久久精品内射成人特黄-亚洲国产精品美日韩久久-一区二区三区日韩高清-1024你懂的视频在线

基于組合式智能預(yù)測的提升機故障診斷策略研究

1  引言

在人類自身的思維過程中，邏輯思維、經(jīng)驗思維和創(chuàng)造性思維是確一不可的，并且非常巧妙地相互結(jié)合成一個有機的整體。
在日常智能活動中，最常發(fā)生的思維形式是經(jīng)驗思維。這是一種潛層次的思維形式，即根據(jù)以往成功的實踐經(jīng)驗，把已經(jīng)成功處理過的問題劃分為幾種典型的模式，一旦遇到這些模式相同或相近的實際問題，就照以往的經(jīng)驗來處理，故障診斷也不例外。因此，這類思維的實質(zhì)就是模式識別。
當(dāng)遇到經(jīng)驗思維解決不了的實際問題時，通常就要轉(zhuǎn)向更深層次的邏輯思維，如果遇到邏輯思維也解決不了的新的復(fù)雜問題，又需要轉(zhuǎn)向創(chuàng)造性思維，通過提出新的假設(shè)，然后經(jīng)過檢驗來發(fā)現(xiàn)新的理論和新的解決實際問題的方法。
近幾年來，故障診斷理論與實踐的發(fā)展已經(jīng)證明，對于復(fù)雜系統(tǒng)和過程，任何單一的智能方法在信息處理、控制和故障預(yù)測的實際應(yīng)用中，都受到一定的局限，難以獲得理想的效果。解決這一問題的最有效辦法是將多種智能診斷方法結(jié)合使用，進行有效的融合與集成。這樣做的主要原因是，由于這些算法在不同的工作條件和不同的數(shù)據(jù)輸入下，具有不同的優(yōu)勢，利用各種方法之間所具有的互補性，在診斷的置信度上相互補充，以達到取長補短的目的。
基于上述理由，本文提出了集專家系統(tǒng)、模糊邏輯、神經(jīng)網(wǎng)絡(luò)和小波分析四種故障診斷技術(shù)與一體的組合式智能故障診斷方法，并能夠同時處理定性與定量信息。該診斷系統(tǒng)將人工智能的最新技術(shù)有機的融合，具有很強的通用性、適應(yīng)性、容錯性和易實現(xiàn)性，同時，其特有的圖形化模糊神經(jīng)網(wǎng)絡(luò)專家知識表達方式、分布式并行運行能力、迅速的推理及優(yōu)化和遠(yuǎn)程分析能力，使系統(tǒng)達到了較高的智能化水平。

2  系統(tǒng)的基本設(shè)計思想

總的設(shè)計思想可以通過下面的例子來描述:對某一個控制系統(tǒng)的認(rèn)識，可以有兩種情況，一種情況是認(rèn)識的人本身是這個系統(tǒng)的制造者，但不一定是系統(tǒng)的使用者。他熟悉系統(tǒng)各個部件的運作情況、執(zhí)行規(guī)律。這種人在描述系統(tǒng)規(guī)律、預(yù)見系統(tǒng)運行狀態(tài)時，可以從系統(tǒng)的物理規(guī)律出發(fā)，建立數(shù)學(xué)模型，然后通過計算機仿真結(jié)果來分析認(rèn)識系統(tǒng);另一種情況是認(rèn)識的人本身只是系統(tǒng)的使用者，他可能是一個好的使用者，這種人對系統(tǒng)的認(rèn)識不是來自數(shù)學(xué)模型，而是來自對系統(tǒng)長期使用的經(jīng)驗總結(jié)。這種方式恰恰體現(xiàn)了人的思維能力，如果將這種思維能力和系統(tǒng)的物理規(guī)律、數(shù)學(xué)模型有機地結(jié)合，將能夠更好、更靈活地表征系統(tǒng)各個狀態(tài)。而本文所設(shè)計的系統(tǒng)正是力圖在得到足夠好的專家知識的基礎(chǔ)上，依靠優(yōu)化學(xué)習(xí)，調(diào)整專家知識，調(diào)整推理結(jié)構(gòu)，并對系統(tǒng)運行狀態(tài)給出正確的判斷。

