张 涛,王秋红
面向数控车床的智能故障诊断系统的研究
*张 涛,王秋红
(安徽机电职业技术学院,安徽,芜湖 241000)
针对数控车床故障诊断中存在的问题,采用基于框架的案例表达,利用XML进行案例的存储、检索,实现基于CBR的智能故障诊断。这种案例的表达方法实现了将故障案例的数据存储在XML文档中,而XML文档具有数据量小和通用性强的特点,为实现数据交换和信息集成提供了方便。
数控车床、故障诊断、人工智能、XML、CBR
数控设备是一个集机、电、液、气为一体的典型的机电一体化设备,在出现故障时更要求能够准确快速的进行诊断,针对故障诊断中存在的问题,采用了范例推理的方法,检索推理出可能的故障解决方案,为工程师提供帮助。
目前,国内外对数控设备的故障诊断系统的研究正如火如荼的展开,随着人工智能技术的迅速发展,特别是知识工程、专家系统和人工神经网络在诊断领域中的进一步应用,新加坡大学数控六角塔盘车床故障诊断系统,中国西北工业大学为西飞公司开发的数控设备故障诊断系统;华中科技大学与宝山钢铁集团公司及上海交通大学,在宝钢钢管分厂为该厂的一台 Tcgl6cnc机床建立了故障诊断系统[1-3]。山东大学张磊等人利用小波包算法和神经网络算法与专家系统相结合,进行爬行故障的交互式诊断,北京邮电大学李磊等人利用Internet技术对FANUC系统进行远程诊断等[4-6]。
数控车床是个非常复杂的系统,影响的因素有很多,难以用FTA等描述故障机理。整个系统采用了基于范例推理(CBR)的方案,因为部分故障问题未被完全理解,系统中有很多例外的或未知规则的情形。
把情景(Situation)、原因(Reason)、解答(Solution)用一种合适的方式表示出来是构造一个基于实例推理系统首先解决的问题。根据数控车床的故障案例的特点,本系统采用基于框架的案例表达[7],具体定义如下:
Case={ Concept slots //框架单元的概念性描述,即故障现象的描述
Constraint slots //对框架单元施加的某种约束,即对发生故障的设备的描述
Causality slots
//定义了与Case有因果关系的内容,即可能的故障原因与解决方法
Similarity slots //定义了与Case有相似关系的其它Case,即类似的故障案例
Theory slots //定义了该Case的理论知识,即发生故障的机理
}
框架下有槽(slots),每个槽又有一个或多个侧面(),槽或侧面的取值可以是一个值或者是一个框架。本系统采用面向对象的技术,对象的每一个实例与后台数据库中的纪录对应,系统在运行中将动态地构造它们。图1为故障案例的UML模型图。
图1 故障案例的UML模型图
Fig .1 UML model diagram of the fault cases
针对案例信息的存储,本系统利用XML作为存储介质。XML 提供了制定通信协议的标准框架,它允许和鼓励人们共同研究常见的数据交换问题,对该问题提出开放的解决方案,不依赖任何软件供应商,不用绑定任何特定工具,没有语言限制[8]。
本系统利用XML的专用开发语言,基于XML Schema标准设计XML文档的规范,可以利用如Visual Studio.Net、XML Spy、TurboXML等软件使用自定义的图形树表示和处理XML模式[9]。在后台,通过调用文档对象模型DOM[10],它提供了大量的访问和维护XML文档的应用程序接口(API)从而对XML进行操作。利用XML进行案例的存储避免了数据的不一致性,为前后台间的数据交换同了平台,其传递的数据量很小,为故障诊断做了很好的铺垫。下面表1为某CK6132型车床故障案例。图2为该案例的XML表达。
表1 刀架故障案例
图2 某刀架故障案例的XML表达
Fig .2 XML expression of a fault case
在本系统中,诊断系统的任务就是根据输入的新的故障案例,利用实例推理技术,建立智能故障诊断的分析与决策支持系统。
基于CBR的智能故障诊断,关键性的因素有两点:1.如何记录故障案例以及更新、检索;2.建立故障案例的相互之间的联系机制包括案例解决方案的考评机制。本系统的CBR的故障诊断模型如图3所示。
图3 基于CBR的故障诊断模型
该模型包括故障案例的输入、故障案例关键特征分析、故障案例库的保存、故障解决方法的检索、故障案例匹配、故障对策评价、故障案例的修复等几部分。其中主要部分的内容和功能描述如下:
(1)故障案例的输入:通过设计用户界面,将机床故障信息输入到系统中,输入的故障现象包括常规的信息,也包括特殊的辅助信息,故障现象的描述是智能故障诊断系统的第一步。这一步也包括搜集到历史信息,并对历史信息进行聚类的处理。
