混合智能故障诊断与预示技术的应用

许波

摘要

在对一些大型复杂的电子设备进行状态监测和故障诊断时，为了提高效率和效果，人们将多种人工智能技术和现代信号处理方法进行综合应用，形成混合智能故障诊断和预示技术。本文将就混合智能故障诊断和预示技术的内涵以及具体应用进行深入的探索研究。

【关键词】人工智能 信号处理 故障诊断 应用

设备的故障诊断和状态监测的有效性直接影响着生产系统的运行效果、生产效率以及产品质量，但是由于大型电子设备的结构和机理较为复杂，导致设备故障也呈现出复杂性和不确定性的特点。传统故障诊断工作基本上都是由技术人员和诊断专家完成，但是考虑到数据规模较大，因此必须提高设备故障诊断的智能化水平，混合智能故障诊断与预示技术就是在这种情况下诞生的，且效果显著。因此探究混合智能故障诊断与预示技术具有十分重要的意义。

1 混合智能诊断与预示技术概述

1.1 混合智能诊断与预示技术的内涵

当前阶段，应用较为广泛的人工智能技术主要包括专家系统、模糊逻辑、神经网络以及遗传算法等几种类型，不同技术的优劣各有不同，如专家系统的知识获取能力和解释能力较强，但是容错能力较差。而神经网络的知识获取能力和容错能力较轻，但是解释能力较弱。遗传算法的各项能力则相对平衡，知识获取能力、容错能力、解释能力等都较为优良。由此可见，单一的应用某种智能技术基本上都存在一定的缺陷，而将多种智能技术进行混合则能实现优势互补。除了上述几种技术之外，近些年来也不断涌现出了许多计算只能算方法，如粒子群算法、遗传算法、免疫算法等。不同智能技术存在的优势和不足为混合智能故障诊断与预示技术的应用提供了极大的灵活性。

混合智能技术即是指将多种人工智能技术有机的结合起来，充分发挥出不同智能技术的优势，已获得更好的应用效果。在进行电子设备状态监测和故障诊断的过程中，将多种智能技术进行综合应用可以实现对大型复杂关键设备早期、微弱和复合故障的及时发现和掌控，将故障危害控制到最低的范围内。

虽然当前阶段混合智能故障诊断与预示技术已经在实际生产过程中得到了广泛的应用，但是尚未形成统一明确的定义。结合电子设备状态监测和故障诊断工作的特点，我们可以对混合智能故障诊断与预示技术作出以下定义：基于不同人工智能技术之间的差异性和互补性，充分发挥优势互补原则，结合不同机械信号处理和特征提取方法，将多种技术进行灵活的结合、集成和融合，促进故障诊断与预示系统的精确度和敏感性。

1.2 混合智能故障诊断与预示技术的实现步骤

图1为混合智能故障诊断与预示技术的具体实现步骤。

（1）利用不同的信号处理技术和特征提取方法对电子设备的故障特征进行采集，为设备故障的准确诊断以及早期预示提供可靠的依据。一些早期、微弱以及复合的设备故障的特征十分不明显，采用传统故障诊断技术很容易出现遗漏，因为其切入点过于单一。而不同信号处理方法的应用可以从多种角度对故障特征信息进行提取，尽可能的获得设备故障的有效特征。

（2）基于“优势互补”的原则，在复杂设备诊断中综合应用多种人工智能技术，充分发挥不同技术的优势实现对故障的准确诊断。对于复杂程度较高的问题，可以将其进行适当的分解，针对每一个子问题采用最适当的人工智能技术进行诊断，最后将所有子问题的诊断结果进行融合，这样不仅可以有效的避免问题遗漏，同时还可以强化故障诊断的精确性，实现对故障发生位置的准确判断，为故障发展趋势的预测奠定坚实的基础。