3  基本組成

本智能診斷系統(tǒng)包括了四種推理引擎和一個專家知識庫，如圖1 所示。四種推理引擎分別是:專家規(guī)則推理引擎、模糊邏輯推理引擎、遺傳神經(jīng)網(wǎng)絡(luò)推理引擎和小波網(wǎng)絡(luò)分析推理引擎?？梢詮南铝腥齻€方面來解釋系統(tǒng)構(gòu)成的科學(xué)性。

(1) 專家系統(tǒng)與模糊邏輯的知識處理，模擬的是人的經(jīng)驗思維和邏輯思維，人工神經(jīng)網(wǎng)絡(luò)的知識處理所模擬的是人的形象思維與創(chuàng)造性思維機制;在人類的自身思維過程中，經(jīng)驗思維、邏輯思維和創(chuàng)造性思維是缺一不可的，并且三者非常巧妙的互相結(jié)合而形成一個有機的整體。
(2) 模糊診斷是根據(jù)模糊集合征兆空間與故障狀態(tài)空間的某種影射關(guān)系，由征兆來來診斷故障。
(3) 由于神經(jīng)網(wǎng)絡(luò)具有原則上容錯、結(jié)構(gòu)拓?fù)?、魯棒、?lián)想、推測、記憶、自適應(yīng)、自學(xué)習(xí)、并行處理復(fù)雜模式的功能，使其能在實際中存在著大量的多故障、多過程、突發(fā)性故障、龐大復(fù)雜系統(tǒng)的檢測與診斷中發(fā)揮出較大作用。
(4) 小波變換具有的良好的時頻局部化特性和對信號自適應(yīng)變焦、多分辨率分析的能力，它不需要對象的數(shù)學(xué)模型，對輸入信號的要求較低，計算量也不大，可以進行在線實時故障檢測，靈敏度高，克服噪聲能力強，小波網(wǎng)絡(luò)具有對任意函數(shù)或信號有良好的逼近性能。
3.1 各部分的作用
(1) 人機接口
人機接口主要有輸入、輸出模塊和顯示模塊組成。輸入模塊提供輸入功能，使用戶或?qū)＜铱煞奖愕南蛑R庫添加知識，輸入人工排障指令、調(diào)用歷史數(shù)據(jù)庫中的數(shù)據(jù)指令、調(diào)用顯示模塊的指令和修改指令等。顯示模塊顯示相應(yīng)決策模塊的計算結(jié)果，或以文字說明，或以圖表顯示。
(2) 協(xié)調(diào)機構(gòu)
協(xié)調(diào)機構(gòu)是綜合故障診斷專家系統(tǒng)的關(guān)鍵部分，它起著承上啟下的作用，使綜合故障診斷專家系統(tǒng)各部分有條不紊的工作，充分發(fā)揮各部分作用。協(xié)調(diào)機構(gòu)由數(shù)據(jù)分類處理模塊、診斷結(jié)果匯總模塊和添加訓(xùn)練模塊組成，如圖2所示。

