（机械制造及其自动化专业论文）基于粗集论和支持向量机提高诊断精度的理论与方法研究.pdf

东南大学博士学位论文中英文摘要 摘要 题名：基于粗集论和支持向量机提高诊断精度的理论与方法研究 研究生姓名：凌维业 导师姓名：钟秉林教授 学校名称：东南大学 关键设备故障诊断是一项复杂的任务，诊断精度是评价机器故障诊断系统性能的一个重要指标，也 是影响诊断系统发展和应用的主要因素。本文围绕着如何基于粗糙集理论( r s t ) 和支持向量机( s v m ) 提高 故障诊断系统的诊断精度问题展开了理论和应用方面的研究和探讨。论文主要内容如下： 传统的p a w l a k 粗糙集模型常常受到噪音问题、有效知识获取算法和不确定性知识评价等问题的蚓 扰，本文根据变精度粗糙集模型的原理和基于知识的诊断专家系统特点重新确定规则强度的定义和不 确定性知识评价方法，提出了故障诊断中基于变精度粗糙集模型的知识获取算法，有效地改善了专家系 统知识获取的质量，提高了系统诊断的准确性和性能。同时，本文针对神经网络诊断的一些局限性，结 合粗糙集理论善于处理不完整数据的特点，提出了使用粗糙集理论优化神经网络故障诊断模型( r n n ) 的基本策略，通过对神经网络的优化，提高粗糙集神经网络模型诊断的准确率。 最优分类面对s v m 分类精度的影响很大，本文有机地融台了s v i t 算法和非参数模式识别方法，将它 们应用于最优分类面附近的可疑区域的分类研究中。定义了样本集中的正例支持向量和反例支持向量的 代表点，研究了原始空间样本x , y 在核函数女肛，一映射下在特征空间中的五y 映象之间的度量和特征函数， 并给出了相关的定理及证明。探讨了最近邻判别法则的分类原理，给出了n n s v m ( n e a r e s t n e 瞳h b o r - s u p p o n v e c t o rm a c h i n e ) 算法的基本瓯理，提出了对样本糙确分类的n n s v k l 算法。本文分析了s v m 传统的1 - a r 多分类算法和l - a 1 多分类算法的优缺点，结合故障诊断领域多故障诊断的特点，给出了基于s v m 的多 分类算法故障诊断策略，建立了基于s v m 的多故障诊断模型，提高了s v m 对多故障诊断的识别率。 本文采用故障样本仿真数据、实验台数据和工程实际数据对r s t 、对q n 和i x s , s v m 等提高诊断精度方 法进行了验证，比较了各种方法的差异，指出了它们的应用环境利发展趋势等。 适应大型机组远程监视诊断的需要，同时根据8 6 3 计划研究项目的实际情况，开发了基于w e b 技术 的远程监测诊断系统( w f d 8 0 2 系统) 。本文研究了分布式设备远程监视诊断系统的体系结构，介绍了 w f d 8 0 2 系统，并给出该系统的现场应用实例。 关键词：粗糙集理论、神经网络、支持向量机、远程诊断、分类算法 $ 国家高技术研究发展计划( 8 6 3 计划) 资助项目( n o2 0 0 i a a 4 2 3 2 4 0 ) 国家自然科学基金资助项目( n o5 9 9 0 5 0 0 5 ) 东南大学博士学位论文 中英文摘要 a b s t r a c t r e s e a r c ho nt h e o r ya n dm e t h o df o ri m p r o v i n gf a u l t d i a g n o s i sa c c u r a c yb a s e do nr o u g hs e tt h e o r y a n ds u p p o r tv e c t o rm a c h i n e b yl i n g w e i y e s u p e r v i s e db yp r o f z h o n gb i n g l i n s o u t h e a s tu n i v e r s i t y k e ye q u i p m e n tf a u l td i a g n o s i s i sa c o m p l i c a t e dt a s kd i a g n o s i sa c c u r a c y i sa n i m p o r t a n ti n d e xf o r e v a l u a t i n gt h ep e r f o r m a n c e so faf a t d td i a g n o s i ss y s t e m ，a n di t i sam a i nf a c t o rt oa f f e c td i a g n o s i ss y s t e m d e v e l o p m e n ta n da p p l i c a t i o n f r o mt h ev i e w p o i n to ft h e o r ya n da p p l i c a t i o n ，t h i sd i s s e r t a t i o nc o n c e n t r a t e so n t h er e s e a r c ha n dd i s c u s s i o no f b o w t oi m p r o v ed i a g n o s i sp r e c i s i o nb a s e do nr o u g hs e tt h e o r y ( r s t ) a n d s u p p o r t v e c t o rm a c h i n e ( s v m ) t h em a i nc o n t e n t sc a nb es u m m a r i z e da sf o l l o w s ： c o n v e n t i o n a lt h ep a w l a kr o u g hs e tm o d e li sf a c e dw i t hp r o b l e l n so fn o i s e ，h i g he f f e c t i v ek n o w l e d g e a c q u i s i t i o na l g o r i t h ma n du n c e r t a i nk n o w l e d g ee v a l u a t i o n i nt i f f sd i s s e r t a t i o n ，ar o l es t r e n g t hi sn e w l yd e f i n e d ， a n dam e t h o do fu n c e r t a i nk n o w l e d g ee v a l u a t i o ni s p r o p o s e db a s e do nt h ep r i n c i p l e so ft b ev a r i a b l e p r e c i s i o n r o u g hs e t m o d e la n dt h ec h a r a c t e r so fr u l e b a s e d e x p e r ts y s t e m s ah i g h e f f e c t i v e k n o w l e d g ea c q u i s i t i o n a l g o r i t h mi nf a u l td i a g n o s i sf i e l do nt h eb a s i so fv a r i a b l e p r e c i s i o nr o u g hs e tm o d e li sp r e s e n t e d t h ea l g o r i t h m p r o p o s e dc a na m e l i o r a t et h eq u a l i t yo fk n o w l e d g ea c q u i s i t i o na n de n h a n c ed i a g n o s i ss y s t e ma c c u r a c ya n d p e r f o r m a n c e t h ea s s o c i a t i o nd e f i c i e n c yo fn e u r a ln e t w o r kr e s t r i c t si t sf u r t h e ra p p l i c a t i o ni np a t t e r nr e c o g n i t i o n w h e r e a sr s ti se x c e l l e n ti np r o c e s s i n gs m a l li n c o m p l e t es a m p l ed a t a b a s e do nt h em e t h o da b o v e ，t h eb a s i c o p t i m i z i n gs t r a t e g yo fr sn e u r a ln e t w o r k ( r n n ) f a u l td i a g n o s i si s a l s op r o v i d e d a d o p t i n gt h i ss t r a t e g y , a n o p t i m i z e dn m n a ln e t w o r km o d e li se s t a b l i s h e da n db e t t e rd i a g n o s i sa c c u r a c yi sa c h i e v e d i na l l u s i o nt ot h ee f f e c t so ft h es v mb e s t c l a s s i f y i n g s u r f a c