智能诊断技术发展及应用.doc

智能诊断技术发展及应用摘要 : 在综合大量智能诊断技术和方法文献的基础上，介绍了智能故障诊断技 术的发展历史及国内外研究现状， 详细叙述了智能诊断的各种方法， 并对智能诊 断技术的发展进行了探讨和展望。关键词 : 故障诊断；人工智能；专家系统；神经网络；模糊理论；信息融合 设备故障诊断技术是在电子、 计算机技术的发展中产生的一门技术。 当一个 系统的状态偏离正常状态时， 就称该系统发生了故障， 此时系统可能完全也可能 部分丧失其功能。 故障诊断就是寻找故障原因的过程， 包括状态检测、 故障原因 分析及劣化趋势预测等内容 1。传统故障诊断技术在分析结构比较复杂的深层次 故障时效果不理想， 且对操作员能力要求较高； 而人工智能技术的发展， 则使诊 断技术走向了智能化。由于智能故障诊断技术可模拟人类的逻辑思维和形象思 维，将人类各种知识融入诊断过程，故可实现对大型复杂设备的实时、可靠、深 层次和预测性故障诊断 2，获得的诊断信息就能准确地对诊断对象的状态进行识 别和预测。 因此这一技术也受到了世界各国工程研究人员的普遍重视。 目前，随 着基于行为的人工智能、 分布式人工智能、 多传感器信息融合技术以及新理论的 提出与发展 3，故障诊断也获得了新的发展机遇。1 诊断技术的发展历史故障诊断技术由美国最早开展研究，如西屋公司(WHEC)、Bently公司和IRD 公司4-5，目前已有多家机构从事此项研究，包括瑞士 ABB 公司等6。诊断技术 的发展主要经历了以下 2 个技术阶段。1. 1 传统诊断技术传统故障诊断技术主要包括单信号处理方法、 单信号滤波诊断、 多信号模型 诊断以及机内测试技术 (build-intest， BIT)7。单信号处理方法较少考虑信号间的耦合， 主要采用阀值模型。 当系统的输入 输出超出一定范围时， 就认为故障已经发生或将要发生， 信号也主要是由人工通 过各种仪器仪表进行采集。 这种方法用在电子技术发展的早期阶段， 设备的集成 化程度不高。单信号滤波诊断的基本原理是对时间序列信号进行滤波变换， 得到信号的特 征信息后， 再对此特征信息进行阀值诊断。 多信号模型诊断的特点是考虑了信号 间的融合关系，且通过定量和定性的分析方法实现诊断。机内测试技术是利用设备内部具有自检能力的硬件和软件来实现对设备检 测的一种方法，可为系统和设备内部提供检测、故障隔离的能力。由于BIT技术结构日趋复杂、功能日益强大，因此其正在发展成为集状态检测、 故障诊断为 一体的综合系统。1.2智能诊断技术智能诊断技术是在计算机和人工智能的基础上发展起来的，是一门集数学、 物理、化学、电子技术、计算机技术、通讯技术、信息处理、模式识别和人工智 能等多学科于一体的综合性技术，他的出现为提高现代复杂工程技术系统的可靠 性开辟了一条新的途径8。作为20世纪80年代中后期故障诊断领域的前沿学科，基于计算机的智能诊 断技术受到了越来越多工程技术研究人员的关注，并成功应用于工程生产实践。 计算机人工智能与诊断理论的结合，产生了具有信息时代特色的智能诊断系统。 设备故障智能诊断系统是基于知识的系统，他以知识处理为研究内容，以基于知 识寻求提高系统智能化程度和诊断准确率为目标。早期模拟人脑思维推理的基于 知识的专家系统，以串行运行的格式进人设备诊断领域，形成了基于知识的诊断 推理专家系统。智能诊断系统是由故障诊断领域的专家，能模拟脑功能的硬件、外部设备、 物理器件以及支持这些硬件的计算机软件所组成的系统，其结构系统原理如图1 所示9。该系统以对诊断对象进行状态识别与状态预测为目的图1智能诊断系统硬件2国内外研究现状及发展趋势智能诊断技术的发展历史虽然短暂，但已取得了令人瞩目的成就。国内诊断技术从80年代中期开始进人了迅速发展时期。目前，在理论研究方面，已形成了具有我国特点的故障诊断理论， 并出版了一系列相关论著， 研制 出了可与国际接轨的大型设备状态监测与故障诊断系统， 比如华中科技大学研制 的用于汽轮机组工况监测和故障诊断的智能系统DEST,哈尔滨工业大学和上海发电设备成套设计研究所联合研制的汽轮发电机组故障诊断专家系统 MMMD-2 ,清华大学研制的用于锅炉设备故障诊断的专家系统,山东电力科学 研究院同清华大学联合研制的 “大型汽轮机发电机组远程在线振动监测分析与诊 断网络系统”,重庆大学研制的“便携式设备状态监测与故障诊断系统”等6-10。国外在诊断技术领域起步较早, 并形成了比较成熟完善的诊断理论, 所以其 诊断技术的发展优于我国。 