協(xié)調(diào)機構(gòu)主要負(fù)責(zé)將現(xiàn)場實時數(shù)據(jù)進行分類，然后將數(shù)據(jù)進行預(yù)處理，并將處理后的數(shù)據(jù)返回知識知識專家系統(tǒng)診斷模塊、模糊診斷模塊、模糊神經(jīng)網(wǎng)絡(luò)診斷模塊、小波分析診斷模塊，使各診斷模塊協(xié)調(diào)有序地工作，同時又把各個診斷模塊的診斷結(jié)果進行匯總?cè)诤?，利用M-ary理論，通過決策融合算法，得出最后的結(jié)論，并將結(jié)果送到相應(yīng)的顯示模塊進行顯示，大大提高了故障診斷的效率，以滿足實時性的要求。協(xié)調(diào)機構(gòu)利用協(xié)同計算機(自上而下)模式形成和模式識別相同的原理對現(xiàn)場實時數(shù)據(jù)進行預(yù)處理(數(shù)據(jù)去噪、數(shù)據(jù)修補等)，以保證送入各診斷模塊的初始數(shù)據(jù)準(zhǔn)確可靠，從而大大提高系統(tǒng)故障診斷的準(zhǔn)確率。在系統(tǒng)運行過程中，如果專家系統(tǒng)出現(xiàn)少量新知識、模糊神經(jīng)網(wǎng)絡(luò)出現(xiàn)新樣本、模糊診斷模塊出現(xiàn)新的模糊集、協(xié)同計算機網(wǎng)絡(luò)出現(xiàn)少量新模式、小波分析診斷模塊出現(xiàn)類似的新信號時，協(xié)調(diào)機構(gòu)負(fù)責(zé)新知識的添加、新診斷模塊的以及網(wǎng)絡(luò)的重新訓(xùn)練，不斷綜合與提高智能診斷系統(tǒng)的功能。當(dāng)出現(xiàn)大量新的知識樣本時，新知識添加和網(wǎng)絡(luò)訓(xùn)練就要由人工完成。
 
(3) 診斷推理模塊
組合智能故障診斷系統(tǒng)中，每個診斷模塊是針對不同類型的故障設(shè)計的，各診斷模塊的功能介紹如下:
專家系統(tǒng)推理模塊:專家系統(tǒng)推理模塊是一個完整的專家系統(tǒng)。它主要負(fù)責(zé)診斷確定性故障和簡單的不確定性故障，知識表示主要采用故障樹表達法，以充分發(fā)揮知識專家系統(tǒng)故障診斷的準(zhǔn)確性和快速性。
模糊邏輯推理模塊:系統(tǒng)的狀態(tài)有時是不明確的、不確定的，因此可以用模糊集來描述。通過采用模糊聚類分析將模糊集分為不同水平的子集，由此判別故障最可能屬于的子集。另一個有效的辦法是首先建立起故障與故障原因的模糊關(guān)系矩陣R，如果當(dāng)前故障的故障成因向量的模糊隸屬度為C(Charactoristic),則故障F(Fault)通過模糊合成加以確定。模糊診斷模塊是一種半定量方法，在表述知識和推理方面有獨到之處。因此，通常把模糊方法與其他方法結(jié)合，以期得到更好的結(jié)果。
