人工智能在机械故障诊断中的应用
摘要: 介绍了机械故障中应用的各种人工智能诊断方法及理论, 包括专家系统、人工神经网络等, 根据二者在机械故障诊断中的应用情况分析了它们的优缺点, 并以专家系统在汽车故障诊断中的应用为例, 阐述了专家系统在实际应用中存在的问题。
关键词: 机械故障诊断; 人工智能; 专家系统; 神经网络
中图分类号: TP206 3 文献标识码: A 文章编号: 1001- 006X ( 2006) 02- 0023- 02
Artificial Intelligence Applied in Machinery Fault DiagnosisLiMeihua, Han Daming, Lu Huaimin ( Northeast Forestry University, Harbin 150040)
Abstract: The methods and theories of artificial intelligence diagnosis applied in machinery fault diagnosis of each system are reviewed, including ex pert system and artificial neural network. Based on the actual application of the two methods, the advantages and disadvantages of each system are analyzed. Taking the application of expert system in automobile fault diagnosis as an example, the existing problems of ex pert system are clarified in the paper .
Key words: machinery fault diagnosis; artificial intelligence; expert system; neural network 收稿日期: 2005- 03- 14
第一作者简介: 李美华( 1981- ) , 黑龙江省呼兰人, 女, 硕士研究生, 研究方向: 汽车维修理论与诊断技术。 1 前 言
机械故障诊断是识别机器或机组运行状态的科学, 它研究的是机器或机组运行状态的变化在诊断信息中的反映, 其研究内容包括对机器运行现状的识别诊断、对其运行过程的监测以及对其运行发展趋势的预测3 个方面。就其诊断方法而言, 人工智能的研究成果为机械故障诊断注入了新的活力, 如专家系统、人工神经网络、分形几何等, 但这些新的理论和技术成果大多有待完善。最近有人探索人工神经网络与传统的专家系统结合起来, 建造神经网络专家系统。研究表明新型的专家系统能较好克服传统的专家系统和人工神经网络在各自独立 的缺陷而具有许多优势。
2 人工智能在机械故障诊断中的应用
21专家系统在机械故障诊断中的应用
专家系统也称专家咨询系统, 顾名思义, 专家系统就是能像人类专家一样解决困难、复杂的实际问题的计算机( 软件) 系统。一个专家系统主要由知识库、推理机、数据库和人机接口等4 个基本部分组成, 其中知识库和推理机是专家系统的核心组件。知识库用于存放推理所需要的规则等信息, 是专家领域知识的集合。推理机的作用是根据所采集到的现场信息, 应用知识库中的知识对设备所处状态进行推理判断, 给出设备有否故障或故障部位等信息。数据库用于存放推理过程中的所需和所产生的各种信息,人机接口则是人与专家系统打交道的桥梁和窗口, 是人机信息的交接点。一个实用的机械设备故障诊断专家系统一般还包括解释程序和知识获取程序, 其中, 解释程序负责回答用户所提出的各种问题,包括与系统运行有关的问题和与系统运行无关的、关于系统自身的一些问题。解释程序是实现系统透明性的主要部件。知识获取程序负责管理知识库中的知识, 包括根据需要修改、删添知识及由此引起的一切必要的改动, 维护知识库的一致性和完整性。知识获取程序使领域专家可以修改知识库而不必了解知识库中知识的表示方法和组织结构等细节问题, 从而大大提高了系统的可扩充性。
22人工神经网络在机械故障诊断中的应用人工神经网络简称神经网络,是在生物神经学研
