王可军
浅析高速公路机电设备故障诊断知识建模
王可军
(广西路建工程集团有限公司,广西 南宁 530001)
在机电设备管理中,故障诊断是其设备安全与健康运行的重要内容。根据目前在高速公路机电设备故障诊断中所存在的知识共享、重用难度较高的问题,文章提出一些关键的故障诊断方法,并分析在故障诊断中的实际需求,根据此内容构建在机电设备故障诊断期间,实际的知识框架与建模的实际流程,并利用Protege软件来建立知识模型,根据实例验证该模型的科学与可行性,以供相关人员参考。
高速公路;机电设备;故障诊断;知识建模
在传统的道路机械设备维护过程中,主要依靠运行维护和管理人员的能力,不仅难以保障运维诊断的效率,同时也难以传播规范化的操作流程,员工的大量流动导致了企业的知识流失。公路养护项目清单中包含了很多信息,在日后机电设备诊断期间都具有极大的潜在价值,但这些东西,电脑是无法理解和使用的。因此,对高速公路机电设备的相关知识进行集成和应用对于提升设备的运维效率和资源的优化有着十分重要的意义。
1.1.1 缺乏规范的故障诊断知识
一般在过去进行高速公路机电设备故障诊断期间,现场运维人员是主力,但是以人力为主实施故障诊断,不仅具有较大的分散性,且由于个人对于诊断故障的知识理解存在一定的差异性,加上机电设备的种类多样性,很难去统一一种十分规范的知识表达方式[1]。并且基于大量高速公路机电设备运维单内容研究可以了解到,这里面有大量的故障征兆、诊断和维护的重要信息。而在早期的积累阶段,由于没有采用标准化的方式来记录这些信息,纸质碎片化的记录内容与方法较多,文章内容所描述的不够统一,如果将这些信息录入到电脑系统中将难以被切实理解。
1.1.2 设备故障诊断知识过于分散
在故障诊断高速公路机电设备过程中,运维工单中会体现出诊断的相关知识,而另一部分则是在产品的运维说明中或者是一些维修资料文献中体现,还有一小部分是根据运维人员经验所记录在其人员大脑中的知识[2]。所以根据这些知识的分布情况可以看出,在现有的高速公路知识故障诊断中最为主要的问题就是所包含的知识十分分散,要想将其整合起来也十分困难,这样就急需要一种科学的方法来将这些知识进行完美整合,以为后续标准化与规范化的知识管理机电故障诊断奠定基础。
1.1.3 缺少集成化的故障诊断方法
由于公路工程的特殊性,对工程机械的可靠性、时效性和精确性提出了更高的需求。随着计算机技术和智能仪器的逐步发展和使用,当前的信号检测技术已经被引入到了基于手工的检测中[3]。其中,手工诊断主要是由维修工人进行,由他们自己的技术和多年的诊断工作完成,虽然这种人工的方式诊断效率快、成本投入低、且诊断的过程可直观地表现,但是对于运维人员个人的能力和知识储备有着极高的要求;单凭经验的判断很容易降低故障诊断的准确率,也容易弱化具体设备的诊断程度。而根据机电设备的信号故障诊断来讲,其可根据原始故障产生的数据来更加精准地做出判断。虽然这种方法可提升准确率,但是由于各种机电设备之间错综复杂的关系和连接,设备之间的相互影响会导致信号诊断的方法全局性的缺失。所以为了保障故障诊断的实际结果满足高速高炉运维的需求,需要将两种方法相互结合,以整体综合的形式来进行高效、精准的故障诊断与维修指导。
1.1.4 缺少知识的共享
在运维人员多年对机电设备故障进行诊断期间,会积累大量的经验,但是以这种经验来实现知识的描述缺乏一定的规范性。另外每个人的理解能力存在一定差异,这样每个运维人员所得出的经验不容易被他人理解,也就造成知识共享方面存在一定的阻碍。不仅如此,部门新人在参与工作时由于缺少足够的工作经验,同时受到个人能力的限制,促使在与其他工作人员进行交流时也容易出现阻碍。
1.2.1 需要科学有效的知识建模方法
根据目前高速公路机电设备的故障诊断现状分析,基于知识的建模是其需要解决的核心问题,解决该知识体系的建模问题也是机电设备故障诊断的有效表示[4]。根据其本体可以清晰去定义该领域中各种概念与通过将各种不同的理论进行连接,突破了复杂的逻辑关系、复杂的观念,将其运用到相应的诊断技术中去,从而达到最好的结果。
1.2.2 需要对混合知识的高度处理能力
在对高速公路机电设备故障诊断期间,其所包含的知识内容可分为运维指南和专家经验两大类型。其中运维指南中,其可对机电设备的基本原理进行揭示,但是应用该方法却难以实现知识建模的有效推理。虽然依据专家经验可以增加原理推理的速度,但是由于这种经验主观性较强,且缺少一定措施去综合所有的知识内容,因此为了保障机电设备故障诊断的效果与质量,需要将二者进行混合处理,提升混合处理的能力。
1.2.3 需要以知识为支撑建立科学的智能化系统
当前急需一套基于知识内容的智能体系来完成对公路机械设备的故障检测,通过智能化技术来克服知识不足、信息整合、信息共享、诊断技术整合困难等诸多问题[5]。
