智能故障检测诊断

张鑫 季泽伟 付娜 曲京儒

摘要：智能故障诊断技术的发展为复杂系统的可靠性、安全性以及故障診断提供了新的途径，它是故障诊断的高级阶段。

关键词：智能故障;检测;诊断

引言

智能故障诊断是人工智能和故障诊断相结合的产物，主要体现在诊断过程中领域专家知识和人工智能技术的运用。它是一个由人、能模拟脑功能的硬件及其必要的外部设备、物理器件以及支持这些硬件的软件所组成的系统。

1智能故障检测与诊断模块的主要任务和基本要求

故障检测与诊断就是从监控对象中适时准确地检测出故障信息，并对故障产生的原因、部位、类型、程度及其发展做出判断。

其主要任务通常包含以下几个方面的内容：

（1）获取故障信息;

（2）寻找故障源，确定故障的位置、大小、类型及原因;

（3）评价故障的影响程度，预测故障的发展趋势;

（4）对检测诊断结果做出处理和决策。

基本要求包括以下几方面：

（1）对故障具有强检测能力

故障检测能力的强弱，一方面反映了检测诊断模块对故障的检测能力，另一方面也直接影响故障诊断的效果，对弱故障信号和早期故障信号，故障检测能力尤为重要。

（2）对故障具有强诊断能力

能综合运用多种信息和多种诊断方法，以灵活的诊断策略来解决诊断问题;

能通过使用专家的经验，而尽量避开信号处理方面复杂的实时计算;

能处理带有错误的信息和不确定性信息，从而相对降低对测试仪器和工作环境的要求。

（3）尽量采用模块化结构

结构应当模块化，使之可以方便地调用其他应用程序，如维修咨询子模块、模拟故障诊断子模块等。

（4）具有人机交互诊断功能

现代设备的复杂性，要求综合运用多种知识源（浅、深知识）来求解复杂问题，用户适当地实时参与，将使诊断速度更快、准确性更高。用户参与有主动和被动两种方式：主动参与可干预和引导推理过程;被动参与只回答提问，而不干预推理过程。

（5）具有多种诊断信息获取的途径

获取的诊断信息越丰富，则诊断效果越好。首先，应具有自动获取状态信息（当前、历史）的功能;其次，应能通过人机交互获取状态信息。

（6）对问题求解应当实时和准确

实时：一旦发现故障迹象，应立即开始诊断工作，

准确：输出结果应当细致明了，对于并发故障允许输出多个诊断解，对于同一故障则只有一个诊断解，对于征兆不完备情况应输出按权值排序的多个候选故障解。

（7）具有学习功能

现代设备的复杂性以及新知识的不断涌现，导致专家现有知识的不足。要求系统具有被动和主动（自学习）获取新知识的能力。

1故障检测与诊断的常用方法

（1）基于数学模型的故障检测与诊断方法

特点是必须将故障数学模型化，有时建立模型很困难不依赖实例和经验;适用于新的没有成熟经验的诊断。

（2）基于参数估计的故障检测与诊断方法

特点是须先确定一个信任域，当参数超出域时认为故障;适用于故障能由参数的显著变化来描述的诊断。

（3）基于信号处理的故障检测与诊断方法

所谓基于信号处理的故障诊断技术，通常是利用信号模型，如相关函数、频谱、自回归滑动平均、小波变换等，直接分析可测信号，提取诸如方差、幅值、频率等特征，从而检测出故障。典型方法：小波变换、模态分解等。

（4）基于知识的故障检测与诊断方法

不需精确的数学模型，能模拟人的思维过程，具有自学习、自组织、自推理能力。

（5）基于实例的故障检测与诊断方法

是一种使用过去的经验实例指导解决新问题的方法。优点是不需从实例中提取规则，求解快;不足是能搜集的实例是有限的，求解时可能出现误诊或漏诊。

（6）基于模糊理论的故障检测与诊断方法

征兆的描述、故障与征兆的关系往往具有模糊特性，模糊语言变量能更准确地表示这种模糊性的征兆和故障。问题在于知识获取困难：如何确定故障与征兆间的模糊规则;如何实现模糊语言变量与隶属度间的推理转换。

（7）基于神经网络的故障检测与诊断方法

利用神经网络的联想、推理和记忆能力进行知识处理。适用于复杂多模式的诊断，有离线和在线诊断两种方式。

2智能故障诊断中的机器学习策略及其理解

（1）简单学习

文献、专家和资料所描述的关于诊断对象的结构、功能、运行约束条件等知识，机械学习机制为主;主要用于元知识学习阶段。

（2）交互学习

知识工程师或诊断对象处理过的知识，讲授学习机制为主;主要用于领域知识学习和知识库丰富阶段。

（3）独立学习

推理策略面对的新知识，归纳学习机制为主;主要用于诊断能力改善阶段。

3结论

随着知识工程的发展以及数据库、虚拟现实、神经网络等技术发展的日新月异，必然引起各种故障诊断技术的不断发展。远程性、知识化、智能化是故障诊断技术追求的目标，是设备故障诊断走向自动化的重要途径。智能故障诊断技术的发展趋势集中体现在以下几个方面：

（1）基于Internet的远程故障诊断技术研究

基于Internet的设备远程故障诊断将故障诊断技术与计算机网络技术相结合，在企业的关键设备和环节建立状态监测点，通过采集并提交设备状态数据，由技术力量较强的科研院所、制造商或领域专家借助相关数据分析工具、专家知识为企业提供远程技术支持或方法指导。随着Internet技术在全球的发展和普及，充分利用其在标准化、开放性、良好的性价比等方面的优势，构建基于Internet的应用系统，消除时空障碍，实现广域信息共享，是制造及服务领域适应经济与技术全球化发展的必然趋势。

（2）与多元传感器的融合

现代化的大生产要求对设备进行全方位、多角度的监测与维护，以便对设备的运行状态有整体的、全面的了解。因此在进行设备故障诊断时，可以采用多个传感器对设备的各个方位进行监测，然后按照一定的方法将这些信息融合起来，如神经网络方法。

（3）与现代智能方法相结合

现代智能方法包括专家系统、模糊逻辑、神经网络、遗传算法等。如神经网络方法，它为故障智能诊断系统的发展开辟了崭新的途径。用神经网络技术建立的诊断系统，不需要大规模的产生式规则，也不需要进行树搜索，系统可以自学习自组织，并可以进行模糊推理，这对用传统人工智能方法建立的专家系统最感到困难的知识获取和推理等问题提供了新的解决办法。现代智能方法在设备故障诊断技术中得到广泛的应用，随着智能技术的不断发展，设备状态的智能监测和设备故障的智能诊断将是故障诊断技术发展的最终目标。

参考文献

[1]刘娜，刘渊康.基于智能感知的监控运维故障诊断技术探讨[J].中国交通信息化，2020（03）：118-120.

[2]许丽.人工智能在机械设备故障检测中的应用[J].南方农机，2019，50（24）：178.

[3]张卫峰，惠俊军.智能故障诊断技术的现状及展望[J].工业仪表与自动化装置，2017（05）：21-24.

山东建筑大学 250101