究成果的基础上提出的人工智能概念, 是对人脑神经组织结构和行为的模拟。就机械故障诊断而言, 神经网络使用来自机器不同状态的振动信号,通过特征选择,找出对于故障反映最敏感的特征信号作为神经网络的输入向量, 建立故障模式训练样本集,对网络进行训练; 当网络训练完毕, 对于每一个新输入的状态信息, 网络将迅速给出分类结果。
23神经网络故障诊断系统和专家系统故障诊断
系统的融合基于神经网络的故障诊断系统和基于专家系统的故障诊断系统可以相互转化。在专家系统故障诊断系统中, 知识是通过规则的方式来表达的, 而在神经网络故障诊断系统中, 知识是通过对样本的反复学习并在此过程中不断调整网络连接权值, 从而使网络误差收敛到全局最小点后储存在这些连接权值中。所以, 要实现由基于专家系统的故障诊断技 术向神经网络故障诊断技术过渡的关键是将规则转化为学习样本, 具体步骤为: 统计在规则表述中诊断对象可能出现的故障征兆与故障原因数目, 分析诊断知识结构, 确定神经网络的输入、输出神经元数目及其网络层次结构; 将专家系统知识库的规则提取出来, 形成神经网络的学习样本; 对神经网络样本学习, 获取各自的连接权值, 形成神经网络故障诊断系统。由神经网络故障诊断到专家系统故障诊断的关键问题是在现有的连接权值中提取规则, 具体步骤为: 已知学习样本时, 可以直接将每一个学习样本转化为一条规则; 未知样本只知道连接权值时, 这种情况很复杂, 一般是通过特殊的算法从网络的输入和输出中提取规则; 如果是模糊神经网络, 问题就简单了, 即可以直接从网络
中提取。
3 专家系统在汽车故障诊断中的应用
汽车作为一种特殊的机械, 以汽车故障诊断专家系统为例。汽车故障诊断专家系统的开发, 自20 世纪80 年代以来, 可分为雏型期、改进期和发展期3 个阶段。20 世纪70 年代后期至80 年代初期, 为了适应对计算机应用不断增加的现实, 在汽车维修行业中首先开发的就是诊断咨询系统。1986 年, 美国通用汽车公司和福特汽车公司分别推出了称之为CAMS 和SBDS 的故障诊断咨询系统。1986 年,日本丰田汽车公司的维修、信息及技术部门联合开发了 维修技术咨询系统, 1987 年8 月开始用于丰田发动机集中电子控制系统T CCS 的诊断。作为系统信息流, 对维修企业遇到难度较大的车辆故障诊断与维修问题时, 专业技术人员在预制的问诊表上填入有关事项, 并电传到丰田汽车公司维修总部。维修总部的有关人员以此为基础, 把信息输入到维修技术咨询系统,并由专家系统的维修程序提出诊断结果和维修方案。现场技术人员以此为基础进行维修工作并将结果反馈到总部, 以进一步提高系统的诊断精度。进入20 世纪90 年代, 开始出现了专家系统工具的研究。这种专家系统工具具有知识获取支援功能的专用编辑器, 不需要智能语言, 从而解决了过去存在的知识库效率低的缺点。汽车诊断专家系统的功能与特点, 概括地说就是由计算机存储的专家知识, 按照需要可以调用, 即使初学者也能近似地如专家一样进行故障诊断。基于专家系统的故障诊断方法, 在实际应用中存在问题如下: 知识获取的瓶颈问题;知识难以维护; 知识应用面窄; 诊断能力弱; 不适应模糊问题。
应用神经网络技术可以弥补解决传统专家系统在应用中遇到的问题。
( 1) 对于专家系统的脆弱性, 即知识和经验不全面, 遇到没解决过的问题就无能为力。而利用神经网络的自学习功能, 不断丰富知识库内容,可解决知识更新的问题。
( 2) 对于专家系统知识获取困难这一瓶颈问题, 利用神经网络的高效性和方便的自学习功能, 只需用领域专家解决问题的实例来训练神经网络, 使在同样的输入条件下, 神经网络便能获得与专家给出的解答尽可能接近的输出。
( 3) 推理中的匹配冲突,组合爆炸及无穷递归使传统专家系统推理速度慢、效率低。这主要是由于专家系统采用串行方式、推理方法简单和控制策略不灵活。而神经网络的知识推理通过神经元之间的作用实现, 总体上, 神经网络的推理是并行的、速度快。
4 结 论
随着人工智能的不断发展, 各个领域对人工智能的要求也越来越高。传统的专家系统有它自身的缺点, 神经网络也有其局限性, 正因为如此在机械故障诊断中, 目前将神经网络和专家系统相结合,建造所谓的神经网络专家系统。理论分析与应用实践表明, 神经网络专家系统结合了两者的优点而克服了各自的缺点, 表现出强大的生命力。
参考文献
[ 1] 李国华, 张永忠. 机械故障诊断[ M] . 北京: 化学工业出版社, 2004.
[ 2] 尹朝庆, 尹皓. 人工智能与专家系统[ M] . 北京: 中国水利水电出版社, 2002.
[ 3] 谢庆生. 机械工程中的神经网络方法[ M ] . 北京: 机械工业出版社, 2003.