美国是最早开展故障诊断技术研究的国家, 在电路和 数字电子设备方面, MIT 研制出了用于模拟电路操作并演绎出故障可能原因的 EL 系统;美国海军人工智能中心开发了用于诊断电子设备故障的IN-ATE 系统;波音航空公司研制了诊断微波模拟接口MSI的IMA系统;西屋公司(WHEC)从1976年开始了电站在线计算机诊断工作, 1981 年进行了电站人工智能专家故障 诊断系统的研究, 1984 年应用于了现场,后来发展成了网络化的汽轮发电机组 诊断专家系统(AID)，并建立了沃伦多故障运行中心(DOC)，通过D0C中心，可 以看到分布在全美20多个电厂的数据信息;Bechtel电力公司于1987年开发了 火电站设备诊断用专家系统 (SCOPE)12; Bently 公司在故障诊断方面虽起步较晚， 但在转子动力学方面， 旋转机械故障机理的研究比较透彻， 在振动监测方面具有 雄厚的基础，因此该公司开发的旋转机械故障诊断系统(ADR3)在国内外电站领域的应用很受用户的欢迎13; Radial公司于1987年开发了汽轮发电机组振动诊断 用专家系统， 在建立逻辑规则的基础上， 设有表征振动过程各种成分与其可能故 障源之间关系的概率数据，且其搜集知识的子系统具有人机对话形式。在欧洲，也有不少从事故障诊断技术研究、 产品开发及应用的公司。 如瑞士 ABB公司目前正在大力发展振动观察系统(vibro-view)，并由诊断软件精确诊断 机器故障 ;法国电气研究与发展部近年来也发展了以监测与诊断辅助站的PSAD系统，用于大型电站机组的监测与诊断 ;意大利米兰工业大学研制了用于汽车启 动器电路故障诊断的系统；英国在60年代末，由Collacott的机械状态监测中心首 先开始诊断技术的研究 ;德国的西门子公司、丹麦的 B&K 公司等也都开发出了各 自的诊断系统。由于机电设备在整个生产领域中占有极其重要的地位， 所以有关 机电设备的故障智能诊断问题一直受到研究人员的关注， 出现的智能诊断系统也比较多日本从事这方面研究的机构主要有东芝电气、日立电气、富士和三菱重工等网。东芝电气公司与东京电力公司于 1987年合作开发的大功率汽轮机轴系振动 诊断系统，采用计算机在线快速处理振动信号的解析技术与评价判断技术，设定一个偏离轴系正常值的极限值作为诊断的起始点进行诊断15;日立公司研究了用于核反应堆的故障诊断系统，以后逐步发展形成了一套完整的寿命诊断方法；三菱公司则在80年代初期开发了 MHM振动诊断系统，该系统能自动或通过人机 对话进行异常征候检测并能诊断原因，其特点是可根据动矢量来确定故障冋。3智能诊断方法智能诊断技术是在计算机和人工智能的基础上发展起来的，所以其在工程实现中主要是组成以计算机为主体的智能诊断系统，他有单机模式、分布式模式、 网络化模式3种结构模式。其方法主要有：基于专家系统的诊断方法、基于模糊 逻辑的诊断方法、基于神经网络的诊断方法以及基于模糊粗糙集的诊断方法等150 3. 1基于专家系统的诊断方法专家系统故障诊断方法是在计算机采集被诊断对象的信息后，综合运用各种 规则，进行一系列推理，必要时还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，快速地找到最终故障或最有可能的故障， 再由用户来证实的一 种方法。主要由6部分组成：知识规则库、数据库、推理机、解释机构、故障查 询机构和人机接口 16。其内部具有某个领域专家的知识和经验，能够利用人类专 家的知识和解决问题的方法来解决问题。 该方法是人工智能理论在故障诊断领域 中最成功的应用，也是目前故障诊断领域最常用的方法，其各部分的功能如图2所示。1试诊已ffl卢A. +._i >挨口r图2专家系统故障诊断结构3. 2 基于模糊逻辑的诊断方法模糊逻辑是用来描述、 处理自然界和人类社会中不精确、 不完整信息的数学 工具。由于在设备的运行过程中， 故障的发生是一个渐变的过程， 会出现一些处 于完好与故障之间的中间状态， 设备表现出来的征兆也是如此， 因而设备的各种 征兆和各种故障应该是一个模糊值 17，不能用“是否有故障”的简易诊断结果来 表示，而要求给出故障产生的可能性及故障位置和程度。 但此类问题用模糊逻辑 能较好地解决，这就产生了模糊故障诊断方法。在模糊诊断中， 主要涉及到选择何种诊断矩阵进行模糊运算， 以及选择使用 何种原则来确定诊断对象所具有的故障。 这种方法的最大特点是其模糊规则库可 直接利用专家知识构造， 能充分运用和有效处理专家的语言知识和经验， 因此计 算简单，应用方便，结论明确直观。 一个设计较好的模糊逻辑系统可以在任意精 度上逼近某个非线性函数， 具有良好的性能。 