机械产品智能化故障诊断技术研究现状与展望 .docVIP

　　机械产品智能化故障诊断技术研究现状与展望 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性质，判断劣化状态发生的部位或部件，预测状态劣化发展趋势的过程。故障诊断技术是40年来发展起来的一门新学科，它具有很强的工程背景和重要的实用价值，并且以深厚的理论为基础，系统论、信息论、控制论、非线形科学等最新技术在其中都有广泛应用。特别是近年来智能化故障诊断技术被应用于电力、石油化工、冶金等行业的大型、高速旋转机械的故障诊断中并取得了显著的效果，让我们看到了智能故障诊断技术在机械工程领域中的巨大应用前景。1 故障诊断技术的发展故障诊断技术的发展大体经历了三个阶段： 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，其诊断水平极大地受到个人生理条件和经验水平的限制。 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、铁谱诊断技术、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。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(如CIMS，FMS)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：人工智能技术的发展，特别是基于知识的专家系统和以并行分布处理为特征的人工神经网络等技术在智能故障诊断中的应用，使得故障诊断技术进入了一个新的智能化发展阶段。2 智能故障诊断的发展及研究现状智能化故障诊断技术的发展一直与人工智能技术，尤其是人工智能最成熟的分支专家系统的发展紧密关联。其中基于知识的诊断专家系统和基于人工神经网络的诊断专家系统两个方面研究的最多也最成熟，下面重点概述这两方面的发展及研究现状。 基于知识的诊断专家系统 基于知识的专家系统技术的发展大致经历了两个阶段：第一阶段是被称为第一代专家系统的基于浅知识的专家系统：第二阶段是被称为第二代专家系统的基于深知识的专家系统。此外将深、浅知识相融合的专家系统可以看成是将前两阶段成果的结合。在这里面使用的知识主要是一些模型知识(如系统的数学模型、定性物理模型、结构模型、过程模型、功能模型和因果网络模型等)。 基于浅知识的专家系统 基于浅知识的诊断推理实际上是已知一组征兆，要求对产生这组征兆的原因做出解释的过程。这类问题的求解需要用到两类知识：一类是表示系统故障是如何引起各种征兆的因果性知识，另一类是反映因果关系的成立程度(模糊强度)和可能性(概率强度)方面的知识。 利用浅知识诊断方法的特点如下。 浅知识通常以IF-THEN类型的规则形式表现，而且知识的变更也非常容易。 诊断推理方法多种多样。特别是有许多不确定知识的推理方法：确定性因子方法(Certainty Factors Method)：主观贝叶斯概率理论(Subjective Bayes Probability Theory)：证据理论(Theory of Evi-dence)：可能性理论(Possibility Theory)。 收集处理异类的知识比较困难。由于基于浅知识故障诊断专家系统的知识库容易构造和管理，推理效率高，因而赢得了众多专家系统使用者的青睐。但是由于浅知识模型的限制，诊断精度常常受到限制，而且从专家那里获取经验较难，知识集不完备。 基于深知识的专家系统 为了克服第一代专家系统基于浅知识推理的缺点，专家系统中又引入了深知识推理的概念。深知识刻画了专门领域内原理性和功能性的知识，更深刻地了解领域对象和对象之间的相互作用。基于深知识的诊断专家系统属第二代诊断专家系统，其特点是： 利用深知识的诊断方法收集的知识比较容易。如果给设备装置以适当的记述形式，它可以比规则法有更充分的知识表现，从而增加了知识的利用深度。 如果给出诊断对象的构造记述，可以立即进行故障的诊断，这很适合设备种类多样化的特点。 利用深知识诊断方法的缺点是：其推理处理复杂，搜索空间大，处理速度慢。 基于混合知识的专家系统 鉴于深、浅知识专家系统各自的优缺点，综合利用深、浅知识相结合的诊断方法可以达到人类专家诊断