[ 4] 张锐, 姜树海, 陆怀民, 等. 机械故障诊断技术的新动向
人工智能在机械故障诊断中的应用
摘要: 介绍了机械故障中应用的各种人工智能诊断方法及理论, 包括专家系统、人工神经网络等, 根据二者在机械故障诊断中的应用情况分析了它们的优缺点, 并以专家系统在汽车故障诊断中的应用为例, 阐述了专家系统在实际应用中存在的问题。
关键词: 机械故障诊断; 人工智能; 专家系统; 神经网络
中图分类号: TP206 3 文献标识码: A 文章编号: 1001- 006X ( 2006) 02- 0023- 02
Artificial Intelligence Applied in Machinery Fault DiagnosisLiMeihua, Han Daming, Lu Huaimin ( Northeast Forestry University, Harbin 150040)
Abstract: The methods and theories of artificial intelligence diagnosis applied in machinery fault diagnosis of each system are reviewed, including ex pert system and artificial neural network. Based on the actual application of the two methods, the advantages and disadvantages of each system are analyzed. Taking the application of expert system in automobile fault diagnosis as an example, the existing problems of ex pert system are clarified in the paper .
Key words: machinery fault diagnosis; artificial intelligence; expert system; neural network 收稿日期: 2005- 03- 14
第一作者简介: 李美华( 1981- ) , 黑龙江省呼兰人, 女, 硕士研究生, 研究方向: 汽车维修理论与诊断技术。 1 前 言
机械故障诊断是识别机器或机组运行状态的科学, 它研究的是机器或机组运行状态的变化在诊断信息中的反映, 其研究内容包括对机器运行现状的识别诊断、对其运行过程的监测以及对其运行发展趋势的预测3 个方面。就其诊断方法而言, 人工智能的研究成果为机械故障诊断注入了新的活力, 如专家系统、人工神经网络、分形几何等, 但这些新的理论和技术成果大多有待完善。最近有人探索人工神经网络与传统的专家系统结合起来, 建造神经网络专家系统。研究表明新型的专家系统能较好克服传统的专家系统和人工神经网络在各自独立 的缺陷而具有许多优势。
2 人工智能在机械故障诊断中的应用
21专家系统在机械故障诊断中的应用
专家系统也称专家咨询系统, 顾名思义, 专家系统就是能像人类专家一样解决困难、复杂的实际问题的计算机( 软件) 系统。一个专家系统主要由知识库、推理机、数据库和人机接口等4 个基本部分组成, 其中知识库和推理机是专家系统的核心组件。知识库用于存放推理所需要的规则等信息, 是专家领域知识的集合。推理机的作用是根据所采集到的现场信息, 应用知识库中的知识对设备所处状态进行推理判断, 给出设备有否故障或故障部位等信息。数据库用于存放推理过程中的所需和所产生的各种信息,人机接口则是人与专家系统打交道的桥梁和窗口, 是人机信息的交接点。一个实用的机械设备故障诊断专家系统一般还包括解释程序和知识获取程序, 其中, 解释程序负责回答用户所提出的各种问题,包括与系统运行有关的问题和与系统运行无关的、关于系统自身的一些问题。解释程序是实现系统透明性的主要部件。知识获取程序负责管理知识库中的知识, 包括根据需要修改、删添知识及由此引起的一切必要的改动, 维护知识库的一致性和完整性。知识获取程序使领域专家可以修改知识库而不必了解知识库中知识的表示方法和组织结构等细节问题, 从而大大提高了系统的可扩充性。
22人工神经网络在机械故障诊断中的应用人工神经网络简称神经网络,是在生物神经学研
