下载文档原格式
第六章故障诊断专家系统6.1专家系统概述6.1.1专家系统的定义专家系统（Expert system简称ES）是人工智能的一个分支领域，在自然科学、社会科学、工程技术的各个领域得到了广泛的应用，是人工智能领域中最具有吸引力、最成功的研究领域。
20世纪60年代中期，人工智能由追求通用的一般研究转入特定的研究，产生了以专家系统为代表的基于知识的各类人工智能系统。
1965年，斯坦福大学教授费根鲍姆（E.A.Feigenbaum）开创了基于知识的专家系统这一人工智能研究的新领域。
他与别人共同开发的根据化合物的分子式及其质谱数据帮助化学家推断分子结构的计算机程序系统DENDRAL，标志着专家系统的诞生。
专家系统的发展可以分为孕育（1965年以前）、产生（1965—1971）、成熟（1972—1977）和发展（1978—）四个阶段[25]。
在70年代ES系统的成熟期，ES的概念与观点逐渐大众化，先后出现了一批较成熟的ES系统，主要是在医学领域，代表性的有MYCIN、CASNET、PROSPECTOR等ES系统。
这一时期的ES系统与第一代系统相比具有：多数使用自然语言对话，多数系统具有解释功能，采用了似然推理技术。
进入80年代后，专家系统的应用范围更加广泛，已扩展到军事、空间技术、建筑设计和设备诊断等方面。
在设备的故障诊断领域中，近几年我国也开发了一些专家系统，主要是针对汽轮发电机组开发的故障诊断专家系统。
水电机组的结构与运行原理同汽轮发电机组相似，但却有不同之处，因此水电机组故障诊断的研究即具有一定的理论基础，又具有很大的必要性。
专家系统发展到现在，已经得到许多领域专家的认可，但是对于专家系统的定义到目前为止还没有一个统一的说法。
一种意见认为：专家系统是利用具有相当量的公认、权威的知识来解决特定领域中的实际问题的计算机程序系统，可以根据人为提供的数据、事实和信息，结合系统中存储的专家经验或知识，运用一定的推理机制进行推理判断，最后给出一定的结论和用户解释以供用户决策之用。
故障诊断专家系统的功能和特点交流材料北京英华达公司2020年11月名目1.传感器 (3)2.测量参数 (7)3. 轧机机械状态监测和故障诊断的特点 (8)4. 齿轮故障机理和诊断 (12)5. 滚动轴承故障机理和诊断方法 (12)6. 轧机机械状态监测故障诊断的技术难点 (14)7. 故障诊断专家系统 (18)7.1故障诊断步骤 (18)7.2振动故障分类 (18)7.3常见故障的诊断方法 (19)7.4齿轮故障机理 (19)7.5 齿轮故障的诊断 (20)7.6 滚动轴承故障诊断 (22)7.7 滚动轴承的分类 (23)7.8 滚动轴承失效模式 (23)7.9 滚动轴承的振动 (24)7.10 齿轮和滚动轴承故障的特点 (26)7.11 齿轮和滚动轴承故障的特点数据 (27)7.12 齿轮和滚动轴承故障的信号分析方法 (28)7.13 齿轮和滚动轴承故障的诊断标准： (30)振动监测分析在冶金行业的应用1.传感器TSI=Turbine Supervisory Instrumentation传感器亦称换能器或变换器，它是将被测的某一物理量〔或信号〕，按一定规律转换为与其对应的另一种〔或同种〕物理量〔或信号〕并输出的装置。
传感器是实现自动检测与自动操纵的首要环节，假如没有传感器对原始信号进行准确的捕捉与转换，自动检测和自动操纵将无法实现。
因此，传感器是故障诊断系统中的重要部件。
传感器的分类方法：由于传感器测量的物理量种类繁多，传感器的工作原理又各不相同，因而传感器的种类也专门多，从不同的角度研究就有不同的分类方法。
传感器通常有如下几种分类方法。
〔1〕依照被测物理量分类。
这种分类方法说明了传感器用途，如位移传感器、速度传感器、加速度传感器、温度传感器、压力传感器、噪声传感器等。
这种分类方法对用户和生产单位来说是比较方便的。
其不足之处是将原理互不相同的传感器归为一类，难以找出各种传感器原理上的共性和差异。
机械设备故障诊断专家系统的设计【摘要】随着科技的不断发展，机械设备故障诊断系统也开始向自动化方向发展。
