工程机械故障诊断技术的研究现状与发展趋势(2)

　　与基于知识的智能故障诊断系统相比，基于神经网络的故障诊断系统则具有如下优点:具有统一的内部知识表示形式，大量知识规则都可通过对范例的学习存储于一个相对小得多的神经网络的连接权重中，便于知识库的组织与管理，通用性强、知识容量大;便于实现知识的自动获取，能够自适应环境的变化;推理过程为并行的数值计算过程,避免了以往的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,推理速度快；具有联想、记忆、类比等形象思维能力，克服了传统专家系统中存在的"知识窄台阶"等问题,可以工作于所学习过的知识以外的范围;将知识表示、存储和推理融为一体o但是，由于神经网络只是从己知样本中得到解决问题的能力，故仍存在一些局限性，表现在:①由于很难得到完整的关于对象模式的全部样本，使得应用神经网络只能是一个不断完善的过程，而网络自身对这种自我完善的调度性能较差，造成了网络对奇异模式的判断能力较差.②神经网络对结论及其过程不能作出解释，权重形式的知识表达方式难以理解, 而这对于基于结论的决策系统的可信性是必不可少的和至关重要的o③单纯对数据的应用使得神经网络方法缺乏全局观,忽视了领域专家的经验知识，不能在所有层面上进行整体分析，这是神经网络应用中的主要缺陷.
　　3工程机械故障诊断技术的发展趋势
　　工程机械的工况监测及故障诊断技术是以现代科学技术为先导的多学科交叉的应用性新技术⑷.20世纪90年代以来，模拟人脑物理结构和直觉联想的人工神经网络智能诊断系统如雨后春笋般地迅速发展起来，己成为国际上该领域的最新热点.从发展趋势看，当前主要的方向为:各种诊断理论与神经网络的结合、信号处理与神经网络的集成、基于知识的专家系统与神经网络诊断系统的综合及设备故庫诊断餐饞系统的微型化和"傻瓜"化智能故障诊断是人工智能研究的一个重要内容，它与知识表示和推理方法有着密切的关系，其领域知识可用对象模型、经验规则、神经网模型、实例来表示.基于专家系统、基于模糊理论、基于人工神经网络的诊断方法各有其优势和特点，但同时它们各自也存在着局限性.为克服现有智能故障诊断方法中的不足，人们正在研究新一代的智能故障诊断系统-
　　3.1基于学习的智能故陣诊断系统
对于智能故障诊断系统来讲，知识获取是建造智能故障诊断系统的瓶颈,尤其是知识的自动获取一直是专家系统研究中的难点.解决知识获取问题的途径是机器学习.机器学习研究的主要目标是让机器自身具有获取知识的能力，使其能在实际工作中不断总结成功和失败的经验教训,对知识库中的知识自动进行调整和修改,以丰富、完善系统的知识.机器学习是提髙故障诊断系统智能的主要途径，一旦诊断系统具有学习能力，它就能从环境的变化中学习新知识，不断实现自我完善.因而，其主要发展方向大致有以下几方面:①由基于规则的系统到基于混合模型的系统，可综合多种方法，如基于规则、基于功能和深层知识模型的方法，甚至人工神经网络等方法,以实现多形式、多深度诊断知识的推理;②由领域专家提供知识到机器学习;③由非实时诊断到实时诊断，实时诊断就是强调在线数据处理与在线诊断推理，要达到诊断的实时性，需要寻求合理的诊断方法，设计合理的诊断软件结构，实行分级进程推理，尽可能提高硬件的处理速度;④由单一推理策略到混合推理策略，知识处理系统常用的推理策略包括:数据驱动和目标驱动，前者的主要缺点是盲目推理，后者的主要缺点是盲目选择目标，有效的办法是综合二者的优点，通过数据驱动选择目标，通过目标驱动求解该目标，这就是双向混合推理策略的基本思想.
　　3.2基于集成的詧能故陣诊断系统
　　根据上面的分析，依靠单一智能技术的故障诊断系统都有各自的优缺点，难以满足工程机械等复杂系统诊断的全部要求，因此，将多种不同的智能技术结合起来的集成智能诊断系统是工程机械故障诊断研究的一个发展趋势.当前进行的集成主要有基于规则的专家系统与神经网络的集成、基于实例的推理(CBR) 与基于规则系统和神经网络的集成、信息融合与神经网络的集成、小波分析与神经网络的集成、模糊逻辑与神经网络和专家系统的集成等.而神经网络与专家系统集成智能故障诊断系统将是工程机械故障诊断技术的一个重要发展趋势.神经网络与专家系统的集成主要有两种策略:①将专家系统构成神经网络，把传统专家系统的基于符号的推理变成基于数值运算的推理，以提高专家系统的执行效率并利用其学习能力解决专家系统的学习问题;②将神经网络视为一类知识源的表达与处理模型，与其他知识表达模型一起去表达领域专家的知识.
　　3.3基于网络的智能故陣诊断系统