模糊神經(jīng)網(wǎng)絡(luò)(FNN)推理模塊:FNN診斷模塊由若干子模塊組成，主要負(fù)責(zé)診斷復(fù)雜系統(tǒng)的不確定性故障及從未出現(xiàn)過的故障。每個子模塊是一個相對獨立的診斷單元，分別負(fù)責(zé)診斷提升機控制系統(tǒng)運行時某些部位的故障。為提高故障診斷的準(zhǔn)確率，每個子模塊設(shè)計成多級模糊神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)。每一級都采用輸入層、輸出層、模糊化層、模糊推理層、反模糊化層等5層結(jié)構(gòu)來學(xué)習(xí)變量間的模糊影射關(guān)系。
每個神經(jīng)網(wǎng)絡(luò)在學(xué)習(xí)階段，對所選擇的訓(xùn)練樣本進行學(xué)習(xí)和訓(xùn)練，在故障診斷時，模糊神經(jīng)網(wǎng)絡(luò)診斷子模塊，則對輸入到本級的數(shù)據(jù)進行智能判別，判別包括兩種情況:診斷輸出和拒絕輸出。假定在第n級模糊神經(jīng)網(wǎng)絡(luò)診斷子模塊，輸入樣本是恰當(dāng)?shù)模苡行У倪M行故障診斷。這些樣本在這級神經(jīng)網(wǎng)絡(luò)被成功地診斷出，其余的樣本由于特征不明顯或含糊不清，被拒絕診斷。被拒絕診斷的樣本則被送到下一級，則被送到下一級子模塊進行進一步診斷，每一級子模塊給出各自的診斷結(jié)果，整個模塊的拒絕診斷輸出由最后一級模糊神經(jīng)網(wǎng)絡(luò)子模塊給出，其對應(yīng)的樣本為新出現(xiàn)的樣本。在這種情況下，要么重新訓(xùn)練網(wǎng)絡(luò)，要么修改網(wǎng)絡(luò)結(jié)構(gòu)后再訓(xùn)練網(wǎng)絡(luò)。
小波分析診斷模塊:由于模糊神經(jīng)網(wǎng)絡(luò)的故障診斷模塊不能對所有的故障進行診斷，特別是某些信號難以判定。因此，在系統(tǒng)中加入了小波分析診斷模塊。在小波分析診斷模塊中采用了多種小波函數(shù)模塊，對信號進行層層過濾式識別來診斷故障。對不能識別出來的故障，再進一步選用或增加新的小波函數(shù)模塊來識別。
決策融合算法模塊:系統(tǒng)采用M-ARY理論對推理結(jié)果進行優(yōu)化，并且通過歷史數(shù)據(jù)分析和在線強化學(xué)習(xí)來調(diào)整專家知識調(diào)整推理結(jié)構(gòu)，能充分保證推理結(jié)果的準(zhǔn)確性。
總之，在故障診斷技術(shù)中，各種方法都有自己的優(yōu)點，但都不能解決所有的問題，由于診斷方法的多樣性和互補性，綜合性智能診斷系統(tǒng)的發(fā)展就成為必然的趨勢。

