液压故障智能诊断与监测.docVIP

液压故障的智能诊断与监测 第1节 液压故障智能诊断概述 智能诊断是人工智能（artificial intelligence）技术在设备故障诊断领域中的应用，它是计算机技术和故障诊断技术相互结合与发展进步的结果。智能诊断的本质特点是模拟人脑的机能，有效地获取、传递、处理、再生和利用故障信息，成功地识别和预测诊断对象的状态。在液压技术领域，智能诊断的对象主要是：构成与控制机理复杂的液压系统、连续运行的液压系统、高精度与高可靠性的液压系统等，其故障的多样性、突发型、成因的复杂性、危害的严重性等使得仅靠人工诊断难以及时顺利地完成。液压泵与伺服阀等关键元件，因其重要性和复杂的故障机理也是智能诊断的主要对象。 1.1 液压系统及故障智能诊断的意义 液压装置对污染等干扰因素敏感，易产生故障。设备故障或劣化直接影响或威胁正常生产，它往往造成全线停机或产生次品。液压系统是结构复杂的机、电、液综合系统，具有机液耦合、时变性和非线性等特性。液压系统故障的发生具有一定的随机性。故障的多样性、因果关系的复杂性、故障诊断对领域专家经验的依赖性等是液压故障的重要特点，智能诊断系统日益显示出它的重要性和不可替代性。 在当代科技条件下，液压故障诊断智能系统具有以下优越性： 能根据现有的和可测得的液压件有关参数与症状得出故障原因（找出症状可能原因中的真正原因并指出其存在可能性的大小）、故障性质、严重程度，解释故障机理。 做到定性分析与定量分析相结合。 能提示出液压件故障对应的特征信息。 能根据历史数据及液压件现状预测其磨损劣化趋势与使用寿命。 具有友好的人机界面，能与诊断人员顺利进行信息交流。 具有良好的知识获取与自学习能力，便于维护和扩充，并能根据诊断误差自动修改诊断模型。 总而言之，智能诊断可在故障诊断过程中起提示、引导、参考、咨询、解释、纠正错误、数据统计、资料整理等作用。 1.2 智能诊断的主要方式 智能诊断的一个分支是专家系统（expert system）。专家系统以其知识的永久性、共享性和易于编辑等特点得到人们的普遍重视和利用。20世纪80年代以来，专家系统的研究和应用迅猛发展，是人工智能走向实际应用的重大突破。特别是在产生式专家系统中，知识是用规则显式地表达的，这种知识通常是系统性、理论性较强的逻辑知识，因此求解结果可靠性高。由于知识是显式的，具有很好的解释能力。然而专家系统的发展遇到了知识获取的“瓶颈”、“窄台阶”等困难，其支持能力受到较大的限制。 以非线性大规模连续时间模拟并行分布处理为主流的神经网络理论为人工智能的发展开避了一条崭新的途径。人工神经网络（artificial neural net）是利用神经网络所具有的容错能力、学习功能、联想记忆功能、分布式并行信息处理较好地解决了传统方法在知识表示、获取和并行推理等问题上的“瓶颈”问题。特别人工神经网络不需要事先组织大量产生式规则，也不需要进行树有哪些信誉好的足球投注网站，使系统开发周期大大减少并提高了求解速度。 专家系统和神经网络是当前研究人工智能的两种主要方法。 此外，智能诊断还与系统辨识、模式识别、模糊理论、灰色系统理论等密切相关。 系统辨识是用系统的输入输出数据所提供的信息来建立系统的数学模型。液压系统的动态特性都反映在其输入输出数据中，所以用系统辨识方法所获得的模型能较准确地反映系统的实际状况。 模式识别是指识别出给定物体所模仿的标本。人工智能所研究的模式识别是指用计算机代替人类或帮助人类感知模式，是对人类感知外界功能的模拟。计算机模式识别系统具有接受外界信息、识别和理解对象的能力。模式识别是常用的故障诊断方式。 模糊诊断一般采用的诊断原则有最大隶属度原则、阈值原则、择近原则等。模糊逻辑理论和神经网络技术在知识表示、知识存贮、推理速度及克服知识窄台效应等方面起到了很大的作用，其中模糊逻辑主要模仿人脑的逻辑思维，具有较强的结构性知识表达能力；神经网络模仿人脑神经元的功能，具有强大的自学习能力和数据的直接处理能力。因此有必要将两者结合起来形成模糊神经网络。模糊理论、神经网络相结合的轧机液压AGC故障智能诊断系统的结构形式、学习算法及其应用，所开发的系统的基本结构如图1所示。 图1 液压AGC智能诊断的一种结构 液压故障的灰色诊断可通过灰色关联度分析的途径来实现，这是一种整体的比较方法，它是灰色系统理论分析和随机量处理的一种方法，也是一种从数据到数据的映射。 1.3 智能诊断的发展前景展望 （1）诊断系统的不断完善 智能诊断系统存在一些局限性，人们正积极寻找解决这些局限性的方法，包括采取机器学习的方法解决知识获取的瓶颈问题；在浅层知识的基础上增加深层知识，以增强系统的适应性和强壮性；采取多种知识表示方法及多种求解策略来改进系统的灵活性；采取并行处理和分布式系统结构来