专家系统在制袋机故障诊断中的应用*

彭泽光，肖 波，邵 明

（1.广东中包机械有限公司，广东潮州 515638；2.华南理工大学机械与汽车工程学院，广东广州 510640）

1 制袋机故障诊断的技术现状

传统的制袋机的故障主要是通过专业技术人员来进行人工检测与维修的，这样的手段来进行故障诊断不仅需要大量的人力、物力资源，而且对于拥有较多技术参数的制袋机来说，需要花费的检测时间非常多、效率低。现今部分制袋机上开始应用能自动检测的故障诊断系统，其主要通过仪器仪表对部分关键部位的状态检测来实现，这样的故障诊断方法相对于人工来实现故障诊断，其效率高得多，但存在以下问题：一是现有的故障报警装置过于简单，只能大概的估计机器哪个地方有问题，却不能精确的找出问题所在，比如，当温度控制出现故障时，不能准确判断到底是温控小板出现故障还是检测温度的传感器出现故障；二是制袋机上需要进行诊断检查的部位，不仅仅在于温度和速度这两个方面，还需对其一些关键部位的开关、传感器以及控制器的工作状态进行监测和故障诊断。因而，其故障分析功能存在某些局限性，需要提高诊断精度和扩大诊断范围。

随着我国制袋机产业的不断发展壮大，我国制袋机装备已开始远销东南亚、南亚各国，一旦机器出现故障，设备生产企业既要能及时的为客户排除故障，又要能节约技术员的宝贵时间和高额的维修费用。因而在制袋机上开发故障诊断系统，通过其来实现机器状态的在线实时检测和故障预测报警是今后制袋机发展的重要方向。

2 制袋机故障诊断专家系统的结构

本文开发一个制袋机的故障诊断专家系统，它将专业维修人员的经验用于机器的故障诊断中，相当于有一位专业维修人员一直在监控一台机器的运行状态；另一方面，机器通过故障诊断专家系统可以很准确的判断其运行的状态和故障的准确发生位置，便于故障排除。

该专家系统由若干个模块构成，其结构如图1所示[1]。

图1 故障诊断专家系统的结构

（1）知识库 知识库是支持整个程序系统运行的基础，它不仅包括诊断故障的知识，还包括关于描述某个特定问题求解过程的知识（即如何使用这些知识的知识）。本文开发的专家系统的知识库，包括实例库和规则库两个部分。实例库存储的是以往成功处理故障的历史信息，即成功准确诊断过的故障实例。实例库的建立根据制袋机发生故障的部位来划分，比如制袋机热电偶故障库、光电眼故障库和加热管故障库等。规则库是表达由一定的前提推导确定结论的知识，故障诊断中的规则是根据专业维修人员在长期实践经验中得到的经验总结的。

（2）解释器 解释器是对专家系统的诊断行为（即推理过程）的合理性进行解释以及它如何详细的解决问题等。

（3）推理机 推理机是故障诊断专家系统的中枢，它模拟专家解决问题的思维方式，控制并执行对故障的诊断，它的合理性直接影响了故障诊断的正确性和效率。诊断推理模块的结构如图2所示。

（4）数 据库 数据库是指设备的各种状态信息（如机器正常运转时的数据、机器异常时的数据、求解的状态、假设目标的状态、最终目标的状态），它是按照一定的格式以文件的形式存储。

图2 诊断推理模块

（5）知识获取器 知识获取器来对知识库进行管理和维护，若有新的故障信息产生或原始信息的产生了新的变化，需要对知识库中的信息进行更新，以保证和维护知识库的有效性、一致性和完整性。该模块的详细结构如图3所示。

图3 知识获取模块

（6）黑板 黑板是主要用来记录系统在进行诊断推理过程中用到的控制信息、中间假设和中间结构的数据库，其内容不断地改变。它包括计划、议程和中间解三部分。

（7）用户界面 用户界面即为人机交互系统，它用于用户、领域专家或知识工程师与系统的交互作用，以实现人机处理。它能够使用户与该系统进行对话，使用户通过输入一些必要的数据，来提出问题和了解推理过程及推理结果等。同时系统通过用户界面，要求用户回答问题，并回答用户提出的问题，进行必要的解释。