本文通过对诊断系统的概述，进一步探讨了机械设备故障诊断专家系统的设计。
【关键词】机械设备；故障诊断；设计一、前言对于机械企业来说，机械设备是生产中的重要核心，一旦发生故障，将会造成巨大的损失，严重时将危及工作人员的生命安全。
因此，加强对机械设备故障诊断专家系统的设计分析，对于保证人民财产和生命安全有着重要的意义。
二、诊断系统的概述诊断系统是一种完整的技术体系，用以获取机器技术状态信息并加以处理，进而判断和预测机器技术状态。
诊断系统一般包括状态监测、故障检测(发现故障)、故障定位(故障隔离)和故障识别。
机电设备监测诊断模式经历了从单机监测诊断系统到分布式监测诊断系统，再到基于Internet的远程监测诊断系统这样一个发展过程。
单机监测诊断系统是针对某一机器设计，是一种封闭式的系统，信息的交流限于系统内部。
分布式监测诊断系统是针对大型机电设备主机和多辅机功能分布和地域分布的特点设计的，它通过工业局域网把分布的各个局部现场、独立完成特定功能的本地计算机互联起来，成为实现资源共享、协同工作、分散监测和集中操作、管理、诊断的工业计算机网络系统。
三、系统的设计1、数据库设计数据库主要用来存放系统运行过程中所必须的领域内原始特征数据的信息，以及在运行推理过程中所产生的各种静态和动态数据信息，为专家系统推理和解释提供必要的数据。
包括从状态检修网络获取的被监测设备的状态参数、结构参数、时域信号以及设备运行和试验的历史数据与设备管理的原始参数。
状态参数应包括信号分析的所有关键性特征，特征的提取应能正确反映设备运行的状况，以便下一步分析利用。
如实时监测的幅值、频率、相位、波形、相关变化、空间分布、稳定性等特征。
数据库还包括分析结果数据库、标准数据库、图谱库、设备档案库、分析条件库，并能根据需要进行数据查询和检索。
由于数据库中的事实是动态变化的，因此选用动态存储方式，即单链表存储结构。
故障诊断专家系统在船舶电力系统故障诊断中的应用摘要:为了保证快速、准确地找到船舶电力系统故障点,本文介绍了船舶电力系统故障诊断专家系统,同时为处理故障中的不确定问题,引入了模糊规则,阐述故障诊断专家系统对船舶电力系统故障诊断是行之有效方法。
关键词:船舶电力系统故障诊断专家系统现代船舶的大型化和自动化,发、配电设备和控制系统日趋复杂,一旦发生不正常或故障仅靠轮机员难以很快发现并解决问题,这就增加了船舶营运成本和维修费用,而且船舶电力系统设备、控制系统不断更新,在职轮机员知识不断“老化”,难以分析解决新问题。
另外,船舶电力系统有着自身的特点,且工作环境恶劣,易于发生故障。
因此,有必要建立一套集专家知识于一体的故障诊断专家系统[1],降低对船舶轮机人员的能力要求。
本文针对船舶电力系统,采用集专家知识于一体的专家系统对船舶电力系统进行故障诊断,它综合多个专家的最佳经验,其能力知识可能达到甚至超过单个专家,可实现多种故障、工作过程、突发故障的快速诊断分析。
1 故障诊断专家系统故障诊断专家系统,是通过询问单元向用户咨询故障现象、特征、参数等,用户回复有关询问,系统遵照知识库的知识表达方式把故障特征等存储在特征向量中,并访问知识库,做出适当推理。
必要时推理机构可能重复咨询用户(可能多次),直到用户没有什么已知可以补充,推理机构就根据已掌握故障特征和知识库做出推理决策,结果传递给解释机构,解释机构用简单、易懂或现有的语言进行表述。
通过修改知识库的知识,系统可通过询问单元和知识获取等动态地完成新知识的学习[2]。
1.1 故障诊断专家系统的组成简介专家系统通常由四大部分组成:人机界面,知识库,知识处理(知识库管理和知识获取)以及诊断推理(推理机、动态数据库、解释模块、诊断结果)。
系统组成如图1所示。
1.2 知识模型结构为了简易诊断快速进行和简化知识库管理,采用专家知识模型用三个相互关联的知识表来表示。
根据面向的用户、所实现功能的不同将知识库分为三个部分:报警规则、诊断规则和诊断结论。
专家系统在工业控制中的应用近年来，随着工业自动化程度的不断提高，专家系统在工业控制中的应用越来越广泛。
