电子设备智能故障诊断系统的研究

庄如平

摘要：近几十年来人工智能技术的迅速发展，特别是专家系统、人工神经网络和模糊理论在诊断领域中的进一步应用，为智能诊断开辟了新的途径。随着人们对故障诊断技术的不断深入研究，认识到对于复杂系统的故障诊断仅仅依靠单一智能技术很难获得令人满意的效果。因此，多种不同的智能技术结合起来的混合诊断系统是智能故障诊断研究的一个发展趋势。

关键词：智能故障诊断；专家系统；解释器；神经网络

中图分类号：TP311文献标识码：A文章编号：1009-3044(2008)18-2pppp-0c

Reasearch on Intelligent Fault Diagnosis System of Electonic Equpiment

ZHUANG Ru-ping

(Zhangzhou City Vocational College,Zhangzhou 363000,China)

Abstract: As artificial intelligence technology's rapid development in recent years, especially the

application of Expert System, Artificial Neural Network and Fuzzy Theory, all of these provide a new approach in the development of intelligent faultdiagnosis system. With the in-depth research into fault diagnosis, we have found that single intelligent diagnosis technology can't guarantee satisfactoryresults on complicated electronic equipments. So the idea of integration of several intelligent technologies to form a hybrid fault diagnosis system isintroduced.

key words:intellignet fault diagosis;expert system;complier;neutral network

在电子设备中，尤其是在以集成电路为核心的现代微电子电路中，由于设备的规模越来越大，性能及构成也更加复杂和完善，设备中任何一个元器件的故障都可能导致部分功能失效甚至整个设备失灵。所以伴随着电子技术的发展，电子电路集成化程度日益提高，对电子电路的可靠性、可维修性和自动故障诊断的要求也日益迫切：

1 电子设备故障定义及其分类：

所谓电子设备故障指的是设备丧失了规定功能，使系统表现出所不期望的特性。故障可以按不同的原则进行分类。对于电子电路来说，按故障的程度可以分成软故障和硬故障[5]。软故障又称为渐变故障或部分故障，指元件参数超出容差范围而造成的故障。这时元件功能通常并没有完全丧失，而仅引起功能的变化。例如一个 5.6(1±5％)的电阻，其实阻值为 6.1；一个漏电流不允许超过 10 uA 的 6 uF/12 V 的电解电容器，其实测漏电流为 150 uA，则可以认为是软故障，因为它们并没有导致电路功能的完全丧失。当然，软故障有时是可以容忍的，有时则是不许可的，特别是处于电路关键之处的元件。对软故障，通常除了要判定故障元件之外，还应计算元件参数对标称值的偏离量。硬故障又称为突变故障或完全故障，例如一个电阻阻值变得特别高以至开路；一个二极管阳极与阴极短路等。这样的故障往往引起电路功能的完全丧失、直流电平的剧烈变化等现象。对这种故障，通常只要判定故障位置即可。

按故障存在的时间又可分为永久性和间歇性故障。永久性故障是指一旦出现就长期存在的故障，在任何时刻进行检测均可检测到；间歇性故障是指在某种特定条件下出现的随机性的、存在时间短暂的故障。由于难以把握其出现的规律与时机，这种故障不易检测。

按同时出现故障的数量又可分为单故障和多故障。若某一时刻仅有一个故障，称为单故障；若同时可能发生若干个故障，则称为多故障。通常诊断多故障比诊断单故障更为困难。

故障诊断技术主要包括四个方面的内容：故障检测、故障诊断、故障隔离、故障辨识。从本质上讲，故障诊断技术是一个模式分类与识别的问题，即把系统的运行状态分为正常和异常两类，判别异常的信号样本究竟属于哪种故障，这又属于一个模式识别问题。现有的故障诊断方法，概括起来可分为三大类:：

(1)基于信号处理的方法 所谓基于信号处理的方法，通常是利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征值，从而检测出故障。如旋转机械中的滚动轴承在出现疲劳脱落、压痕或局部腐蚀等故障时，其振动信号就会出现相应的反应，利用这种反应就可诊断系统故障。近年来出现的基于信号处理的方法主要有小波变换方法、主元分析、利用δ 算子和利用 Kullback 信息准则的故障检测法。

(2)基于解析模型的方法 基于解析模型的方法是在明了诊断对象数学模型的基础上，按一定的数学方法对被测信息进行诊断处理，可分为状态估计法和参数估计法。

(3)基于知识的故障诊断方法 近年来人工智能及计算机技术的飞速发展，为故障诊断技术提供了新的理论基础，产生了基于知识的诊断方法。此方法由于不需要对象的精确数学模型，而且具有“智能”的特性，因此是一种很有生命力的方法。

2 专家系统和智能故障诊断：

2.1 专家系统简介：

专家系统(Expert System)通常是指一类具有大量专门知识的计算机智能信息系统(或智能程序)，它运用特定领域的专门知识和人工智能中的推理技术来求解和模拟通常要由人类专家才能解决的各种复杂、具体的问题，达到与专家具有同等解决问题的能力，它可使专家的专长不受时间和空间的限制，以发挥专家更大的作用和效益。专家系统是研究中最重要也是最活跃的一个应用领域。表1是一些电子学专家系统。

表1 电子学专家系统

2.2 专家系统的组成部分：

图1描述了一个基于知识库的专家系统的基本结构。用户提供事实和一些其他信息给专家系统，相应地收到专家给出的建议。专家系统内部包括两个主要部分：知识库和推理机。知识库包含有为推理机(Inference Engine)所使用的知识，利用这些知识可以得出推理结论，从而对用户的询问做出响应。

