1、 液壓故障智能診斷技術機密探討 黃志堅 裘麗華 （北京航空航天大學303教研室 100037）摘要：專家系統與神經網絡是液壓智能診斷的主要途徑。智能診斷的發展方向是系統的不斷完善和提高學習能力，組合化，開發容錯智能系統，以及進一步實用化等。人工智能技術將與先進的信息技術緊密結合，并使智能診斷系統性能更佳。關鍵詞： 液壓 故障 智能 診斷Abstract：Expert system and artificial neural net are main intelligence diagnosis ways for hydraulics failures. The developing direc

2、tion of intelligence diagnosis are the performances improvement and increasing learning abilities, combination, developing intelligence fault tolerating system, more utilities etc. The artificial intelligence will combine with advantaged information technology closely, and result the progress of int

3、elligence diagnosis.Key words： Hydraulic Failure Intelligence Diagnosis neural net 1 智能診斷概述 智能診斷是人工智能技術在設備故障診斷領域中的應用，它是計算機技術和故障診斷技術相互結合與發展進步的結果。智能診斷的本質特點是模擬人腦的機能，有效地獲取、傳遞、處理、再生和利用故障信息，成功地識別和預測診斷對象的狀態。人工智能（artificial intelligence）是智能診斷技術的核心，它是計算機科學的前沿研究領域。 在液壓技術領域，智能診斷的對象主要是：構成與控制機理復雜的液壓系統、連續運行的液壓系統、

4、高精度與高可靠性的液壓系統等，連軋機液壓系統、火力發電汽輪機液壓系統、飛行器液壓系統等屬這類系統，其故障的多樣性、突發型、成因的復雜性、危害的嚴重性等使得僅靠人工診斷難以及時順利地完成。液壓泵與伺服閥等關鍵元件，因其重要性和復雜的故障機理也是智能診斷的主要對象11。智能診斷的主要任務是找出癥狀可能原因中的真正原因并指出其存在可能性的大小，判斷失效的嚴重程度，預測劣化的趨勢，識別故障模式，解釋故障機理等。智能診斷技術既能模擬人腦處理各類模糊信息，又具有人腦所不及的高的運算速度；它能根據診斷的誤差自動修正診斷的模型，并具備自動獲取知識的能力和適應環境變化的能力。但智能診斷離不開人的參與，相互間需要

5、信息交流與積極配合，以至形成人-機聯合診斷的功能，實現對多故障、多過程、突發性故障的快速實時診斷和早期診斷的目標。 2 智能診斷的主要方式當前研究最活躍的智能診斷的一個分支是專家系統（expert system）。專家系統以其知識的永久性、共享性和易于編輯等人類專家所不具有的特點得到人們的普遍重視和利用。80年代以來，專家系統的研究和應用取得迅猛發展，使人工智能從學科研究走向實際應用的重大突破。特別是在產生式專家系統中，知識是用規則顯式地表達的，這種知識通常是系統性、理論性較強的邏輯知識，因此求解結果可靠性高。而且由于知識是顯式的，使其具有很好的解釋能力。然而專家系統的發展遇到了知識獲取的“瓶

6、頸”、“窄臺階”等困難，使其支持能力受到較大的限制。最新發展的以非線性大規模連續時間模擬并行分布處理為主流的神經網絡理論為人工智能的發展開避了一條嶄新的途徑。人工神經網絡（artificial neural net）是利用神經網絡所具有的容錯能力、學習功能、聯想記憶功能、分布式并行信息處理較好地解決了傳統方法在知識表示、獲取和并行推理等問題上的“瓶頸”問題。特別人工神經網絡不需要事先組織大量產生式規則，也不需要進行樹搜索，使系統開發周期大大減少并提高了求解速度。專家系統和神經網絡是當前研究人工智能的兩種主要方法，這兩種方法都有各自的功效和不足?；谏窠浘W絡的系統并不能完全取代專家系統的符號處理

7、功能。從人類的知識過程來看，符號信息處理是人類專家思維活動的重要形式，是認識事物的結果與表現?；谏窠浘W絡的專家系統方法模擬人類形象思維，是一種非邏輯、非語言、非靜態、非局域、非線性信息處理方法。在故障診斷過程中，兩類診斷方法是并存的。當要求快速診斷時，往往采用經驗性較強的形象思維方式；但大多數情況下，人們解決問題還是邏輯推理為主，它通過癥狀和故障之間邏輯關系的分析和運算最終給出嚴密、準確的解。此外，智能診斷還與系統辨識、模式識別、模糊理論、灰色系統理論等密切相關。系統辨識是用系統的輸入輸出數據所提供的信息來建立系統的數學模型。液壓系統的動態特性都反映在其輸入輸出數據中，所以用系統辨識方法所獲