通过对混合智能故障诊断与预示技术内涵以及实现过程的阐述分析可知，在混合智能故障诊断和预示技术应用的过程中，故障特征信息获取和智能诊断是两个十分关键且联系紧密的环节。因此，混合智能故障诊断与预示技术实际上是通过多种人工智能技术的综合应用，实现故障特征提取和信号处理方法与智能技术的融合。

2 混合智能故障诊断与预示技术的实际应用与发展趋势

2.1 应用实例分析

TKR-651电台是一种广泛应用于教练机、轰炸机、歼击机等军用飞机的机载电台，其电子部件接口信号十分复杂，主要包括数字量、模拟量、开关量、连梁等，考虑到其硬件系统要做到“综合、通用”，可以对各种类型的机载设备进行性能检测，于是研制出了机载设备自动测试系统，具体结构如图2所示。具体检测过程可以分为以下两个环节。首先，故障模式确定。以TKR-651电台的基本测试为基础，将所有可测试性能指标全部列入到节点中，性能指标超标即映射至故障现象，并对数据节点中的各项性能参数进行模糊处理。其次，根据上述选择的各个节点，绘制TKR-651故障模式图，填写智能分析系统中的知识表，构建TKR-651电台故障诊断知识库，依托该知識库由系统选择推理引擎进行故障的搜寻和定位。

2.2 混合智能故障诊断与预示技术应用的发展趋势分析

近些年来，混合智能故障诊断与预示技术在实践中取得了不俗的效果使得其受到了更多的关注，针对这种技术的研究项目也变得越来越多，但是其中仍旧存在一定的问题。可以预见到，混合智能故障诊断与预示技术在未来一段时间的发展将集中在以下几个方面：

（1）加强对故障多域敏感特征提取的研究，拓展信号处理技术和特征提取方法，如盲分离、多小波、总体平均经验模式分解、随机共振等，从多个角度切入对故障信息特征进行提取，创新技术形式探究不同特征对故障的敏感度，构建可用于多域特征提取和敏感性评估的特征体系，为混合智能故障诊断和预示技术的高效应用提供科学可靠的依据。

（2）加强对不同人工智能技术之间优势互补关系的研究，为多种智能技术的灵活搭配和混合应用提供充实的依据，对人工技术的混合应用模式进行丰富，构建完善的实用化混合智能诊断与预示系统，提高大型复杂关键设备早期、微弱以及复合故障的诊断和预示效果，切实保障生产系统的稳定运行。

（3）设备的健康管理。针对事后维修和定期维修在很多领域已经不能满足维修保障要求的问题，于是设备健康管理的概念被提出。PHM系统即是依托PHM技术先进传感器集成收集设备数据，结合其他有效信息，借助合适的算法模型对目标对象进行故障预测，同时提供维修保障决策及实施计划的一种视情维修技术。系统的决策支持层一旦预测到故障可能发生，会结合当前运行环境给出合理的后期运行方案，准确可信的故障诊断和预测结构是健康管理目标实现的必要保障。

3 结语

综上所述，电子设备故障诊断是一门实用性极强的学科，故障诊断技术的有效性直接影响着电子设备的运行效果。近些年来，随着人工智能技术的持续发展，混合智能故障诊断与预示技术的出现为大型复杂关键设备的早期、微弱、复核故障的诊断与预示提供了一条新的思路，且在实践中取得了一定的成效。但我们仍需意识到，混合智能故障诊断与预示技术仍旧存在一定的问题，应该进一步加强研究，为大型复杂关键设备的稳定运行提供良好的保障。

参考文献

[1]饶利强.混合智能故障诊断技术在异步电机故障诊断中的应用研究[D].南昌大学，2016.

[2]雷亚国，何正嘉.混合智能故障诊断与预示技术的应用进展[J].振动与冲击，2011，30（09）：129-135.

[3]张周锁.基于拉计算的混合智能故障诊断技术及应用[A].中国振动工程学会故障诊断专业委员会.第十二届全国设备故障诊断学术会议论文集[C].中国振动工程学会故障诊断专业委员会，2010：4.