(2)故障案例关键特征分析:
通过输入的系统故障信息,分析出关键信息,进行相似性匹配,寻找近似案例。
(3)故障案例库的保存:将故障案例存储为XML文档,既便于数据存储,也利于管理。
(4)故障解决方法的检索:按照实例库已有的索引,进行初次匹配,检索出可能的故障案例。
(5)故障案例匹配:通过案例描述,按照多混合推理策略寻找故障解决方案,故障解决方案按照设定的相似度一一排序展示给操作者,尽可能的提供较准确的故障解决方案。
(6)故障对策评价:操作者根据提供的可能故障解决方法,切实解决好故障后。对提供的故障对策进行评价,以利于下一次的故障的解决。
(7)故障方案复用:系统提供的故障解决方案经操作者实践后,进行修改后,新的故障解决实例被存储到实例库中。
图4为开发的部分智能诊断系统界面。
本系统探讨了基于框架的案例表达,建立了UML模型图,通过XML方式进行数据存储,这种处理方式为数控车床的智能故障诊断奠定了基础。
[1] 赵明.基于案例推理的机车故障诊断专家系统研究[D].长沙:中南大学,2004.
[2] 和济,陈长征,张省.基于神经网络的智能诊断[J].振动工程学报,2000,13(2):36-38.
[3] Priscilla Walmsley. XML模式权威教程[M]. 陈维军,乔安平,英宇译.北京:清华大学出版社,2003.
[4] 刘继承. 基于神经网络的数控机床诊断技术现状及展望[J].机电信息,2013,3:96-97.
[5] 李磊,王晨升,寇星源,等. 基于FANUC的数控机床远程故障诊断系统设计[J].软件,2012,12:6-9.
[6] 张磊.数控机床故障监测与诊断系统的研究[D].济南:山东大学,2013.1.
[7] 史忠植. 高级人工智能[M].北京:科学出版社,2006:152.
[8] 孙一中. XML 理论和应用基础[M].北京:北京邮电大学出版社,2000:3-9.
[9] 齐建军. 基于XML的制造过程集成框架的研究与实现[D].北京:北京航空航天大学,2005.
[10] Document.Object.Model(DOM).Level3.core,specificationversion .0[EB/OL].www.w3.org/TR/2000.
Intelligent Fault Diagnosis System research Based On Numerical Turning Machine
* ZHANG Tao,WANG Qiu-hong
(Anhui Technical College of Mechnical and Electrical Engineering,Wuhu,Anhui 241000, China)
According to the problem of NC turning machine fault diagnosis, we use frame as express of fault case and utilize XML to storage and retrieval, which can realize the intelligent fault diagnosis reasoning based on CBR. Furthermore, we store the data of the fault cases in the XML neutral document, while XML documents have the advantage of small data quantity and strong universal make it exchange and transmission easily. Finally, we provide a new way of data exchange and information integration.
NC turning machine; fault diagnosis; artificial intelligence; extension markup language; case-based reasoning
1674-8085(2013)05-0065-05
TG659
A
10.3969/j.issn.1674-8085.2013.05.015
2013-05-02;
2013-06-27
*张 涛(1982-),男,安徽芜湖人,讲师,硕士,主要从事数控设备设计、故障诊断研究(E-mail: skgczt@126.com);
王秋红(1982-),女,黑龙江七台河人,讲师,硕士,主要从事数控技术、加工等研究(E-mail:skgcwqh@163.com).