专家系统作为一种人工智能技术，具有模拟人类专家判断和决策过程的能力，因此在工业现场能够为工程师提供有效的决策支持，提升工作效率和质量，降低设备故障率等多方面的优势。
专家系统在工业控制中的应用1. 故障诊断专家系统在工业生产中最常见的应用之一就是故障诊断。
在生产过程中，设备故障是不可避免的，使用专家系统可以快速判断设备故障原因，提供有针对性的维修方案。
例如，利用专家系统分析设备的工作状态和模型，可以对设备的故障进行诊断和预测，从而提前制定维修计划，有效降低维修成本和生产时间损失。
2. 流程控制专家系统可以帮助工程师进行流程控制，即指导流程的设计和执行。
在复杂的生产工艺中，使用专家系统可以对整个生产线进行快速优化，从而提高生产效率和品质。
例如，对于汽车制造过程中的工作流程规划，专家系统可以预测失败的概率并提供最佳路径和方案，从而减少生产成本和提高工作效率。
3. 质量控制专家系统可以帮助工程师快速发现生产环节中的质量问题，从而快速制定措施来纠正问题。
通过分析生产过程中的数据，专家系统可以发现工艺中存在的偏差和异常情况，及时采取措施纠正质量问题，并且可以为工艺设计提供指导建议，从而提高产品质量和生产效率。
4. 智能控制随着工业自动化程度的不断提高，越来越多的设备需要智能化控制，以满足高效生产和生产成本控制的需求。
专家系统可以为工程师提供智能控制的解决方案。
通过分析监测数据和历史数据，专家系统可以提供自动控制，使工作人员从繁琐的监控过程中解脱出来，从而提高生产效率和减少生产成本。
总结专家系统在工业控制中的应用，可以为生产过程提供快速决策支持、故障诊断、过程优化和质量控制等。
通过专家系统的使用，可以提高生产效率和降低成本，同时还可以提高生产的稳定性和可靠性。
虽然使用专家系统需要高昂成本的投入和技术支持，但是它的应用已成为工业控制的重要组成部分，为工程师提供支持，提高工作质量和效率。
柴油机故障诊断专家系统知识库设计一、前言柴油机是机-电-液等各种子系统组成的复杂机电设备，利用现代测试技术、信息处理技术、计算机技术和人工智能技术以及故障诊断技术对其进行不解体测试与诊断，准确确定柴油机发生故障的位置与类型，不仅可以减少人力、物力上损失，而且能使更多的维修人员具有该领域专家的分析判断柴油机故障的水平[1-2]。
因此，把柴油机领域专家诊断故障的经验输入计算机存储，并在其运行过程中模拟专家思维进行诊断分析，只须一般操作人员操作，就可以对柴油机作出专家水准的诊断。
以知识获取、知识表示和知识推理[3-4]为基础，将该专业领域专家经验表示成知识并建立知识库，是研究开发柴油机故障诊断专家系统的关键因素。
二、柴油机故障诊断知识获取柴油机故障诊断所需要的专业知识基础可以从专业著作、相关资料中得到，还可以同长期从事该专业领域的专家们对话或从专家们以往处理问题的实例中抽取专家知识选择合适的形式把整理好的专家知识存入知识库中。
<一）故障诊断知识特点柴油机故障诊断专家系统需要的知识分为:用于故障诊断的知识；用于故障原因分析的知识和用于消除故障的知识。
因此，在故障诊断专家系统中，应依据知识的特点来选择知识表示方式，而知识推理技术同知识表示方法有密切关系[5-8]。
柴油机故障诊断专家系统的知识具有鲜明的领域特点，对知识运用的实时性要求很高，即知识的表达方式和组织方式必须有利于实现快速推理。
此外，运行状态的动态特性要求知识库要具有自学习功能。
<二）柴油机故障分析一个系统中所有可能发生的各种故障原因可以用具有一个欧氏向量S表示的集合，将柴油机的典型故障类型写成集合形式，称为柴油机故障类型集<简称故障集）式中Si为一种故障类型，n为系统故障种类的总数。
同样，因为这些故障原因所引起的各种症状，如温度的变化、压力的波动、角度的变化等也能被定义为一个集合，并用一个欧氏向量X表示式中Xi为一种症状，m为系统症状种类的总数。
转报机故障诊断专家系统的开题报告一、选题背景转报机是一种常用的传统自动控制系统，广泛应用于化工、电力、石化等工业领域，主要用于控制液体或气体在管道中的流量、温度、压力等参数。
由于转报机作用的复杂性、系统组成的多样性以及工作环境的多变性，其故障率较高，维护保养难度大。