4  建立系統(tǒng)開發(fā)平臺結(jié)構(gòu)框架

在煤礦提升機故障智能診斷預(yù)報系統(tǒng)開發(fā)中，需要開發(fā)一個系統(tǒng)平臺來進行智能推理和專家知識的搭建。其設(shè)計思想是:將人類的思維能力、系統(tǒng)的物理規(guī)律和數(shù)學(xué)模型有機地結(jié)合，更好、更靈活地表征系統(tǒng)的各個狀態(tài)，力圖在得到足夠好的專家知識的基礎(chǔ)上，依靠優(yōu)化和學(xué)習(xí)，調(diào)整專家知識和推理結(jié)構(gòu)。系統(tǒng)將人工智能的最新技術(shù)有機的融合，具有很強的通用性、適應(yīng)性、容錯性及易實現(xiàn)性，同時，特有的圖形化模糊神經(jīng)網(wǎng)絡(luò)專家知識表達方式、分布式并行運行能力、迅速的推理及優(yōu)化和遠(yuǎn)程分析能力，使系統(tǒng)達到較高的智能化水平。系統(tǒng)的基本構(gòu)成如圖1所示。
提升機智能故障診斷系統(tǒng)的主要技術(shù)包括:智能化推理算法、數(shù)據(jù)處理器、圖形化模糊神經(jīng)網(wǎng)絡(luò)專家知識庫、綜合的動態(tài)聯(lián)接庫數(shù)據(jù)通訊模塊和計算機網(wǎng)絡(luò)技術(shù)。
(l) 智能化推理算法。
系統(tǒng)應(yīng)巧妙地將專家系統(tǒng)推理機、神經(jīng)網(wǎng)絡(luò)推理機、模糊邏輯推理機有機結(jié)合，并行運行，充分發(fā)揮各個推理算法的優(yōu)勢，并克服各自的不足，使智能推理法更加適用于多變量、多參數(shù)、多目標(biāo)及多過程的復(fù)雜系統(tǒng)。同時，系統(tǒng)應(yīng)采用M-ARY理論對推理結(jié)果進行優(yōu)化，并且通過歷史數(shù)據(jù)分析和在線強化學(xué)習(xí)來調(diào)整專家知識﹑調(diào)整推理結(jié)構(gòu)，能充分保證推理結(jié)果的準(zhǔn)確性。該系統(tǒng)是以專家系統(tǒng)、神經(jīng)網(wǎng)絡(luò)、模糊邏輯集成的組合型智能系統(tǒng)。專家系統(tǒng)與模糊邏輯模擬的是人的經(jīng)驗思維和邏輯思維，人工神經(jīng)網(wǎng)絡(luò)所模擬的則是人的形象思維與創(chuàng)造型思維機制，因此，這種組合型系統(tǒng)便構(gòu)成了理想的通用智能分析系統(tǒng)。
(2) 數(shù)據(jù)處理器的設(shè)計。
在特征數(shù)據(jù)提取過程中，可以進行數(shù)據(jù)的求和、求差、求積、對比、三角函數(shù)、微分等運算，模糊隸屬函數(shù)的自適應(yīng)調(diào)整使之具有較強的變工況和時變參數(shù)的處理能力。同時，為更好地解決數(shù)據(jù)的抗噪能力，系統(tǒng)采用模糊閾值對測量數(shù)據(jù)進行模糊化，保證了系統(tǒng)數(shù)據(jù)的抗干擾能力。
(3) 圖形化的模糊神經(jīng)網(wǎng)絡(luò)專家知識庫。
系統(tǒng)采用圖形化模糊神經(jīng)網(wǎng)絡(luò)專家知識表達方式，突破了共性知識和專家知識的學(xué)習(xí)、獲取、表達與利用的瓶頸問題，為解決智能化系統(tǒng)知識問題提供了一條嶄新的途徑。專家知識采用圖形化輸入方法，使代碼的編寫、調(diào)試和系統(tǒng)集成于一體，既節(jié)約了時間，也減少了人為出錯的可能性。系統(tǒng)有一個獨特地結(jié)構(gòu)用來方便地、遞增地收集和存儲專家知識，而不需要任何模型。這對于沒有數(shù)學(xué)模型存在的地方特別有用，它使用戶易于理解利用專家知識來解決實際問題的思路與方法。圖形化模糊神經(jīng)網(wǎng)絡(luò)專家知識庫具有分散式、容錯性、重點性、模糊性及原則上容錯、結(jié)構(gòu)拓?fù)洹Ⅳ敯?、?lián)想、推測、記憶、自適應(yīng)、自學(xué)習(xí)、并行處理復(fù)雜模式等特點和功能。
(4) 綜合地動態(tài)聯(lián)接庫數(shù)據(jù)通訊模塊。通訊地整體結(jié)構(gòu)按分布式設(shè)計，分為兩個層次:一方面，通訊模塊與推理機之間采用客戶機/服務(wù)器的方式，采用TCP/IP協(xié)議，數(shù)據(jù)通訊服務(wù)器一旦設(shè)置好，就始終處于運行狀態(tài)，推理機一旦需要申請數(shù)據(jù)，就向數(shù)據(jù)通訊模塊提出數(shù)據(jù)請求表，數(shù)據(jù)通訊模塊根據(jù)綜合各個推理機地數(shù)據(jù)請求表向相應(yīng)的對象提出數(shù)據(jù)請求，再將從對象得到數(shù)據(jù)分配給各推理機;另一方面，數(shù)據(jù)通訊模塊與特定對象之間采用調(diào)用動態(tài)聯(lián)接庫地辦法進行通訊，針對不同的對象調(diào)用不同的動態(tài)聯(lián)接庫就可以實現(xiàn)數(shù)據(jù)通訊。

5  結(jié)束語

組合智能故障診斷方法具有適應(yīng)能力強、速度快、預(yù)測精度高的特點。我們利用該診斷法開發(fā)了礦井提升機智能故障診斷預(yù)報系統(tǒng)，實際應(yīng)用表明，該系統(tǒng)各項性能指標(biāo)均滿足要求，取得了顯著的經(jīng)濟效益和社會效益，具有良好的應(yīng)用前景。