机电设备故障诊断模糊推理机研究

孙文革

（新疆职业大学机械电子工程学院，乌鲁木齐830013）

机电设备故障诊断模糊推理机研究

孙文革

（新疆职业大学机械电子工程学院，乌鲁木齐830013）

通过分析机电设备的故障机理，运用模糊理论及其推理方法设计了一种机电设备故障诊断模糊推理机。重点对基于模糊数学理论和模糊推理方法的推理机制进行了研究，该推理机能够有效处理由于知识的模糊性所引起的不确定性问题。

故障诊断；模糊推理机；语义距离；推理机制

1 引 言

随着科技进步和现代化生产的发展，机电设备向多性能、高精度、多层次、大型化、自动化方向快速发展，设备结构复杂，规模庞大，功能越来越多，性能指标也逐渐提高。这对机电设备故障诊断与维修提出了越来越严峻的挑战［1］。

专家系统是智能控制领域中的一个最活跃的分支，能在特定领域及给定推理机制控制下，利用专家丰富的经验和知识，对某一特定问题进行评价与决策。专家系统推理及控制功能的实现对其推理控制机制（即推理机）的先进程度有着很强的依赖性［2］。

基于模糊理论及推理方法，文章设计的机电设备故障诊断模糊推理机可有效解决由于机电设备系统知识的模糊性引起的不确定性问题，可以较好的实现设备的状态监测及故障诊断。

2 机电设备故障机理分析

机电设备主要由各种器件、模块及复杂的电子线路组成。目前的故障检测手段主要使用各种检测技术，根据多次的试验数据以及日常操作运行中的维修数据统计表进行记录，设备故障模式主要指测试参数个体形态和群体属性状态的异常，如表1所示。故障原因及分类如图1所示。

表1 设备的故障模式分析

参数群体属性的故障模式测试对于故障定位有着重要的指导意义。通过分析逐项参数个体性态故障模式，并由此判断该项参数的合格程度，是判断是否存在故障的一个重要依据［3］。如，若故障模式为“所有参数未测到”，可判断存在如未加激励、采样开关未工作、A／D转换器不工作等故障，而“个别参数超差”一般可判断是由随机扰动引起的。

通过对维修数据统计表进行分析，可发现设备的故障信息具有两个明显特征：模糊性和精确性［4］。从故障模式分析，“参数测试不到”、“个别参数未测到”、“大量参数未测到”、“所有参数未测到”均为准确的故障模式信息；“略有超差”、“较大超差”、“严重超差”、“个别参数超差”均为模糊的故障模式信息。超差边界的定义较为模糊，测试参数的合格与否，界限同样较为模糊。在某些情况下，随机干扰会引起某些数据的超差，并不代表设备发生故障。而从故障原因分类进行分析，“存在工艺问题”、“元器件故障”、“操作失误”、“线路设计问题”、“软件设计问题”、“外界环境因素”等明确的原因记录则表现出精确的故障原因信息，“偶然原因或原因不详”则表现出了故障原因信息的不确定性。

图1 设备故障原因分类

从以上分析可以看出，机电设备故障信息的主要特征是故障信息的模糊性。

3 模糊推理机的设计

推理机实质上是一个计算机推理及控制程序，其主要功能是对整个系统进行协调控制，决定如何对知识库中的有关知识进行选取，对用户提供的条件数据进行推理，最终解答用户提出的特定问题［5］。模糊推理机是针对机电设备故障信息的模糊性而设定的。

3.1 对象间的距离定义

一般来说，客观世界中的对象都可用元组进行描述，可以把存在属意加权模糊值的模糊关系数据模型看作是最一般的模糊关系模型的一种，要定义两对象的“相近距离”，首先需要对定义元组间的“语义距离”进行定义。

假设论域的元数间定义了距离ρ（x，y），则两个以模糊区间数表示的模糊数f1＝［a1，b1］／p1，f2＝［a1，b1］／p2之间的语义距离定义为：

（1）SD（φ1，φ2）＝u1×［ρ（a1，a2）＋ρ（b1，b2）］＋u2×｜p1－p2｜，其中u1，u2为两个权系数，且u1，u2≥0，u1＋u2＝1；

3.2 模糊匹配

一般情况下，匹配指精确匹配（即完全相同），但在一些匹配对象比较复杂的情况下，几乎不可能同时存在两个完全相同的对象，要求完全相同是很不现实的。因此，精确匹配只适用于理论对象中。

可以用模糊对象之间的“语义距离”来衡量其相似程度，对象间语义距离越小就越相似［6］，但若因两者完全不同因此来诊断不相似的话，其诊断结果误差往往会很大，这里采用模糊匹配法。认为两对象间是模糊匹配并存在一定差异，会影响到真度T（Pi），本文设T（Pi）＝1为语义距离。

3.3 加权模糊逻辑

在一些文献中虽然引进了推理规则的前提及本身可信度、结论可信度等概念，但在搜索可用规则时，仍要求全部前提完全匹配，即要求规则事实的谓词全都与知识库中预先存放的前提匹配时才能证明该规则可用［1］，但在实际情况中，一个推理规则前提的各子前提的“重要性”往往不尽相同。