传统的故障维修往往需要高水平的技术人员进行，对企业的维护成本和工作效率都造成了很大的影响。
针对这一问题，开发转报机故障诊断专家系统，可以更快、准确地定位故障点，提高维护保养的效率，减少维护成本，更好地服务于工业生产领域。
二、研究内容本项目旨在开发一种转报机故障诊断专家系统，可以通过收集转报机故障信息、处理数据以及进行诊断来实现对转报机故障的快速诊断和解决。
具体研究内容如下：1.搜集转报机故障分析文献和相关资料，建立转报机故障分析模型。
2.通过分析转报机故障类型和及其原因，建立转报机故障诊断模型。
3.对收集到的转报机故障信息进行筛选和分类，提取有效数据。
4.基于专家系统技术和机器学习算法，设计和实现转报机故障诊断专家系统。
5.编写用户手册，测试与验证系统功能完整性。
三、研究意义1.可以提高工业企业维护效率，降低维护成本。
2.可以使转报机使用更加可靠和安全，减少对生产过程的影响。
3.对特定型号的转报机故障规律进行分析，可以为生产厂家的产品改进提供技术支持。
四、研究方法本项目的研究方法主要分为三个阶段：1.要完成转报机故障分析的数据搜集、处理、分类整理等任务，需要广泛应用数据挖掘技术和机器学习算法。
2.通过使用典型的专家系统技术，可以快速定位故障点，并提供有效的解决方案，包括FAQ和操作指南。
3.通过进行系统性的测试和改进，可以保证转报机故障诊断专家系统的稳定性和正确性。
五、研究计划第一阶段：搜集文献及相关资料，建立转报机故障分析模型，用时3个月。
第二阶段：对收集到的转报机故障信息进行筛选和分类，提取有效数据，并建立转报机故障诊断模型，用时4个月。
专家系统在故障诊断中的应用及展望随着设备规模和复杂性的增加，专家系统成为设备故障诊断的发展方向。
专家系统是基于人工智能方法，利用诊断知识对诊断对象进行智能化诊断的装置，其内容包括诊断知识的处理，故障的智能诊断方法，信号处理和特征提取等。
其中，知识的处理包括知识获取、知识表示和推理控制等，故障诊断方法有基于规则的诊断方法，基于案例的诊断方法，基于模型的诊断方法以及神经网络诊断方法等，信号处理和特征提取的手段有FFT技术，模糊数学，模式识别，概率统计，小波变换和分形几何等。
国内外实践证明，专家系统在设备故障诊断中的应用能够解决现场专家不足的问题，能够减少判断故障的时间和误操作，能够早期发现设备潜在的故障，避免或减少事故的发生，能够促进维修方式从预防性维修到预测性维修的转变，等等。
1 专家系统在故障诊断中的应用现状目前，国内外已开发了一系列用于设备故障诊断的智能系统，获得了较好的实际效果。
其中几个较典型的系统是：1.1 PDS系统目前在电站设备故障诊断系统使用方面，美国西屋电力公司处于领先地位。
1976年，西屋公司着手开发基于计算机的发电机在线诊断系统，并于1980年在电厂得到试用。
1982年西屋公司选择卡内基—梅隆大学研制的过程诊断系统PDS作为开发工具，在1984年夏天投入实际应用。
PDS系统由设在各个电厂的数据中心PDC和位于奥兰多的诊断操作中心DOC组成。
PDC具有数据采集、存储和压缩、状态检测、与DOC通讯等功能，不断地将数据传给DOC。
送到DOC的数据由PDS系统自动进行诊断，诊断结论从DOC返回到PDC。
DOC也将对结论的建议和不采取行动的后果传送到PDC，以便电厂操作人员采取适当的处理措施。
PDS系统分为三个子系统：TurbinAID、GenAID和ChemAID。
三个子系统各有自己的规则库，共享一个数据库。
到1990年为止，系统的诊断规则库大约有一万条规则，其中包括TurbinAID－3000多条，GenAID－近3600条，ChemAID－近3200条，能够诊断转子—轴承系统、发电机和蒸汽／水循环的故障，并能进行热效率计算等。
2003年9月农业机械学报第34卷第5期基于故障树分析法的汽车故障诊断专家系统*陈朝阳 张代胜 任佩红 许化东 【摘要】 提出将故障树分析法与基于规则的诊断专家系统相结合的方法,以故障树的形式全面、系统、层次性地表述专家知识,通过故障树自动生成专家系统诊断规则库,实现诊断知识的自动获取,并确保诊断知识的一致性和完备性。