e s v ma l g o r i t h ma n d0 0 0 - p a r a m e t e r i d e n t i f y i n gm e t h o da r ee m p l o y e dt oi d e n t i f yt h es a m p l e si nn e a r b yd o u b t f u la r e ao ft h es v m b e s tc l a s s i f y i n g s u r f a c e ，t h er e p r e s e n t a t i v ep o i n t so f p o s i t i v ec a s es u p p o r tv e c t o r sa n dn e g a t i v ec a s es u p p o r tv e c t o r si ns a m p l e s e ta r ed e f i n e d ，t h em e a s u r ea n de i g e n f u n c t i o nb e t w e e ns a m p l eza n dya l l u s i v e n e s sf r o mi n i t i a ls p a c et oe i g e n s p a c eu n d e rak e r n e lf u n c t i o n 肛，砂a r el e s e a r c h e d ，a n dac o r r e l a t i v et h e o r e mw i t hd e m o n s t r a t i o ni sg i v e n t h e c l a s s i f i c a t i o n t h e o r yo fn e a r e s tn e i g h b o rp r i n c i p l ei s a l s od i s c u s s e d ，t h eb a s i ct h e o r yo fn n s v m ( n e a r e s t n e t 曲b o r - s u p p o r tv e c t o rm a c h i n e ) a l g o r i t h l ni sb r o u g h tf o r w a r d ，a n dam o r ep r e c i s ec l a s s i f y i n gn n s v m a l g o r i t h mi sp r e s e n t e d t h es t r o n g p o i n t sa n ds h o r t p o i n t so f t r a d i t i o n a l1 a - i ( o n ea g a i n s to n e ) a n d1 一a r ( o n e a g a i n s tr e s t ) m u l t i c l a s s i f y i n ga l g o r i t h mo fs v m a r ea n a l y z e d a c c o r d i n gt ot h ec h a r a c t e r i s t i co fm u l t i f a u l t d i a g n o s i s 。m u l t i f a u l td i a g n o s i ss t r a t e g y b a s e do ns v mm u l t i c l a s s i f y i n g a l g o r i t h m i s p r o p o s e d ，a n d a m u l t i f a u l td i a g n o s i sm o d e li se s t a b l i s h e d ，a tt h es a m et i m e ，t h es v mm t d t i f a u l ts o l u t i o ni sa m e l i o r a t e d t h e m e t h o d so fr st ，r n na n dn n s v mf o ri m p r o v i n gd i a g n o s i sa c c u r a c ya r ev a l i d a t e db yt h es i m u l a t i o nd a t a ， e x p e r i m e n t a l d a t aa n dp r a c t i c a l e n g i n e e r i n gd a t a t h ec o m p a r i s o n sa m o n gt h e s em e t h o d si nf a u l tp a t t e r n i d e n t i f y i n ga r em a d