但另一方面， 由于模糊规则库是人 为构造的，含有一定的主观性 ;此外，其对特征元素的选择也有一定的要求，如 选择不合理，诊断结果的准确性会下降，甚至会造成诊断失败。3. 3 基于神经网络的诊断方法诊断实质上是一种模式分类和识别问题 18。神经网络作为一种自适应的模式 识别技术， 并不需要预先给出关于模式的先验知识和判别函数， 而是通过自身的 学习机制自动形成所要求的决策区域， 具有并行分布处理能力， 以及自组织、 自 学习、自适应能力和联想记忆功能等。 他能够充分利用状态信息， 对来自不同状 态的信息逐一训练获得某种跳射关系， 从而用于处理模糊的、 随机的、 不完整的 信息，并可通过故障实例和诊断经验知识进行训练和学习， 把故障诊断的知识存 储于网络的连接权中。 当环境改变时， 这种映射关系还可进行自适应调整， 以求 对对象的进一步逼近， 实现输入征兆与故障间的非线性映像， 出色解决那些用传 统模式识别方法难以圆满解决的问题， 因此，故障诊断是人工神经网络的重要应 用领域之一。模式识别的神经网络诊断过程如图 3 所示，主要包括学习训练与诊断匹配两 个过程，其中每个过程都包括预处理和特征提取 2 部分19。诊斷图3神经网络故障诊断过程3. 4基于模糊粗糙集的诊断方法20-22模糊集是美国学者 L A Zadeh于1965年在“ In formation and Con trol”上 首先提出的概念，而粗糙集则最早由波兰数学家Z Pawlak在1982年提出，这2个集合都用于处理不确定和不精确信息。虽然他们的侧重点有所不同，但他们 之间却是互为补充的关系，而不是互相排斥的。随后，Pawlak Dubois提出的模糊粗糙集模型，解决了粗糙集理论只能处理离散值的缺点，因此模糊粗糙集不仅 可以处理离散属性，还可有效地处理连续属性。模糊粗糙集模型引入了模糊逻辑 中置信水平的概念，在故障诊断中，根据置信水平的不同，可得到包含不同规则 数目的知识库，这有利于对知识的存储管理，且对降低知识系统中的组合爆炸也 有重要意义。但模糊粗糙集理论本身还不十分成熟，尚需进一步完善，而且对他的某些应用还只是处于探讨和实验阶段，距离工程实际还有差距。随着粗糙集理论、模糊 集理论与人工智能的结合，理论研究和工程应用方面的工作量将有望大大减少。 3. 5多传感器信息融合故障诊断方法22信息融合又称多传感器信息融合，其原理是利用计算机技术将来自多传感器 或多源的信息和数据，在一定准则下加以自动分析、综合以完成所需要的决策和 估计，从而得出更为准确的结果。信息融合的级别可分为：数据级、特征级和决策级。多传感器信息融合为解决复杂系统故障诊断的不确定性问题提供了一条新 的路径，这是由信息融合的多维信息处理方式决定的，他可消除不同监测方法的局限性、矛盾性和不协调性。概括起来，多信息融合技术在故障诊断方面的应用主要包括以下几点：对多传感器形成的不同信道的信号进行融合；对同一信号的不同特征进行融合： 对不同诊断方法得出的结论进行融合。融合诊断的最终目标就是利用各种信息提 高诊断的准确率。目前，信息融合故障诊断方法主要有 Bayes 推理、模糊融合、 D-S 证据推理及神经网络信息融合等 21。4 结束语智能诊断技术在过去几十年里得到了飞速发展， 一些新的理论和方法已经得 到了成功的应用， 并获得了丰硕的成果， 如远程智能诊断、 多传感器信息融合故 障诊断方法等。 在计算机集成制造系统、 空间飞行器中可利用远程智能诊断技术 准确及时地预报故障，避免事故发生。但是，每种诊断方法都有其优点和缺点， 很难找到一种近乎完美的对某一故障诊断的方法。 因此只有通过各种方法、 理论、 技术的交叉融合， 以及新技术、 新思维方式的引入， 并善于从生产实际中提出问 题，归纳提高到理论和方法的高度，才能更加准确地对故障进行诊断。对于日趋进步的人类社会来讲， 新的知识和技术的诞生必将带来更多更为复 杂的技术故障， 这对于智能诊断技术来讲也是一个巨大的挑战。 一个完善的故障 诊断过程， 常常需要多知识表达形式和多推理模式， 以及合理的控制机构。 从发 展趋势来看，智能诊断技术将在这些方面得到进一步的发展。1) 新的理论将会运用到智能诊断中，如进一步完善信息融合诊断、进化算法、 图论模型推理法等，这些理论的不断发展将会不断完善智能诊断技术。2) 通过对多种不同诊断技术的交叉融合，可将智能诊断系统集成化，从而可充 分发挥各自方法的优点，进一步提高诊断系统的综合诊断能力。3) 对于大型、复杂的远程分布式设备来讲，各子诊断系统同系统级诊断系统的 信息传递和综合诊断评估分析显得尤为重要。 