以Windo w s98为平台、Delphi 5.0为编程语言,开发出具有友好的人机交互界面、正向与逆向混合推理和具有解释功能的汽车故障诊断专家系统。
以轮胎异常磨损的诊断为例,验证了该方法具有良好的应用前景。
关键词:车辆工程 故障诊断 故障树分析法 专家系统中图分类号:U 279.3+23文献标识码:AStudy on Automobile Fault Diagnosis Expert SystemBased on Fault Tree AnalysisChen Chaoy ang Zhang Daisheng Ren Peihong Xu Huadong(Hefei Univ ersity of Technology )AbstractA method that combines the fault tree a nalysis with a rule-based expert system ,w as used to systema tically ex press ex pert kno w ledge by building a fault tree.According to the fault tree,a database of diagnostic rule ,w hich makes automa tic know ledg e acquisitio n co me true ,can be automatically g enerated .Under Window s 98w e used the prog ram lang uag e Delphi 5.0a nd a pplied the diag nostic m ethod of a rtificial intellig ence a nd the object-o riented prog ramming desig n technolog y to dev elo p the fault diag nosis ex pert system fo r auto mobiles,w hich had better man-m achine interacted interface .Finally ,w e made a diag no sis fo r abnormal w ear o f ty res as exa mple,which v alida ted that the metho d was better than the co nv entio nal o nes.Key words Vehicle engineering ,Fault diag nosis,Fault tree analy sis,Ex pert system收稿日期:20020507*安徽省重点科研项目(项目编号:0022016)陈朝阳 合肥工业大学副校长 教授,230069 合肥市张代胜 合肥工业大学机械与汽车工程学院 副教授任佩红 合肥工业大学机械与汽车工程学院 硕士生许化东 合肥工业大学机械与汽车工程学院 硕士生 引言基于规则的故障诊断专家系统具有表达直观、形式统一、模块性强和推理机制简单等特点,一直是诊断专家系统中应用最广泛的一种模式[1]。
故障诊断专家系统 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，基于知识的故障诊断专家系统已成为当前研究和应用的一个热点。 人工智能又称机器智能，是计算机科学中新兴的一门边缘科学技术，利用计算机模拟人的智能行为、完成能表现出人类智能的任务。故障诊断专家系统是将人类在故障诊断方面的多位 专家具有的知识、经验、推理、技能综合后编制成的大型计算机程序，它可以利用计算机系统帮助人们分析解决只能用语言描述、思维推理的复杂问题，扩展计算机系统原有的工作范围使计算机系统有了思维能力，能够与决策者进行“对话”，并应用推理方式提供决策建议，专家系统在故障诊断领域的应用非常广泛，故障检测与诊断技术与专家系统相结合，使工程的安全性与可靠性得到保证。
