國華, 張永忠. 機(jī)械故障診斷 M . 北京: 化學(xué)工業(yè)出版社, 2004. 2 尹朝慶, 尹 皓. 人工智能與專家系統(tǒng) M . 北京: 中國水利水電出版社, 2002. 3 謝慶生. 機(jī)械工程中的神經(jīng)網(wǎng)