“人工智能及其工程应用”讲座 第八讲 工业故障诊断专家系统.pdfVIP

维普资讯

“人工智能及其工程应用’’讲座

第八讲工业故障诊断专家系统

上海交通大学钱大群吴智铭

由于工业过程往往是一个复杂的动态系统，

一

、故障检测中的人工智能技术

机理复杂，变量之间互相影响。因此操作工往往

难以及时发现故障的症状，确定故障的类型、大小故障诊断专家系统工作的第一步骤是检测工

以及故障源的位置。为避免经济损失和保障人身业过程早期的事故症状。系统可测信息的多寡、

安全，故障的检测与诊断已成为工业过程的重要范围与性质。直接影响了故障检测与诊断的成败。

组成部分，并预计有宽广的应用前景。在故障检测中，人工智能技术的应用，可以改进系

目前．人们已提出了多种故障检测与诊断的统的测量和诊断性能。

方法。它们基本上可以分为三类。第一类方法是例如，在元器件的损坏、断裂等故障诊断中，

基于数学模型的方法，如参数／状态估计方法。这视觉信息是十分重要的。然而，通常的测量元件

类方法十分依赖于数学模型。由于在异常工况无法直接检测这些信息。但是，目前基于人工智

下，缺乏现场数据，往往难以建模；并且，工业系统能技术的计算机视觉系统为实现这一目标提供了

的多故障源、多变量耦合的情况也使数学模型难可能．它输入可见和不可见的信息，而输出是所检

以建立；模型的误差将影响诊断的命中率。第二测的真实景物的有意义的三维解释因此．计算

类方法不依赖于数学模型，如故障树分析、过程控机视觉系统可以作为故障检测与诊断专家系统的

制图法、决策表法等。这类方法的主要问题是它一个前置子系统，为故障检澳I与诊断提供了视觉

们的知识表达能力十分有限，有的方法只宜用于信息。

静态的或简单的过程。最后一类方法是人工智能对于某些数值上不可直接测量的变量，可以

的方法(主要是专家系统的方法)它不依赖于数采用统计模式识别技术进行估计。例如，在催化

学模型，同时具有较丰富的知识表达能力和问题裂化装置中，待生定碳量的增长，将导致系统处于

求解能力。本讲主要讨论基于专家系统的故障检不良的工作状态，降低了装置的工作效益。但是，

测与诊断方法。通常人们无法迅速地测量出装置中的待生定碳量

早期的专家系统主要用于医疗诊断。根据这的含量。文献[1]选择了能反映待生定碳量的可

类诊断型专家系统的设计思想，人们自80年代测变量：再生器流量，反应温度、再生温度，作为测

起，开始研制用于工业过程的故障诊断专家系统量信号，并预先建立测量信号的样本模式与待生

专家系统目前主要用于核反应堆、化工系统与电定碳量含量的关系，通过在线采样得到测量信号，

力系统的故障诊断。它们为操作员作咨询指导，将它与样本模式进行匹配，确定一个与该测量信

提供一些可疑的故障源作为判断的依据。这类系号最接近的样本模式，从而可以进一步确定与该

统多数尚处于实验室仿真运行阶段，只有部分系样本模式所对应的待生定碳量的预测值采用这

统投入实际运行。尽管如此，工业故障诊断专家个方法可以在几分钟内及时报告待生定碳量的变

仍是人工智能目前在工业应用中最活跃的一个领化，从而实现实时的在线故障检测。在统计模式

域。