在专家知识库中首先对每个规则的各个子前提置“权”，在推理规则中采用加权模糊逻辑，对每个原子逻辑公式P都约定一个“真度”T（P）与之对应（－1≤T（P）≤1）。

加权合式逻辑公式及其“真度”的定义如下：

（1）每个原子逻辑公式P都是一个加权合式逻辑公式，其真度为该原子逻辑公式的真度T（P）。

（2）设x为一合式加权逻辑公式，则ΓX也为一加权合式逻辑公式，叫做x的非式，其真度为－T（x）。

由上式可见，加权模糊逻辑的合取式的真度是各子项真度的加权累加和，对于系统的故障诊断问题非常适用。

若有几个子式真度未知，可将设计空值的子条件的真度设定为零，因为整个条件式的真度是按公式（2），由各条件的真度加权公式累加出来的，所以这种处理相当于忽略了未知条件，而这种忽略对整个条件式的真度影响则由相应的权决定，全式的真度会随着子式真度的增加而增加，真的子式个数越多，全式真度就会越高，与实际中的直觉较为符合。

3.4 推理机制

本推理机采用加权模糊逻辑推理机制，具体过程如下：

（1）将已知事实从知识库中抽取出并与其发生程度加权值一起放入中间数据库。

（2）设置估价函数。若中间数据库中至少有一条事实与第1条知识中的事实符合，则将第1条知识估价值取1，否则为0；只有估价函数值为1时才对第1条知识进行匹配。

（3）在对第1条知识进行匹配过程中，若这条知识中存在n个事实，则检查中间数据库中是否已对每个事实进行记载，若中间数据库没有对该事实进行过记载，记T（Pi）＝0，若某一事实已经被记载，则取出其发生程度计算其真度T（Pi），计算方法如下：

①检查该事实在第1条知识中的发生程度，根据表2得到区间值［a1，b1］，并记p1＝（a1＋b1）／2；

②检查该事实在中间数据库记录的发生程度，根据表2得到区间［a2，b2］，并记p2＝（a21＋b21）／2；

表2 模糊量词区间值

③计算语义距离：

结合实际使用情况，设置权系数u1，u2，u3。

④计算该事实在本条知识中的真度：

（4）对第1条知识所有事实如（3）所述步骤进行计算，并按照公式（5）（6）计算该知识前提的真度：

结论的真度：

式中：CF为规则的置信度（0≤CF≤1）。为便于工程操作，可结合实际使用情况，选定一些模糊量词进行可信度的量化表示，如表3所示。

（5）若T（P）≥t（t为阈值，0＜t≤1）则认为有可能发生故障，发生的可能性为T（Q），并将结果放入中间数据库。

表3 可信度模糊量词的数值表示

（6）按（3）、（4）、（5）步骤对所有估价函数为1的知识进行匹配，将可能发生的所有故障类型在中间数据库中进行记录。

（7）如果出现了多个不同诊断结果，则对各个结论真度T（Q）取最大值，与最大真度符合的故障即为所求。

4 结束语

该推理控制机制基于Zadeh提出的模糊数学理论及模糊推理方法，对于解决由于知识的模糊性所引起的故障不确定性问题有着良好的效果。它用一种隶属度或可能性代表故障的不确定性，定义了适合机械故障推理机的模糊算子用以反映各种不确定性传播规律，运算灵活且富有针对性，较好的实现了机电设备的状态监测和故障诊断。

［1］ 曾光奇，胡均安，王东，等.模糊控制理论与工程应用［M］.武汉：华中科技大学出版社，2006：238-243.

［2］ 罗江华，陈平.机械故障诊断的模糊推理与神经网络并行推理的研究［J］.设备管理与维修，2006（4）：36-38.

［3］ 王睿，杜静，何玉林，等.一种模糊知识库系统及其推理机制研究［J］.计算机技术与发展，2007，17（3）：112-115.

［4］ 耿涛，赵金，刘洋.基于模糊推理的专家自整定PID控制器［J］.华中科技大学学报（自然科学版），2010，38（6）：4-7.

［5］ 郑小霞，钱锋.模糊神经网络推理的实时故障诊断专家系统［J］.计算机工程与应用，2006（3）：226-229.

［6］ 王隆杰.多变量系统模糊解耦自使用控制［J］.控制理论与应用，1997，14（2）：152-156.

Design of Fuzzy Inference Machine in Fault Diagnosis System of Electromechanical Equipment

SUNWen-ge
（Department of Mechatronic Engineering，Xinjiang Vocational University，Urmqi830013，China）

The paper designs a fuzzy inferencemachine in fault diagnosis system of electromechanical equipment by applying fuzzy theory and reasoning method.The fault mechanism of electromechanical equipment is analyzed and the inference mechanism based on fuzzy mathernatical theory and fuzzy reasoningmethod is researched.The inferencemachine can effectively resolve the uncertain problems due to the fuzziness knowledge.

Fault diagnosis；Fuzzy inferencemachine；Semantic distance；Inferencemechanism

10.3969／j.issn.1002-2279.2014.02.021

TP181

A

1002-2279（2014）02-0067-03

孙文革（1967-），男，甘肃人，本科，实验师，主研方向：电子技术及自动控制技术。

2013-09-06