该故障诊断系统的开发，主要针对制袋机中常发生的或发生时对工作产生较大影响的故障。在设计该系统时，根据专业维修人员的故障诊断的思路来确定其工作流程。该制袋机故障诊断专家系统诊断运行时，主要的流程为：首先采集与诊断相关的必要信息，将一些不便于处理的数据信息进行转换，然后进行诊断推理。当系统故障报警时，判断该故障是否为新故障，如为新故障则当其成功判断之后，通过学习机制将这一新的故障信息储存于知识库中；如为已出现过的故障，当完成诊断任务时，对照以前的故障模型作适当的修改；若故障判断失败，则将该故障信息以及推理状况存入问题库，待系统具备更多的知识时再进行解决，如有必要，需要人工进行解决。该系统智能故障诊断与学习的工作流程如图4所示[2]。

3 制袋机故障诊断专家系统的知识库

图4 智能故障诊断与学习的工作流程

本文开发的诊断专家系统，用于对整个制袋机的故障进行诊断，需要诊断的故障比较多，且故障症状与故障原因相互交织在一起，若将所有的诊断知识都集中在一个大的知识库中，会导致知识库、数据库非常庞大，从而大大降低诊断系统的运行速度，影响系统的实时性。本文引入分布式故障诊断专家系统[3]，其知识库为分布式结构，它将系统的知识库按照制袋机故障时会出现的一系列症状分解成若干个子知识库。当出现某种症状时，从相应的症状知识库入手，查找产生症状的真正原因，找出故障部位。

分布式诊断过程如图5所示，可分为三个步骤：

图5 分布式诊断过程

（1）对症状进行分析，列出可能的原因；

（2）对所有可能的故障原因分别进行求解（即对该原因进行分析判断，根据一定的状态信息判断其是否是本次故障的真正原因）。若故障原因为间接的，可在此间接原因下继续细化，直到找到引起该症状的一个直接原因为止；

（3）对各个原因的求解结果进行综合，判断产生故障的部位。

将知识库按照症状特征划分成一系列子知识库后，其规模要相对于整个知识库要小得多。在故障诊断时，它将大量减少需要进行求解的可能的故障原因，提高诊断速度。在划分成各个症状子知识库后，根据各个症状子集确定相应的故障原因群以及与之关联的知识群。这样，使用单个症状子知识库就可单独完成对该症状的诊断。

要实现专家系统像专家一样进行故障诊断就必须要将专家的经验与知识以一种合适的表达方式表示，从而使知识方便地在计算机中存储、使用和修改。因此寻找合适的知识表达方式是必需的。本文开发的专家系统使用产生式规则表达方法。因为在专家对故障进行诊断时，通常会用到大量的包含各种因果关系的知识，而产生式规则表达方法的前提与结论恰好是一种前后因果关系，同时具有模块性、结构化和通用性的特点，是目前专家系统中最常用的一种表达方法。产生式规则表达方法的一般形式为：IF（前提条件）THEN（结论）。产生式规则表示法可用符号描述了某一领域知识，它体现了人类专家在解决问题时的逻辑思维过程，有助于我们按照专家思维来进行制袋机的故障诊断。诊断时需要大量的知识可以通过产生式的方式相互配合、协同作用，一个产生式的结论可供另一个产生式的前提使用，而这个前提又可产生新的结论，从而通过这种知识表达方式可有效地解决制袋机的故障诊断问题。

4 结束语

利用本文开发的专家系统，只要选择相应的故障症状就可以快速实现制袋机的故障诊。，若遇到该系统诊断过的故障，可直接从实例库中调出相应的诊断结果，诊断过程简单、高效，目前已经开发的部分证实了系统的有效性。该系统的后续开发工作正在进行中，其应用效果将另文介绍。

［1］郑丽敏.人工智能与专家系统原理及其应用［M］.北京：中国农业大学出版社，2004.

［2］许丽婷.智能故障诊断专家系统体系结构的研究［D］.西安：西安建筑科技大学，2006.

［3］张伟.基于专家系统的故障诊断在汽车发动机上的应用［D］.太原：太原理工大学，2011.