因此，远程分布式智能故障诊断系 统的出现将显著提高诊断效率， 节约诊断成本， 进一步提升诊断智能化水平。 同 时，诊断技术也将向着诊断全智能化、综合化方向，即向集监控、测试诊断、管 理和根据现阶段运行状况进行后期预测于一体的全智能综合系统诊断方向发展 23。o高效、及时、经济、准确、便捷的诊断方法，将使故障诊断技术不断取得进 展并在生产实践中得到应用。 将当代前沿学科同相关学科的新思维和新方法相结 合，可逐步提高诊断的智能水平，从而推动社会的文明进步。参考文献 :1 樊友平，黄席樾智能诊断技术的发展和思考J.自然辩证法研究，2001,17(2): 42-46.2 左万里，武小悦 .电子设备智能故障诊断技术发展综述 J .系统工程与电子技 术， 2003， 12(25): 1572-1574.3 王江萍，宁延平 .机械设备故障智能诊断技术水平与发展预测J .石油机械，2005， 33(8): 71-74.4 Scheibe， l John R， Iman， et a.l Expert system-based， on-line rotor crack monitor for utility steam turbinesA. Proceeding of the American Power ConferenceC. Publ by Illino is Inst of Technology， 1989: 369-380.5 Bosmans， Ronald F， Hewitt ， et a.l Expert system for machinery vibration diagnositicsJ. American Society of Mechanical Engineers， International Gas Turbine Institute， 1992: 365-371. 张培先，董泽智能故障诊断技术的发展及应用J.山西电力，2001(3): 57-59.7 丁彩虹，黄文虎，姜兴谓 .载人航天故障诊断技术的发展及关键技术分析J.强度与环境， 1992(2):20-24.8 王耀才.智能故障诊断技术的现状与展望J.徐州建筑职业技术学院学报，2003，3(1): 37-39.9 王志毅，谷波，黎远光.智能故障诊断技术在空调制冷领域的应用和发展展望J.现代机械，2003(3): 1-4.10 王奉涛，马孝江，邹岩琨.智能故障诊断技术综述J.机床与液压，2003(4):6-8.11 John Reason. Expert systems promise to cut critical machine down timeJ.Power，1987，131(3): 17-24.12 A shleyG， Duggan P E， Shoe SWW， eta.l Expert systems provide help in life extension， availability improvement J. Power Engineering ， 1988， 92(5): 46-50.13 Muszynska A. Vibrational Diagnostics of Rotating Machinery MalfunctionsJ. Rotating Machinery， 1992(3-4): 237-266.14 刘峻华，黄树红.汽轮机故障诊断技术的发展与展望J.动力工程，2001，21(2): 1105-1110，1122.15 王永庆.人工智能原理与方法 M. 西安:西安交通大学出版社， 2003.16 周德泽，袁南儿，应英.计算机智能监测控制系统的设计及应用M.北京:清 华大学出版社， 2002.17 吴今培.智能故障诊断与专家系统 M. 北京:科学18 蒋瑜，陈循，罗护.基于神经网络的智能故障诊断技术研究综述J.设备管理 与维修， 2001(3): 28-30.19 安治永，李应红，苏长兵.航空电子设备故障诊断技术研究综述J.电光与控制， 2006，13(3): 5-10， 41.20 张文修，吴伟志，梁吉业 .粗糙集理论与方法 M. 北京:科学出版社， 2003.21 王海珍，廉佐政.基于模糊集和粗糙集理论的故障诊断方法的研究J.齐齐哈尔大学学报，2006， 22(1): 38-40.22 朱大奇.电子设备故障诊断原理与实践 M. 北京:电子工业出版社， 2004.23 张力，李相平，陈信.FTA在未制导雷达故障诊断中的应用J.海军航空工程 学院学报， 2004,19(1): 187-190.