e ，a n dt h e i ra p p l y i n gc o n d i t i o n sa n dd e v e l o p i n gt r e n d sa n ds oo na r ep o i n t e do u ti nt h i s d i s s e r t a t i o n t om e e tt h er e q u i r e m e n to f e q u i p m e n tr e m o t ec o n d i t i o nm o n i t o r i n ga n d f a u l td i a g n o s i s ，a c c o r d i n gt ot h e p r a c t i c a lc o n d i t i o n so ft h e8 6 3p r o j e c ti t e m ，t h ew e b b a s e dr e n l o t ec o n d i t i o nm o n i t o r i n ga n df a u l td i a g n o s i s s y s t e m ( w f d 8 0 2s y s t e m ) w a sd e v e l o p e d t h es y s t e ma r c h i t e c t u r eo fr e m o t ed i s t r i b u t e dm a c h i n ec o n d i t i o n m o n i t o r i n ga n d f a u l t d i a g n o s i ss y s t e m i s i n v e s t i g a t e d ，t h ew f d 9 0 2s y s t e m a n di t s p r a c t i c a la p p l i c a t i o n e x a m p l ei nt h ep l a n ta r ei l l u s t r a t e da sw e l l k e yw o r d s ：r o u g h s e t t h e o r y ，n e u r a ln e t w o r k 、s u p p o t i c v e c t o rm a c h i n e ，r e m o t ef a u l t d i a g n o s i s c l a s s i f y i n ga l g o r i t h m 东南大学学位论文猿毹性声明 本人声髑所莹交的学位论文怒我个人在导师指导下避行瀚研究工作及联得的研究成 渠。尽我所知，除了文中特别加以掾注和致谢静她方外，论文中不包含箕他人已经发裘 或撰麓过豹研究藏巢，也不包含为获褥东南大学藏其它教育毒死掏瀚学位或证书而使角过 瓣材鞲。与我霸王l 擘黥潜志刘本研究嚣梭爨勺经褥囊黻均已在论文中佟了翳确钓说磺并 表示了澎惑。 研究生签名；她嚣麓：础。 东南大学学位论文使用授权声明 东露大学、中匿零 学技术信惑磺究所、雹家露书镶蠢投骤警本人所遴交学位论文| l | 冬 复印件和媳子文档，可以采用影印、缩印或其他复制手段保存论文。本人电子文档的内 蜜和纸质论文纳嚏客楣致。除在保密期内的保密论文外，允许论文被鸯蹋秘璐阕，可 以公稚( 包括刊登) 论文的全部或部分内容。论文的公布( 包括：冈登) 授权东南大学研 究生院办理。 磷究生签名：= ! 是雅。吏导筛签名： 翻期：纠。譬彩 第一章绪论 1 1 课题的意义 第一章绪论 机械故障诊断技术是一门多学科综合的技术，其目的是及时发现设各的异常和故障，掌握设备 的运行状况，通过对故障分析诊断，判断故障部位和原因，及早地发现和预防故障的产生，使所使 用的设备最大限度地为企业和社会创造更多的价值。 一些大型机械设备，如电力部门的汽轮发电机组，石化、冶金、钢铁等部门的高速离心压缩机 组等，是现代化连续大生产系统中的关键设备，这些设备运行的可靠性和安全性将直接影响生产的 顺利进行，一旦发生故障，尤其一些灾难性的故障，将给企业和国家带来巨大的经济损失。人们逐 渐认识到对大型旋转机械等核心设备进行工况监视和故障诊断的重要| 生，上个世纪七十年代末期以 来，国外大型旋转机械的状态监测和故障诊断技术进入了实用化阶段，相关的设备监测和诊断系统 层出不穷，产生了显著的经济效益和社会效茄，如日本新e t 铁公司采用基于状态监测的预知维修技 术后，每年的技术维修费用降低1 0 ，获纯利2 0 0 亿日元。我国自上个世纪八十年代以来，各个人 型企业、科研院校也开始深入开展了这一方面的研究： 作，并取得了良好的效果”“j 。 现在的最各越来越复杂、自动化程度越来越高。一方面一些大型设备在出厂时大都预装各类 传感器，配备有监测系统，如美国的h p 、b e n t l y 、e n t e k ，丹麦的b & k 公司生产的d d m 、t d m 等； 但是在工程应用中，许多厂家并不满足于仪器设备一般监视功能，更需要的是针对实际设备在运行 过程中的运行特性变化进行精确分析诊断，以提高设备运行的可靠性和诊断的针对性。