8、得的模型能較準確地反映系統的實際狀況。文獻12介紹了用系統辨識的方法診斷軋機液壓系統故障的實例。模式識別是指識別出給定物體所模仿的標本。人工智能所研究的模式識別是指用計算機代替人類或幫助人類感知模式，是對人類感知外界功能的模擬。計算機模式識別系統具有接受外界信息、識別和理解對象的能力。模式識別是常用的故障診斷方式。液壓設備的運行狀態由無故障到帶故障運行往往是一個漸變過程，在此間它既不是完全的“完好”也不是完全的“故障”，而是處于一個中間狀態；設備表現出來的癥狀也是如此。因此，設備的各種征兆和各種故障值是一種模糊值。模糊診斷的方法是通過某些征兆的隸屬度來求出各種故障原因的隸屬度。模糊診斷原則用來

9、診斷對象所具有的故障，一般采用的診斷原則有最大隸屬度原則、閾值原則、擇近原則等。文獻8與9介紹了注塑機液壓系統與元件故障模糊診斷與預測的實例。模糊邏輯理論和神經網絡技術在知識表示、知識存貯、推理速度及克服知識窄臺效應等方面起到了很大的作用，其中模糊邏輯主要模仿人腦的邏輯思維，具有較強的結構性知識表達能力；神經網絡模仿人腦神經元的功能，具有強大的自學習能力和數據的直接處理能力。因此有必要將兩者結合起來形成模糊神經網絡。液壓故障的灰色診斷可通過灰色關聯度分析的途徑來實現，這是一種整體的比較方法，它是灰色系統理論分析和隨機量處理的一種方法，也是一種從數據到數據的映射。故障分析的過程如圖1所示。文獻1

10、5介紹了伺服缸故障灰色診斷的實例。 圖1 灰色診斷過程3 智能診斷的發展方向31 診斷系統的不斷完善專家系統存在一些局限性，人們正積極尋找解決這些局限性的方法，包括采取機器學習的方法解決知識獲取的瓶頸問題；在淺層知識的基礎上增加深層知識，以增強系統的適應性和強壯性；采取多種知識表示方法及多種求解策略來改進系統的靈活性；采取并行處理和分布式系統結構來改進其實時性等。神經網絡的改進主要是在神經網絡模型本身的改進和采用模塊化的神經網絡診斷策略這兩方面展開。機器學習已成為人工智能的核心，人們正著力于提高智能系統的學習能力，并期望由此克服知識獲取瓶頸問題、知識脆弱性問題、知識庫過于龐大和非結構性問題、求

11、解方法單一問題、系統直覺判斷能力差的問題等。機器的學習經歷過神經元模型的研究、符號學習的研究、連接學習的研究等三個階段，目前已進入到符號學習與連接學習相結合的研究階段。學習的方法主要是機械學習、示例學習和解釋學習等。人工智能的努力方向是實現系統的開放性、結構性、有效性、工作機構與學習機構的正反饋性、系統的相互作用性等。32 通過組合化改進系統由于智能診斷的各種方法本身存在這樣或那樣的缺點，各種方法相互融合、取長補短將是一個重要的發展方向。專家系統的知識處理模擬的是人的邏輯思維，人工神經網絡的知識處理所模擬的是人的經驗思維（即模式類比，也叫形象思維）機制。在人類智能活動中，最常發生的是經驗思維，

12、當經驗思維解決不了問題時，通常要轉向更深一層次的邏輯思維，如果問題更加復雜，就需要轉向創造性思維。這三種思維形式結合起來的診斷模式如圖2所示。 圖2 組合故障智能診斷方案32提高控制系統的容錯性所謂容錯（fault tolerance）性，就是系統的冗余能力，即在某些部件發生故障的前提下，系統仍能按原定性能指標完成控制任務的能力。容錯控制由故障識別與故障調節（重構）兩部分組成。由于控制系統可能發生的故障具有多樣性，采用控制器重構或完整性控制器設計等方法很難對故障系統實施良好的控制。同時，當發生了故障，系統經重新組織后所實施的新的控制器一般難以與故障系統動態特性相匹配，因而會導致控制實效。另外，