1故障诊断专家系统简介 故障诊断专家系统，是指计算机在采集被诊断对象的信息后，综合运用各种规则(专家经验)，进行一系列的推理，必要时还可以随时调用各种应用程序，运行过程中向用户索取必要的信息后，可快速地找到最终故障或最有可能的故障，再由用户来证实。专家系统故障诊断方法 可用下图的结构来说明：它由数据库、知识库、人机接口、推理机等组成。其各部分的功能为：
图1：故障诊断专家系统结构图 (1)数据库数据库通常由动态数据库和静态数据库两部分构成。静态数据库是相
被诊断对象 人机接口 知识库 数据库 推理机 结果 对稳定的参数，如设备的设计参数、固有频率等;动态数据库是设备运行中所检测到的状态参数，如工作转速、介质流量、电压或电流等。 (2)知识库存放的知识可以是系统的工作环境、系统知识(反映系统的工作机理及系统结构知识)、设备故障特征值、故障诊断算法、推理规则等，反映系统的因果关系，用来进行故障推理。知识库是专家领域知识的集合。 (3)人机接口人与专家系统打交道的桥梁和窗口，是人机信息的交接点。 (4)推理机根据获取的信息综合运用各种规则，进行故障诊断，输出诊断结果。是专家系统的组织控制机构。
2故障诊断专家系统分类 根据知识组织方式与推理机制的不同,可将目前常用的故障诊断专家系统大致分为基于规则的诊断专家系统、基于模型的诊断专家系统、基于人工神经网络的诊断专家系统、基于模糊推理的诊断专家系统和基于事例的诊断专家系统。
2.1 基于规则的诊断专家系统 在基于规则的诊断专家系统中,领域专家的知识与经验被表示成产生式规则, 一般形式是: if then。 其中前提部分表示能与数据匹配的任何模型,结论部分表示满足前提时可以得出的结论。基于规则的推理是先根据推理策略从规则库中选择相应的规则, 再匹配规则的前提部分, 最后根据匹配结果得出结论。 基于规则的诊断知识表达方式直观、形式统一,在求解小规模问题时效率较高,并且具有易于理解与实现的优点,因而取得了一定成功。20世纪90年代,国外在军用水压系统、电力供应网络等方面进行了应用。 但是,对于复杂系统,所观测到的症状与对应的诊断之间的联系是相当复杂的,通过归纳专家经验来获取规则有着相当的难度,且诊断时只能对事先预想到的并能与规则前提匹配的事件进行推理, 存在知识获取的瓶颈问题。
2.2 基于模型的诊断专家系统 在基于模型的诊断专家系统中,领域专家的专业知识包含在建立的系统模型中,这种基于模型的诊断更多地利用系统的结构、功能与行为等知识。相比基于规则的诊断专家系统,这种诊断方式能够处理预先没有想到的情况,并且可能检测到系统存在的潜在故障。这类系统的知识库相对容易建立并且具有一定的灵活性,已应用于航天器动力燃烧系统故障诊断等方面。 但是,基于模型的诊断专家系统仍然依赖于专家的专业领域知识,在实时诊断中还将消耗巨大的计算资源,限制了其应用范围。
2.3 基于人工神经网络的诊断专家系统 神经网络只要求专家提出范例及相应的解,就能通过特定的学习算法对样本进行学习而获取知识。在基于人工神经网络的诊断专家系统中,知识表示不再是独立的一条条规则,而是分布于整个网络中的权和阈值。专家知识及经验的获取是利用领域专家解决实际问题的实例(样本)来训练获取,在同样输入条件下神经网络能够获得与专家给出的方案尽可能相同的输出。基于人工神经网络的专家系统在知识表示、知识获取、并行推理、适应性学习、理想推理、容错能力等方面显示了明显的优越性。同时,实际应用中的大多数被诊断对象往往是复杂的非线性系统,无法得到其精确模型,甚至无法建模,由于神经网络的构建与训练不要了解被诊断对象的精确模型,因而对于非线性被诊断对象,神经网络也具有明显优势。 目前,基于人工神经网络的诊断专家系统已成为研究的热点,已经应用于在线故障诊断、引擎自动管理系统、军舰动力系统故障诊断等方面。 然而,神经网络专家系统也存在固有的弱点。首先,系统性能受到所选择的训练样本集的限制,训练样本集选择不当,特别是在训练样本集很少的情形下,很难获得较好推理能力;其次,神经网络没有能力解释自己的推理过程和推理依据及其存储知识的含义;再次,神经网络利用知识和表达知识的方式单一,通常的神经网络只能采用数值化的知识;最后,也是最根本的一点就是神经网络只能模拟人类感觉层次上的智能活动,在模拟人类复杂层次的思维方面,如基于目标的管理、综合判断与因果分析等方面还远远不及传统的专家系统。因此,人们正试图研究符号推理与数值推理相结合的集成式智能诊断系统,以期能更好地模拟人类的思维过程。