本文以上述探讨为背景,重点研究在高速公路机电设备故障诊断中,其所包含的知识如何根据语义环境来进行有效应用,在此基础上,建立起一套科学的智能系统知识模型,为高速公路机械设备的故障诊断提供了依据。结合国内外学者提出的基于本体的知识地图架构,构建了知识结构安全层,本体-知识描述层,展示层,用户交互层。具体如图1。
图1 高速公路机电设备故障诊断领域知识框架图示
(1)资源层包含机电设备故障诊断过程与维护期间所具有的相关知识,而这些知识的来源包含设备设计说明书、专家故障诊断的经验、相关维修案例和其他文献中的文档与图片等。
(2)本体——知识描述层,它将机电设备的故障诊断知识作为一个抽象的本体,由知识节点、知识链接和知识关联构成[6]。由知识说明组成。
(3)在显示层中,知识结点之间的联系是由知识的结点构成的。
(4)在与引擎技术相结合的情况下,用户交互层可以通过检索程序进行查询和搜索。
关于高速公路机电设备故障诊断领域中所实施的知识建模流程如图2所示。
图2 知识建模流程图
先要去确定该机电设备中故障诊断期间所包含知识相关领域的范围,随后根据该领域范围来搜索与之相关的知识内容。在此期间,需要做的工作不仅包含搜集相关领域的知识,还需要对该知识类的属性和约束条件进行详细设置,随后利用Protege软件构建本体模型,以本体为基础实现实例化的验证,如果不可行则返回知识搜集的步骤,找寻更加贴合的知识内容;如果验证效果可行,可实现本体可视化的知识模型建立,为后续知识整合与利用奠定重要基础。
一般专家的经验、案例分析和设备出厂期间的设计说明等方式可以明确包含高速公路机电设备故障诊断的相关知识内容,虽然目前国内外部分文献资料中提及了上述内容,但是目前还没有系统且显性的知识表示来形成以专家经验为主的系统,同时在本次工程内容中缺乏一定的系统管理,因此,本次选择历史工单的内容作为本次知识的收集与整理的主要途径[7]。
3.3.1 对类进行定义
由具有同样特征和属性的实体所组成的一组类,通常按照相关领域的词汇和字典来进行定义,然后再按照对象的实际需要来科学地界定类。根据当前高速公路机械设备的故障诊断状况,以故障特征的描述来找寻发生该故障的具体原因,运用经验与参考文献,提供科学的维护意见。因此,从这一需求出发,归纳出四种类型:设备类型、故障类型、故障原因和维护计划类型。四个主要类别中还包括了它们的相关子类别。首先从故障类别和设备类别两个方面对类进行定义,然后利用Protege软件中的类标记构造类,然后利用类分析和类描述类来描述类,最后采用概念树表示法来表示概念层次的特定结构,如图3所示。
图3 高速公路机电设备故障诊断类部分截图图示
3.3.2 类之间的关系定义
在整个高速公路机电设备故障诊断的本题中主要存在四种基本的语义关系,分别为:所属关系、整体—部分关系、实例关系与属性关系;还有可能存在并列、相交、互补与等价关系等。
3.3.3 类的属性定义
在属性的定义中,其主要是为了对类所有的特征进行说明,包含对象与数据属性两种类型。其中对象属性表现的是对象之间的关系;而数据属性则是表示对象和数值之间的关系。一般在故障诊断的本题中,其属性都属于一对多关系[8]。另外根据Class Annotation和Class Description对本体实施属性的构建且通过characteristics来对属性进行约束。在基于高速公路机电设备故障诊断的本体所存在的类属性进行定义期间,本文以三种遂向属性加以呈现,如出现、导致和解决三种。而本次所采取的数据源则是高速公路机电设备维修维护的历史工单,其内容均为文本形式,所以将类的数据属性定位为string型数据。
为了创建类的对象,需对本体进行实例化,对类别的属性进行赋值。利用分词、聚类等数据挖掘技术,从历史记录中抽取出大量有用的信息,并利用protege软件生成相应的事例。就拿“集成相机”来说,它属于相机类别,物体的属性是“出现”,相应的就是出现的图片变得苍白等有关的问题描述,这和其它的例子的表现方法是一样的。
3.5.1 本体关系的可视化表现
如图4所示的内容为在OntoGral下机电设备故障诊断本体模型之间的层级与对象属性关系,左边的线条是用不同的色彩来表达的,右边是描述。Thing包括了一些子类别:故障原因,设备名称,维修方案和故障种类。这些子类别的关系和联系可以用以下方式来表达:故障的起因—引起—故障类型—设备名称—发生—故障类型,维修方案——处理,故障类型,用物体的性质把故障类型和其它类别连接起来,从而构成类别和类别的关系。
图4 OntoGral下的本体模型中之间的类目关系
3.5.2 实例检索的可视化