究成果的基础上提出的人工智能概念, 是对人脑神经组织结构和行为的模拟。就机械故障诊断而言, 神经网络使用来自机器不同状态的振动信号,通过特征选择,找出对于故障反映最敏感的特征信号作为神经网络的输入向量, 建立故障模式训练样本集,对网络进行训练; 当网络训练完毕, 对于每一个新输入的状态信息, 网络将迅速给出分类结果。
23神经网络故障诊断系统和专家系统故障诊断
系统的融合基于神经网络的故障诊断系统和基于专家系统的故障诊断系统可以相互转化。在专家系统故障诊断系统中, 知识是通过规则的方式来表达的, 而在神经网络故障诊断系统中, 知识是通过对样本的反复学习并在此过程中不断调整网络连接权值, 从而使网络误差收敛到全局最小点后储存在这些连接权值中。所以, 要实现由基于专家系统的故障诊断技 术向神经网络故障诊断技术过渡的关键是将规则转化为学习样本, 具体步骤为: 统计在规则表述中诊断对象可能出现的故障征兆与故障原因数目, 分析诊断知识结构, 确定神经网络的输入、输出神经元数目及其网络层次结构; 将专家系统知识库的规则提取出来, 形成神经网络的学习样本; 对神经网络样本学习, 获取各自的连接权值, 形成神经网络故障诊断系统。由神经网络故障诊断到专家系统故障诊断的关键问题是在现有的连接权值中提取规则, 具体步骤为: 已知学习样本时, 可以直接将每一个学习样本转化为一条规则; 未知样本只知道连接权值时, 这种情况很复杂, 一般是通过特殊的算法从网络的输入和输出中提取规则; 如果是模糊神经网络, 问题就简单了, 即可以直接从网络
中提取。
3 专家系统在汽车故障诊断中的应用
汽车作为一种特殊的机械, 以汽车故障诊断专家系统为例。汽车故障诊断专家系统的开发, 自20 世纪80 年代以来, 可分为雏型期、改进期和发展期3 个阶段。20 世纪70 年代后期至80 年代初期, 为了适应对计算机应用不断增加的现实, 在汽车维修行业中首先开发的就是诊断咨询系统。1986 年, 美国通用汽车公司和福特汽车公司分别推出了称之为CAMS 和SBDS 的故障诊断咨询系统。1986 年,日本丰田汽车公司的维修、信息及技术部门联合开发了 维修技术咨询系统, 1987 年8 月开始用于丰田发动机集中电子控制系统T CCS 的诊断。作为系统信息流, 对维修企业遇到难度较大的车辆故障诊断与维修问题时, 专业技术人员在预制的问诊表上填入有关事项, 并电传到丰田汽车公司维修总部。维修总部的有关人员以此为基础, 把信息输入到维修技术咨询系统,并由专家系统的维修程序提出诊断结果和维修方案。现场技术人员以此为基础进行维修工作并将结果反馈到总部, 以进一步提高系统的诊断精度。进入20 世纪90 年代, 开始出现了专家系统工具的研究。这种专家系统工具具有知识获取支援功能的专用编辑器, 不需要智能语言, 从而解决了过去存在的知识库效率低的缺点。汽车诊断专家系统的功能与特点, 概括地说就是由计算机存储的专家知识, 按照需要可以调用, 即使初学者也能近似地如专家一样进行故障诊断。基于专家系统的故障诊断方法, 在实际应用中存在问题如下: 知识获取的瓶颈问题;知识难以维护; 知识应用面窄; 诊断能力弱; 不适应模糊问题。
应用神经网络技术可以弥补解决传统专家系统在应用中遇到的问题。
( 1) 对于专家系统的脆弱性, 即知识和经验不全面, 遇到没解决过的问题就无能为力。而利用神经网络的自学习功能, 不断丰富知识库内容,可解决知识更新的问题。
( 2) 对于专家系统知识获取困难这一瓶颈问题, 利用神经网络的高效性和方便的自学习功能, 只需用领域专家解决问题的实例来训练神经网络, 使在同样的输入条件下, 神经网络便能获得与专家给出的解答尽可能接近的输出。
( 3) 推理中的匹配冲突,组合爆炸及无穷递归使传统专家系统推理速度慢、效率低。这主要是由于专家系统采用串行方式、推理方法简单和控制策略不灵活。而神经网络的知识推理通过神经元之间的作用实现, 总体上, 神经网络的推理是并行的、速度快。
4 结 论
随着人工智能的不断发展, 各个领域对人工智能的要求也越来越高。传统的专家系统有它自身的缺点, 神经网络也有其局限性, 正因为如此在机械故障诊断中, 目前将神经网络和专家系统相结合,建造所谓的神经网络专家系统。理论分析与应用实践表明, 神经网络专家系统结合了两者的优点而克服了各自的缺点, 表现出强大的生命力。
参考文献
[ 1] 李国华, 张永忠. 机械故障诊断[ M] . 北京: 化学工业出版社, 2004.
[ 2] 尹朝庆, 尹皓. 人工智能与专家系统[ M] . 北京: 中国水利水电出版社, 2002.
[ 3] 谢庆生. 机械工程中的神经网络方法[ M ] . 北京: 机械工业出版社, 2003.
[ 4] 张锐, 姜树海, 陆怀民, 等. 机械故障诊断技术的新动向