基于先进制造监控系统专家系统学习机制研究.docVIP

基于先进制造监控系统专家系统学习机制研究 　　摘要: 随着科学技术的发展,先进制造系统随之产生。先进制造系统主要具有设备利用率高、快速应变能力、自主能力和复杂的通信网络等特点。传统的监控系统学习机制无法满足集成化先进制造系统中所监控的对象多层次结构、设备种类繁多等特点。本文在分析先进制造系统的特点基础上,对专家系统的学习机制进行了改进,满足了新近制造监控系统的。这种改进机制可以缩短故障诊断时间,提高诊断效率。 　　关键词:先进制造系统;监控管理;故障诊断;专家系统;学习机制 　　 　　1 引言 　　 　　先进制造技术是用于制造企业的一些计算机辅助技术,用于工程设计,加工和管理,同时由计算机系统和计算机控制设备组成的具体技术。先进制造技术是传统制造业不断吸收机械、信息、材料及现代管理技术等方面最新成果,并将其综合用于产品开发与设计、制造、检测、管理及售后服务的制造全过程,实现优质、高效、低耗、敏捷制造技术的总称,从本质上可以说先进制造技术是信息技术和现代管理技术等的有机融合。随着这些工业网络种类的不断增加,整个系统也越来越复杂,而在实际的工业控制领域需要将不同的网络进行综合的集成。基于先进制造系统的特点,在先进制造系统中对这种异构、网络协议不同的集成网络进行监控越来越重要。 　　国外对于系统监控的研究体现在标准化、自动化、智能化、网络化几个方面。如美国近年来正在人工智能技术和分布式技术应用于系统检测、诊断和维修,并进行了一系列的试验评估,综合远程维修系统、标准通用光电装置自动检测设备等。通过外国的发展趋势可知,将人工智能技术融入监控之中是发展的方向。 　　在国内,对于网络管理的研究起步相对于国外要晚,但由于近年来,国内的许多院校和研究机构对其进行了深入的研究,提出了大量的先进的网络管理方法,研制和开发了大量的网络管理产品,但就其实质来说依然是针对计算机网络来进行方法的研究。但对监控技术的研究还停留在独立检测的集中监控阶段,通用的、稳定的可供广泛移植的分布式的监控体系还未形成,监控还局限在本地性和物理性的管理上,数字化检测监控接口严重不足。 　　 　　2基于学习改进机制的监控管理 　　 　　2.1分层多域监控管理系统逻辑模型 　　针对以上问题,本文提出了对先进制造企业中的现有通信网络和设备实现全面的集成性的管理和系统监控采用分层多域的体系结构,分层多域结构是指将整个企业集团分为三层:监控中心,工厂级和车间级。这是分层结构。不同的生产设备划分在不同的车间,形成了各个域,而各个车间又组成了各个工厂,形成了多域结构。综合起来就形成了这种分层多域的体系结构。 　　逻辑模型如图1所示。 　　车间级的域首节点,同时也是工厂级的子节点,各个域首节点由两部分组成,车间级诊断(域内)部分和工厂级诊断(域间)部分,车间域首的车间级诊断部分对本车间内部网络进行集中监控,工厂级诊断部分等待接收车间的信息,当车间级请求工厂级来诊断时,车间级域首的工厂级向工厂域首发送请求,工厂级域首将其规则库发送给车间级域首的工厂级诊断部分,工厂级诊断部分根据工厂级的规则库对故障进行处理,并给出结果,同时车间级域首会定期向工厂级上报其规则库的更新情况,这样工厂级域首的规则库可以不断的更新。 　　 车间级与工厂级故障诊断都采用基于Java的JESS专家系统进行诊断,其模型如图2所示: 　　2.2学习记忆机制的设计思想 　　传统的基于专家系统的故障诊断系统都是将预处理后接收到的诊断信息直接应用规则引擎,传入系统的规则库中进行诊断,而规则库中有大量的规则,但是实际情况是,经常发生的故障是有限的,也就是说某些故障是经常发生的,针对这种情况,在此提出了一种基于专家系统的改进机制。学习记忆机制 。采用这种学习记忆机制可以缩短诊断时间,提高了诊断效率,优化了系统。 　　传统的诊断模式如图3所示: 　　根据实际情况,在数据库中建立一个记忆学习机制表,该表中列出了实际情况中经常发生的故障,并记录发生频度,系统接收到预处理后的故障信息后,系统将这张表中频度值超过阈值的信息放入缓存中,故障信息先检索缓存。如果缓存中有与故障信息相匹配的故障信息,就将表中该故障信息相关的信息输出 。如果表中没有与故障信息相匹配的信息,就将故障信息送入规则引擎来诊断,与传统的方式一样 。在每次诊断结束后,故障信息的频度值会相应的增加,并且会逐步的累积,我们可以设定一个缓存表阈值,例如阈值为50,再设一个缓存临界值,例如设为40,把超过缓存表阈值50的故障信息放入缓存表中,可以设定缓存空间个数为6,当有超过6个故障信息的频度超过50的时候,我们将所有频度达到50的故障信息的频度都重新设定为缓存临界值40,让它们的频度重新由40增加,这样它们中的一部分很快频度值会再次增加到50,