图1 专家系统基本结构

下面把专家系统的主要组成部分归纳如下：

(1)知识库(knowledge base) 知识库用于存储某领域专家系统的专门知识，包括事实、可行操作与规则等。为了建立知识库，要解决知识获取和知识表示问题。知识获取涉及知识工程师(knowledge engineer)如何从专家那里获得专门知识的问题；知识表示则要解决如何用计算机能够理解的形式表达和存储知识的问题。例如，它可能包含医生所提供的用来诊断血液疾病的知识、投资顾问所提供的部门规划知识或者石油工程师所提供的用来解释地球物理调查数据的知识。

(2)综合数据库(global database) 综合数据库又称全局数据库或总数据库，它用于存储领域问题的初始数据和推理过程中得到的中间数据(信息)。

(3)推理机(reasoning machine) 推理机用于记忆所采用的规则和控制策略，使整个专家系统能够以逻辑方式协调地工作。推理机能够根据知识进行推理和导出结论，而不是简单地搜索现成的答案。

(4)解释器(interpreter) 解释器能够向用户解释专家系统的行为，包括解释推理结论的正确性以及系统输出其他候选解的原因。

(5)接口(interface) 接口又称界面，它能够使系统与用户进行对话，使用户能够输入必要的数据、提出问题和了解推理过程及推理结果等。系统则通过用户接口，要求用户回答提问，并回答用户提出的问题，进行必要的解释。

3 神经网络与智能故障诊断系统：

3.1 BP 网络的介绍及其改进：

由于人工神经网络具有函数近似、数据聚集、模式分类等诸多功能，因此被广泛应用于人工智能、自动控制、机器人等领域的信息处理。目前人们提出的神经网络模型己有上百种，其中在故障诊断领域中用的最多也最有成效的就是误差逆传播神经网络，也就是 BP 网络。

BP 网络是一种具有三层或三层以上的多层神经元网络，当一种学习模式提供给网络后，其神经元的激活值将从输入层经各中间层向输出层传播，在输出层的各神经元输出对应于输入模式的网络响应。然后，按照减少希望输出与实际输出之间误差的原则，从输出层经各中间层、最后回到输入层逐层修正各连接权。随着这种误差逆传播训练的不断进行，网络对输入模式响应的正确率也不断提高。由于 BP 网有处于中间位置的隐含层，并有相应的学习规则可循，可通过训练这种网络，使其具有非线性模式的识别能力。BP 网的学习过程主要由四部分组成：

(1)输入模式顺传播(输入模式由输入层经中间层向输出层传播计算)；

(2)输出误差逆传播(输出的误差由输出层经中间层传向输入层)；

(3)循环记忆训练(顺传播与误差逆传播的计算过程交替循环进行)；

(4)学习结果判别(判定全局误差是否趋向极小值)。

3.2 神经网络在电子设备智能故障诊断中的应用：

现代电子设备集成度越来越高，许多设备内的模块都是由核心集成电路外接一些分立元器件构成的，无法对整个模块建立可以电路仿真的数学模型(或者整个模型过于复杂以至于无法在实际中应用)。神经网络由于并行运算和非线性逼近的特点，适合用于对这种情况进行建模。对应模块电路的神经网络，其训练用的样本数据可以从设备运行过程中收集的正常状态和故障状态的数据中取得。

3 电子设备智能故障诊断系统概述：

3.1 系统总体结构：

现代电子设备结构复杂、集成度高，总体来说有两个基本的特点：

(1)系统模块化；

(2)模块电路高度集成，缺乏内部详细的电路原理图。

根据现代电子设备的这些特点，本文研究的电子设备智能故障诊断系统分成系统级故障诊断子系统和模块级故障诊断子系统两个层次，逐层对故障进行分析和定位。

图2 故障诊断系统结构图

系统级故障诊断子系统是基于规则的模糊专家系统，应用领域专家知识(规则)，显式地进行模糊推理，把故障定位到模块级；模块级故障诊断子系统利用事先训练好的神经网络隐式地进行推理，对模块内的故障进行诊断，最终把故障定位到元器件。

3.2 故障诊断流程：

通过用户界面，用户选择要进行故障诊断的电子设备类型和具体型号，然后诊断系统会询问用户电子设备的故障现象，用户提交故障现象后诊断系统进行故障诊断，得出诊断结果(证据充分)，或者继续询问用户问题(证据不充分)。故障诊断的流程如图3所示。

图3 故障诊断流程图

4 结束语

针对电子设备故障诊断的现状，随着对故障诊断技术不断深入的研究，随着人工智能技术的飞速发展，近年来出现了不少电子设备故障定位的新技术，如专家系统技术、模糊诊断方法、神经网络诊断方法、粗糙集用于规则的自动产生方法、多传感器信息融合诊断方法等。这些智能故障诊断技术能够以人类思维的信息加工和认识过程为推理基础，通过有效地获取、传递、处理、再生和利用诊断信息，模拟人类专家，以灵活的诊断策略对监控对象的运行状态和故障做出正确判断和决策，从而具有学习功能和自动获取诊断信息对故障进行实时诊断的能力。

参考文献：

[1]恩云飞,罗宏伟.电子元器件失效分析及技术发展失效分析与预防,2006,1(1):40-44.

[2]左万里,武小悦.电子设备智能故障诊断技术发展综述.系统工程与电子技术,2003,25(12):1572-1575.

[3]周晓,杨成德,舒德强,张景.复杂电子装备的智能诊断技术.武器装备自动化,2006,25(5):42-45.

[4]谭阳红,何怡刚.电子电路故障诊断的新方法.电路与系统学报,2004,9(5): 72-75.

收稿日期：2008-03-10