基于CBR的旋转机械故障诊断专家系统的设计*

江志农，徐文明

(北京化工大学机电工程学院，北京 100029)

0 引言

目前，在旋转机械故障诊断方面，应用专家系统进行故障诊断已经成为一个重要发展方向。近年来，美国ENTEK、CSI公司相继推出了故障诊断专家系统，Bently公司研制了故障诊断工程师帮助系统，并已在我国推广应用。除此之外，我国的一些高等院校和单位，如华中理工大学、哈尔滨工业大学等也开展了这方面的工作，取得了一定的成效，但仍然不能不能满足需要。

本文根据旋转机械故障的特点和成因，探讨了案例的表示方法，并选择分阶段的近邻检索匹配策略作为推理算法。整个系统采用VC++编程环境开发，并可嵌入到其他监测系统中，实验证明，该系统具有诊断准确度高，推理速度快，易维护等特点，能够满足实际需求。

基于案例的推理(Case-based reasoning，CBR)是一种新兴的机器学习和推理方法，其核心思想是重用过去人们解决问题的经验解决新问题［1］。采用该技术可以简化问题推理过程、提高推理效率和搜索效果，缩短系统的设计周期，具有十分重要的研究价值。

相对于案例推理，基于规则的推理(Rule-based reasoning，RBR)最大的问题是推理链过于复杂并且在规则很多时，极易引起组合爆炸。同时，由于各规则间耦合度很高，知识的整体形象难以把握，导致推理时，系统处理效率很低且缺乏灵活性。而这些问题，在基于案例的专家系统中一般都不会存在［2］。

1 总体设计

根据旋转机械的故障特点和实际情况，在专家系统的设计过程中，一是要将故障树分析法和专家系统相结合进行深层推理，将系统的结构，推理机制以及专家知识都放入故障树中，构成故障树模型;二是将CBR技术和专家系统方法相结合实现基于案例的专家系统的浅推理。

专家系统一般由知识库、推理机、解释模块，知识获取模块和人机交互模块五部分组成。

知识库模块用于存放设备运行过程中的专门知识，知识库是推理机工作的重要对象，其中知识表示的好坏直接影响了整个系统的工作效率

推理机是专家系统的组织控制机构，包括推理方法和控制策略两部分。它根据当前的输入数据，运用知识库中的知识，按一定的策略进行推理，从而达到要求的目标。因此，推理机在故障诊断系统中占有重要地位。

解释器负责回答用户提出的各种问题，包括结论得出的过程和系统自身问题，这是专家系统区别于一般程序的重要特征之一，即专家系统具有自解释功能。

知识获取模块主用系统获取专业领域内的事实性知识和领域专家所特有的经验性知识，在本系统中，主要以案例的形式的保存。同时，该模块还负责知识库中的知识的修改、删除和更新，并对知识的完整性和一致性进行维护。

人机接口是系统与用户对话的主窗口，用户通过人机接口界面向系统提出问题，输入必要参数，从而获得所需的诊断结果。

CBR诊断方法的核心在于:能准确地存储设备过去曾经发生的故障，相关参数以及诊断过程。在进行诊断时，运行过去的诊断经验、过程和方法，通过类比和联想完成当前的诊断任务。

CBR故障诊断基本过程如图1所示。

图1 CBR故障诊断流程图

2 知识库模块

该模块采用MS Access数据库作为知识库存储容器。针对旋转机械的特点，故障案例采用结构化设计，将故障信息存放在多个数据表中，以方便案例的检索。这主要包括案例信息表、设备信息表、征兆信息表、故障信息表、案例解释和附件表。

案例信息表:包括案例名称和ID。

设备信息表:机组类型、部件类型(连接、驱动、轴承形式等)、工况参数(转速信息)。

征兆信息表:案例诊断提取的几个特征值，如主导频率、常伴频率、轴心轨迹形状、进动方向等及其权重度。

故障信息表:诊断出的故障名称、类别。

案例解释:相关的故障原因、解决措施，维修建议等。

附件表:用于上传案例相关的图片、日志、数据表等并储存在数据库中。

3 案例检索与匹配模块

案例库的检索与匹配是实现案例推理的关键，也是基于CBR专家系统的技术核心。而专家系统的主要目的是根据已有的故障知识包括征兆、数据等从案例库中检索出最佳案例作为新问题的解决依据［3］。案例知识的检索要达到以下两个目标:检索出来的案例应尽可能的少;检索出来的案例应尽可能与当前案例相关或相似。目前在专家系统案例检索策略中，比较常用的策略主要有最近相邻策略、归纳推理策略、知识引导策略、模板检索策略等［4］。

对于案例库规模不是很大的系统，通常采用的近邻检索策略较为简单有效。但是当案例库规模增长到一定水平后，采用该策略的时间复杂度会随着案例个数的增多而线性增长，因此不适用于案例库较大的情况。因此本系统采用的是“分阶段的近邻检索匹配策略”，该策略是对原有的近邻检索策略的改进和优化［5］。

