人工智能在故障诊断领域的应用概念.docx

人工智能在故障诊断领域的应用摘要：本文在简要介绍故障诊断和人工智能的基础上，详细分析人工智能在故障诊断领域中的应用，包括智能故障诊断技术和故障诊断专家系统，最后总结基于人工智能的故障检测的发展趋势。关键词：故障诊断；人工智能；专家系统；智能诊断Application of Artificial Intelligence in the field of Fault DiagnosisAbstract:Based on a brief introduction on the fault diagnosis and artificial intelligence, this paper detailedly analyses the application of artificial intelligence in the field of fault diagnosis, including intelligent fault diagnosis and fault diagnosis expert system. Finally, this paper summarizes the development trend of fault detection based on artificial intelligence.Keywords: Fault Diagnosis; Artificial Intelligence; Expert System; Intelligent Diagnosis1 引言随着科学技术的发展，装备的结构越来越复杂，功能也越来越完善，自动化程度越来越高，不但同一设备的不同部分之间相互关联，紧密耦合，而且不同设备之间也存在着紧密的联系，在运行过程中形成一个整体。一处故障可能引起一系列连锁反应，导致整个过程不能正常运行，甚至会造成重大的损失。因此，对故障诊断的要求也越来越高。另一方面，人工智能技术近年来得到很大发展，基于人工智能的故障诊断专家系统已成为当前研究和应用的一个热点。系统的故障是指系统的运行处于不正常状态(劣化状态)，并可导致系统相应的功能失调，即导致系统相应的行为(输出)超过允许范围，使系统的功能低于规定的水平，这种劣化状态就称为故障。故障诊断是指系统在一定工作环境下查明导致系统某种功能失调的原因或者性质，判断劣化状态发生的部位和部件，以及预测状态劣化的发展趋势等[1,2,3]。故障诊断的基本思想可以这样描述：设被检测对象全部可能发生的状态(包括正常和故障状态)组成状态空问S，它的可观测量特征的取值范围全体构成特征空问Y，状态空间与特征空间的关系如下图来表示。图1 状态空间与特征空间的关系图故障诊断的过程主要分成三个步骤：第一步检测设备状态的特征信号；第二步从检测到的信号中提取征兆；第三步根据征兆和其他诊断信息来识别设备的状态，从而完成故障诊断。[4]故障诊断技术的发展大体经历了三个阶段[5]：第一阶段是故障诊断的初级阶段，诊断结果是建立在领域专家的感官和专业经验基础上，仅对诊断信息作简单的处理，其诊断水平受到个人技术能力和工作经验的限制。第二阶段是以传感器技术和动态测试技术为手段、以信号处理和建模处理为基础的常规诊断技术。其中，信号处理包括统计分析、相关分析、频谱分析、小波分析和模态分析等；建模处理包括参数估计、系统辨识、模式识别等，其理论基础是系统论、信息论和控制论。在这一阶段，故障诊断技术在工程上得到了广泛的应用，其自身也得到了空前的发展，诞生出许多新的诊断方法。如振动诊断技术、声发射诊断技术、频谱诊断技术、光谱诊断技术、无损诊断技术和热成像检测诊断技术等。第三阶段是智能诊断技术阶段。所谓诊断系统的智能就是它可以有效地获取、传递、处理、再生和利用诊断信息，从而具有对给定环境下的诊断对象进行成功状态识别和状态预测的能力。至80年代中期以后，由于机器设备的大型化、复杂化以及连续高速运行的需要，加之自动化制造系统的诞生和发展，单靠信号处理和人工分析判断又难以实现在线的精确诊断。目前, 国内检测诊断技术的研究主要集中在以下几个方面:传感技术研究: 传感技术是反映设备状态参数的仪表技术。国内先后开发了各种类型的传感器, 如屯涡流传感器、速度传感器、加速度传感器和温度传感器等; 最近开发的传感技术有光导纤维、激光、声发射等。关于信号分析与处理技术的研究: 从传统的谱分析、时序分析和时域分析, 开始引入了一些先进的信号分析手段, 如快速傅立叶变换, Wigner谱分析和小波变换等。这类新方法的引入弥补了传统分析法的不足。关于人工智能和专家系统的研究: 这方面的研究已成为诊断技术的发展主流, 目前已有日程机械故障诊断专家系统，但这一技术在工程方面的研究尚未达到人们所期望的水平。关于神经网络的研究: 比如旋