2.4基于模糊推理的诊断专家系统 在基于模糊推理的诊断专家系统中,其知识表示采用模糊产生式规则。模糊产生式规则是将传统产生式规则“ IF条件TH EN动作(或结论)”进行模糊化,包括条件模糊化、动作或结论模糊化等。引入模糊的概念是为了更好地模拟人类的思维与决策过程,使计算机结果不再是简单的黑或白。 在模糊推理中建立模糊隶属度是一个重要工作,确定隶属度的方法有对比排序法、专家评判法、模糊统计法、概念扩张法等。采用专家评判法,由专家根据经验直接给出论域中每个函数的隶属度,形成隶属度表,这样给出的隶属度比较准确。计算机在进行模糊推理时,先从用户接口接收证据及其相应的模糊词,如 “很”“、 相当”“、 轻微” 等,然后通过模糊属性表查出条件模糊词的隶属度, 由此进行推理得到结论。基于模糊推理的诊断专家系统已应用在军用电力系统、集成电路、动态控制等方面。 基于模糊推理的诊断存在的主要问题在于模糊诊断知识获取困难,尤其是故障与征兆的模糊关系较难确定,且系统的诊断能力依赖模糊知识库,学习能力差, 容易发生漏诊或误诊。由于模糊语言变量是用隶属函数表示的,实现语言变量与隶属函数之间的转换是一个难点。
2.5 基于事例的诊断专家系统 基于事例的推理是利用以事例形式表示的以往求解类似问题的经验知识进行推理,从而获得当前问题求解结果的一种推理模式。一个有效的事例表示包括三部分内容:事例发生的原因或背景;事例的特点及过程;事例的解决方法和结果。事例推理的关键步骤包括事例检索、事例重用、事例修改/ 修正和事例保留等.基于事例的推理避免了采用基于规则的推理方法进行知识获取时的瓶颈问题, 利用相关事例扩大了解决问题的范围,简化了求解过程,解的质量也得到提高, 在军事制造业控制诊断、舰艇水压机等方面获得应用。 基于事例的推理的缺点是在处理小规模问题时,其推理效率不高。
3故障诊断专家系统发展方向 ( 1) 基于多种模型结合的诊断专家系统。这里所说的模型是指专家系统的知识表示模型与推理模型。现有的各种模型都具有各自优势和特点,同时它们各自也存在着局限性,各种模型具有各自适用的领域。随着工业自动化发展对故障诊断的要求不断提高, 际被诊断对象也将更加复杂,这样必然造成对象的故障诊断知识的复杂化,因此,融合多种知识表示方法是提高故障诊断知识表示准确度的有效途径。故障诊断知识表示与推理方法有着密切的联系,这就要求将多种诊断方法加以融合,克服各诊断方法的局限性,从而提高诊断专家系统的智能性和诊断效率。 ( 2) 分布式诊断专家系统。现有的诊断专家系统大都是面向单机或单服务器的, 可扩充性、灵活性、通用性较差,各诊断系统之间相互独立,即使是不同开发单位研制的针对同类问题的诊断系统之间也不能进行有效的信息交流和共享,造成了巨大的资源浪费。现在很多大型系统或设备由远程分布的不同类子系统组成,相应地,其诊断系统中的系统级诊断和各子诊断也需要诊断信息的传输交流。同时, 由于故障源的不确定性和时发性,导致异地诊断和远程诊断的需求不断增加。随着网络的普及,通过局域网、因特网来传输诊断信息成为一种趋势,网络架构下的分布式多故障诊断成为新的研究热点,因此,建立远程分布式跨平台综合智能诊断系统,可以实现异地多种专家系统对同一系统、设备的协同诊断以及多台设备共享同一诊断系统,提高诊断的成功率和效率,同时也有利于诊断案例的积累, 以弥补单个诊断系统领域知识的不足,提高诊断的智能化水平。 ( 3) 实时诊断专家系统。随着用户对系统可靠性、稳定性的要求不断提高,故障诊断技术已经由原来简单的对故障设备进行离线故障检测、隔离,发展为对系统、设备全寿命周期提供可靠性保障,主要包括基于传感器网络的健康状态在线检测, 故障的早期预报以及故障发生后的在线实时定位与排除。这些都对未来故障诊断专家系统的实时性提出了很高的要求。