　　现代大规模基础设施建设是由多品种、多数量工程施工机械、施工机群协同作业的生产过程.施工企业在追求效率和施工成本的基础上，对设备运行的安全性、可靠性提出了越来越高的要求.现有工程机械故障诊断方法,比如电子监测器方式、便携式微机的形式、工程机械检测维修车方式等，虽然在一定程度上解决故障问题，但这些方式主要是针对单机,且不能实现管理者对设备状态的在线监视，现场管理者缺乏机群设备状态的第一手资料,难以实现对施工机群进行科学的管理和实时调度.因此有必要寻找一种经济、可靠、易实现的方法来实时地监测施工机械的运行状态,及时发现故障，及时处理，保证施工有效地进行.而基于网络的智能故障诊断系统则是以工程机械机群为主要研究对象，结合工程机械施工机群的施工特点和单机设备的结构特点，通过网络对施工机群实施在线状态监测与故障诊断，判断故障原因,提供维修处理意见;评定故障类型及故障严重程度，为机群设备状态分析提供依据;预测停机维修时间，为机群动态施工调度提供依据.系统的基本结构可如图2所示.
　　4结论
　　基于网络的集成智能故障诊断系统是一种以分布式网络技术和多媒体技术为支撑系统,以基于实例、规则和人工神经网络模型的多种故障诊断模型耦合为核心和基础，集信号测试与处理及识别诊断于一体的综合集成智能故障检测诊断系统，它非常适合处理工程机械故障诊断中由于工程机械结构的复杂性、施工载荷的不确定性、工作环境条件的恶劣性等因素所带来的负面影响,因而是工程机械故障诊断技术领域的重要发展方向.
　　【参考文献】
　　[1]丁玉兰,石来德.机械设备故障诊断技术[M].上海:上海科学技术出版社，1993.
　　[2]徐敏,黄邵毅.设备故障诊断手册[M].西安:西安交通大学出版社,1998.
　　[3]虞和济,陈长征，张省，等.基于神经网络的智能诊断[M〕.北京:冶金工业出版社,2000.
　　[4]张正松.旋转机械振动监测与故障诊断[M].北京:机械工业出版社,1991.
　　[5]钟秉林，黄仁.机械故障诊断学[M].北京:机械X业出版社，1997.
　　[6]杨叔子，丁洪,史铁林，机械设备诊断学的再探讨[J].华中理工大学学报,1991(8):1-7.
　　[7]GaborD.Theoryofcommunication[J].ProcIEEE,1946,93:42-45.
　　[8]PotterRK,KoppG,GreenHC.Visiblespeech[M].NewYork：VanNostrand,1947.
　　[9]VilleJ.Theorieetapplicstionsdelanotiondesignalanalytique[J].CablesetTransmission,1948,(2A)；6l-74.
　　[10]牛占文，王树新,郑尚龙.机群智能化工程机械故障诊断系统研究[J].机械科学与技术,2003,122,(6):999-1002.
　　[11]HuangNE'ZhenShen,LongSR,etal.Theempiricalmodedecompositionandthehilbertspectrumfornonlinearandnon-stationarytimeseriesanalysis[J].ProcRoyalSocietyLond,1998,454A：903-995.
　　[12]CohenL.Time-frequencydistributions-areview[J].IEEEPnx:July,1989,77(7)；941-981.
　　[13]RbulO,FlandrinP.Time-scaleenergydistributions：Ageneralclassextendingwavelettranstoims[J].IEEETransSP,1992,40(7)：1746-1757.
　　[14]AlexanderSThomas.Amethodforrecursiveleastsquaresfilteringbaseduponaninverseqrdecomposition[j].IEEETransactbnonSignalProcessing,1993.(l)：2〇-30.
　　[15]AugerF,FlandrinP.Improvingthereadabilityoftime-frequencyandtime-scalerepresentationsbythereassignmentmethod[J].IEEETransSP,1995,43(5)：1746-1757.
　　[16]王奉涛,马孝江.智能故障诊断技术综述[J].机床与液压,2003,(4):6-8.

　　论文榜（www.zglwb.com），是一个专门从事期刊推广、投稿辅导的网站。
本站提供如何投稿辅导，寻求投稿辅导代理，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。


期刊鉴别	论文检测	免费论文	特惠期刊	学术答疑	发表流程

搜索

工程机械故障诊断技术的研究现状与发展趋势(2)