13、由于某些故障具有不可預測性和模糊性，采用一般容錯控制器無法進行控制。因此，利用人工智能的研究成果開發基于專家系統和基于神經網絡的容錯系統，將是未來人工智能研究的一個熱點。基于專家系統的故障容錯控制系統結構如圖3所示。 圖3 基于專家系統的故障容錯控制系統 33進一步實用化目前從事智能診斷研究的人不少，但投入實際應用的系統卻不多。因此，液壓故障智能診斷的實用化研究開發還要做大量的工作。一方面，要進一步克服知識處理方面業已存在的瓶頸。同時，要注重人機界面的友好。另外，要爭取廣大領域專家共同開發智能診斷系統，將從故障診斷實踐中總結出來的技術策略與技巧理論化，并轉化為智能診斷的知識。文獻6提出了“假設

14、驗證相結合、”“化整為零與聚零為整相結合”、“抓住關鍵順藤摸瓜”等一系列診斷策略，為構建專家系統提供了豐富的領域知識。4 智能診斷與先進的信息技術信息技術在迅速發展，這必將對故障診斷技術產生深刻的影響，智能診斷系統與先進信息技術結合起來已成趨勢，應用于智能診斷的先進信息技術主要如下：41多媒體技術多媒體（multimedia）技術應用于測控系統，可實現信息媒體的多樣化。它是各種不同信息轉換的集成，最后把數值、文字、聲音、圖形、圖像有機地結合實際在一起綜合表現出來。它更能滿足人與系統的實時性信息交換。它更具可視性：包括監測對象的視頻圖像、運算過程數據及傳感器信號微弱信號的可視化轉換等，能快速直觀

15、反映過程狀態的檢測結果，采用高速運算結合實際工藝的診斷監測算法，便于系統作出統計，顯示趨勢，提供操作指導和決策參考。42 Internet/Intranet技術Internet/Intranet的發展，使其在測控領域的應用日益受到關注。利用Internet/Intranet技術可將必要監測信息送到企業內任意的PC機或移動計算機的屏幕上。利用簡單的HTML（超文本鏈結標示語言）文本，使用通用的Web瀏覽器，可在通用的接口下顯示來自監控和數據采集系統和其它軟件系統的信息。目前很多Web服務器軟件提供了對關系型數據庫的訪問方法，有些通用數據庫也將數據發布為HTML格式，以供Web訪問。因此可通過We

16、b技術訪問數據庫和獲取系統信息。決策、維修人員可以在任意遠程或局域網上觀測實時的測控信息，并實現網上遠程診斷。43 信息融合技術信息融合（information fusion）是多元信息處理的的一項新技術，它能將來自某一目標的多源信息加以智能化的合成，產生比單一信息更精確、更完全的估計和判決。一組相似的傳感器采集的信息存在冗余性，這種冗余信息的適當融合可以在總體上降低信息的不確定性。不同類型的傳感器采集的信息具有明顯的互補性，這種互補性經過適當處理后可以補償單一傳感器的不準確性和測量范圍的局限性。多傳感器集成可以增加系統的可靠性。信息融合技術也可用來更迅速、更經濟地獲取多種信息。故障診斷是一個

17、多源信息融合過程。為充分利用所提供的信息，可對各監測量進行診斷，再將其結果加以綜合，此為局部融合；然后將局部診斷結果進一步綜合，就是全局診斷融合，這一過程如圖4所示。 圖4 故障診斷信息融合過程 44 智能傳感器所謂智能化傳感器是指以專用微處理器控制的具有雙向通信功能的先進傳感器系統。微處理器能夠按照給定的程序對傳感器實施軟件控制，把傳感器從單功能變成多功能，包括數據處理與通訊、自適應、自補償、自校正、自診斷、遠程設定、狀態組合、信息存儲和記憶等功能16。全數字式智能化傳感器，能消除許多與模擬電路有關的誤差源(例如測量回路中勿需用A/D和D/A變換器)，從而能明顯提高測量準確度。目前的智能化傳

18、感器多是壓力、加速度、溫度、流量等。智能化傳感器由多片模塊組成，其中包括微傳感器、微處理器、微執行器和接口電路，它們構成一個閉環工作微系統，并有數字接口與更高一級的計算機控制相連，可利用專家系統中得到的算法對微傳感器提供更好的校正與補償。將上述先進信息技術應用于智能診斷，將拓展診斷系統的感知空間，提高其信息傳遞的能力，優化其結構，改進其多種性能。顯然，更好地利用與銜接先進的信息技術將是智能診斷研究開發的一項重要任務。參考文獻1 吳今培 肖建華 智能故障診斷與專家系統 科學出版社 19972 周東華 葉銀忠 現代故障診斷與容錯控制 清華大學出版社 20003 蔡自興 徐光佑 人工智能及其應用 清華大