假定集成相机会有颜色失真的问题,具体的处理方法是:先去根据设备的具体类型以“一体化摄像机”为关键词进行检索,随后展示出一体化摄像机常见的故障类型,例如图像变白,扭曲,色彩失真,干涉,没有图像等。接下来,若真实的故障状况是颜色畸变,则需要对故障进行马达处理,从而显示出故障的具体原因:例如安装摄像机时出现问题,现场光照不足等。该结果表明,当出现彩色畸变故障时,也能满足以上两种故障的定义。而且,在进行分析的时候,可以推断出所有的故障,然后进行分析。这是因为同样的故障,有可能出现的原因不同,所以在这个时候,他的推断是非常正确和合理的。
假定在检查之后,没有发现光线的问题,那么就需要继续点击相机的设定,找到一个解决办法,然后重新调整白平衡;此流程还提供了一个特定的解决方案,其中主要是设备的故障。
本研究旨在将作业单中的数据价值最大化,以更好地分享高速公路机械设备故障诊断的相关知识,以此来提升整个高速公路机电设备故障诊断效率和运维能力,本文以本体的概念引入,根据protege软件创建关于其机电设备故障诊断相关领域的知识模型,从而有效地克服了由于知识的同构化、隐蔽性等原因造成的知识不能分享的问题。通过算例来说明所提算法的有效性,说明该方法的可行性,以可视化的展示来表现该理论的价值与意义。
[1] 魏云凤,孙吴. 高速公路机电设备故障诊断知识建模浅析[J]. 中国交通信息化,2021,4(9): 127-129,142.
[2] 张健鹏,张东生,钟华,等. 基于深度学习理论的机电设备故障诊断方法[J]. 机电信息,2020,13(11): 53-55.
[3] 曹宏娟,李继君. PLC在机电设备故障诊断中的应用[J].海峡科技与产业,2021,14(10): 55-57.
[4] 凌焕华. 高速公路机电设备故障诊断及控制措施[J]. 中国高新科技,2021(7): 116-117.
[5] 王兴朝. 内燃机机电设备故障诊断及维修方法分析[J]. 内燃机与配件,2021,13(23): 243-244.
[6] 王浩. 机电设备故障诊断及维修技术研究[J]. 爱情婚姻家庭(教育观察),2021,7(7): 37-38.
[7] 张恒飞. PLC在机电设备故障诊断中的应用[J]. 科教导刊,2021,2(13): 293-294.
[8] 袁耀辉. 机电设备故障诊断及维修技术研究[J]. 名城绘,2020,9(3): 33.
A Brief Analysis on Fault Diagnosis Knowledge Modeling of Expressway Electromechanical Equipment
In the management of electromechanical equipment, fault diagnosis is an important part of the safe and healthy operation of the equipment. According to the difficulty of knowledge sharing and reuse in the fault diagnosis of expressway electromechanical equipment, this paper puts forward some key fault diagnosis methods, and analyzes the actual needs in fault diagnosis, according to this content, the actual knowledge frame and the actual process of modeling are built during the fault diagnosis of electromechanical equipment, and the knowledge model is established by using Protege software, and the scientific and feasibility of the model is verified by an example, so as to provde reference for relevant personnel.
expressway; electromechanical equipment; fault diagnosis; knowledge modeling
U418
A
1008-1151(2022)09-0066-04
2022-05-19
王可军,男,广西宾阳人,广西路建工程集团有限公司工程师,从事交通工程建设及工程设备管