分阶段近邻检索策略将案例匹配过程分为两次检索，一次检索以设备信息为主线，采用最近相邻法在总案例库找到最相近的相关案例集。二次检索根据上次一次检索得到的相关案例集，利用征兆信息中的特征值再次进行匹配，从而得到匹配度最大的案例，即为目标案例。

近邻检索匹配策略是一种基于相似性的关联检索方法，它通过计算案例参数和输入现场设备参数的相匹配的特征权重之和来评估两者之间的相似性，并从案例库中选出最相似的案例作为决策案例。

每个案例包含m个特征量，故障案例Ci(i=1，2，…，n)可用一个维向量来表示［3］:

aij(j=1，2，…，m)是故障案例 Ci的第 j个特征量的取值。

案例间的相似度定义为:

对于第一次检索，特征量Ci={机组类型，连接形式，轴承形式，驱动类型，转速类型}，每个特征量所包含的属性值选项如表1所示。

表1 第一检索特征向量属性值

其中各设备信息值所具有的权重值设定为如表2所示。

表2 设备信息权重值

设备信息匹配特征值的计算以机组和驱动类型两种参数为主，由公式计算出的相似度以0.7为阈值，超过该值即将该案例放入到二次检索过程。

对于二次检索，征兆特征向量C={主导频率，进动方向，常伴频率，轴心轨迹形状}，其权值为表3所示。

表3 二次检索特征向量权重值

征兆信息匹配特征值的计算以主导频率、常伴频率和轴心轨迹三个参数为主，由公式计算出的相似度以0.9为阈值，超过该阈值即认为找到匹配案例。

系统推理的整个过程如图2所示。

图2 CBR专家系统推理流程图

4 案例库管理模块

为了对案例库中的案例知识进行有效管理和维护，设计功能丰富的知识库挂历系统是非常有必要的［6］。一般情况下，对案例库的管理要完成下列基本操作:

(1)定义索引案例结构，方便案例的查询和筛选。

(2)按定义的结构存储用户输入的案例信息。

(3)显示已存在的案例记录并能够进行编辑。

(4)删除案例信息。

针对以上要求，案例库管理系统应具备设计、查询、增加、检查和删除等功能。在本文中，案例库管理模块采用人机交互对话框方式实现。其操作界面如图3所示。

图3 案例库维护界面

5 案例库的一致性维护

随着案例的增加，案例库的规模会不断增大，为限制案例库的规模，增加案例库时，案例管理模块会对所输入的案例进行检查，以确保新添加案例没有和原有案例重复和冲突［7］。

本文中，所采取的检查方法是案例输入完成后，点击确定按钮，在保存案例之前，系统会自动调用推理机模块，将新添案例作为事实进行推理，如果能找到相似度阈值超过0.95的案例，则认为该案例重复，从而取消添加，并提示用户案例重复，否则添加成功。

6 实际应用

某客户汽轮机组在连续运行时，发生油膜涡动故障，经过检查发现，该机组的发生故障时主导频率大约在通频附近，而轴向振动正常。打开系统基于案例诊断界面，并选择合适故障案例征兆如图4所示。

图4 案例库征兆信息录入界面

然后通过重要度确定页面，设置两个征兆的重要度，重要度确定页面如图5所示。

图5 征兆重要度确定页面

点击开始诊断按钮，系统开始执行诊断算法，并显示符合条件的案例，诊断结束后主页面如图6所示。

双击列表框中第一个案例，显示案例信息如图7所示。

如图7所示，诊断结果案例显示故障原因是由于径向轴承间隙过大导致。在设备停机检修时，调整径向轴承间隙，并开机试运行，设备运行状态恢复正常，表明诊断结果和实际相符，从而证明该系统的设计符合实际需要，具有切实可行性。

图6 诊断结束页面

图7 诊断信息预览页面

［1］马波，高金吉，江志农，等.旋转机械故障诊断专家系统［J］.机电工程技术，2005，34(12):30 －32.

［2］杜元虎.基于案例的推理技术在故障诊断中的应用［J］.中南民族大学学报，2005，24(2):53 －56.

［3］王悦，范君晖，田书格，等.基于案例推理专家系统中的案例表示方法［J］.上海工程技术大学学报，2005，19(1):43－46.

［4］杨健，赵秦怡，等.基于案例的推理技术研究进展及应用［J］.计算机工程与设计，2008，29(3):710 －721.

［5］王华，刘焕敏，等.基于案例推理方法在惯性导航故障诊断专家系统的应用［J］.中国惯性技术学报，2009，17(5):614－617.

［6］陈培彬，陈治平，等.基于CBR的雷达故障诊断专家系统研究［J］.工程与应用，2008，2(1):87 －96.

［7］朱焕勤，马晓宇，等.航空发动机油液故障诊断专家系统研究［J］.微计算机信息，2008，24(12):150 －152.