另一方面， 由于机械设备系统往往是一个较强非线性的复杂系统，故障的表现形式多种多样，引起故障的原因 很多，故障原因与表现征兆问不存在明确的一一对应关系，而且各故障之间往往存在极为复杂的耦 台关系，使得故障诊断难度相当巨火。机器发生故障时，诊断系统诊断的结果通常是处理故障和产 生维修决策的主要依据，如果系统诊断错误，轻者赢接造成机器维修检测失误，重者则会造成机毁 人亡，产生重大的经济和社会后果。诊断精度是评价机器设备故障诊断系统性能的一个重要指标， 也是影响诊断系统发展和应用的主要因素，因此提高诊断系统的诊断精度和诊断性能具有着重大的 理论意义和现实意义。 在智能故障诊断专家系统中，知识获取问题一直是瓶颈问题。故障诊断专家系统所存储的诊断 知识库的数量和质量直接影响其诊断的精确性和可信度，传统基于知识的专家系统的知识获取都是 通过知识工程师与领域工程师进行对话交流，将领域t 程师的经验知识总结为规则存放到专家系统 的知识库中。这种间接的知识获取方式十分费时费力，而且由于受到人们对故障机理认知程度的限 制，任何领域t 程师或者诊断专家都只能知道诊断对象的部分知识，这在一定程度上使得传统基于 知识的诊断方法陷入困境。从设备运行的故障数据中获取诊断知识，是故障诊断专家系统知识获取 的一条有效途径，当今，如何从故障样本中获取知识来丰富诊断知识库、提高专家系统的诊断准确 率是基于知识的诊断系统在应用中需要解决的个难题。 本沧文将以粗糙集理论p “2 】( r o u g hs e t t h e o r y ，r s t h e o r y ) ( 简称粗集论，r s 理论或r s t ) 、 支持向茸机“( s u p p o r t v e c t o r m a c h i n e ，s v m ) 作为主要工具，探讨平解决这些理论在故障诊断 领域应用中的知识获取、模式识别等一些关键问题，以便提高故障诊断系统的诊断精度、诊断效率 耵l 可靠性。同时，为适应设备网络化监测和远程诊断技术发展的需要，本文还研究分布式没备远程 监视诊断系统的体系结构，开发了基于w e b 技术的网络监视与分析故障诊断系统。本论文研究的 开展，不仅有助于一些故障诊断理论问题的解决，同时也助于故障诊断技术理论方法的研究与发展。 因此本论文开展的研究具有重要的理论意义和实用价值。 东南大学博士学位论文 1 2 机械故障诊断技术的研究现状及存在问题 机械设备故障诊断技术起源于1 9 世纪，当列机械设备的技术水平和复杂程度都很低，因此主要 采用事后维修方式；进入2 0 世纪后，随着大工业大生产的发展，设备的技术复杂程度有了大幅度的 提高，设备故障或事故对生产的影响显著增加，在这种情况r 山现，定期预防维修方式，故障诊断 技术处于孕育时期；从2 0 世纪6 0 年代开始，随着传感器技术，电子技术和信号处理技术的发展， 出现了歪科学的按设备状态维修的维修方式；8 0 年代以后，人工智能技术迅猛发展，并在实际秽 中得到应用，使设备诊断技术达到了智能程度：到9 0 年代，计算机硬件、软件以及网络技术逐渐发 展和成熟，为远程故障诊断的实现提供了技术基础，人们开始这方面的研究和开发工作。 1 2 1 智能诊断技术的发展及现状 随着知识工程、专家系统和人： 神经网络等技术在诊断领域中的进一步应用，许多专家学者对 智能诊断问题进行了更加深入与系统地研究。所谓诊断系统的智能就是诊断系统可以有效地获取、 传递、处理和利用诊断信息，从而具有对给定环境下的诊断对象进行状态识别和状态预测的能力。 传统研究工作主要从两个方面展开：基于知识的智能故障诊断技术的研究和基于行为的智能故障诊 断技术的研究，但是传统的智能诊断技术在理论、方法及实际应用中依然存在着一些问题需要解决。 1 基于知识的诊断专家系统的研究现状 基于知识的智能故障诊断技术是设备诊断领域中研究最多、应用最广的一类智能诊断技术。基 于知识的人j _ = 智能方法采用“自上而下( t o p d o w n ) ”的研究策略，在诊断时表现为：首先从整体 上判断是否有故障发生，再深入地分析具体是哪个故障。它经历了砥个发展阶段：基于人类专家经 验知识的第一代故障诊断专家系统和基于诊断对象模型知识的第二代故障诊断专家系统。 ( 1 ) 第一代基于知识的故障诊断专家系统 第一代基于知识的故障诊断专家系统是根据专家系统的知识处理技术、知识构造原理构建起来 的。在系统诊断的前期，通常需要由领域专家归纳、总结自己在长期的生产实践中所积累起来的关 于该诊断对象的经验知识，知识工程师通过与领域专家交流，获取领域专家的诊断知识，采用台适 的表达方式，将知识转换为计算机能够识别和便于处理的格式，存贮到计算机的硬盘空间里，形成 故障诊断专家系统的诊断知识库。在诊断专家系统进行诊断时，诊断系统以机组运行数据为基础， 获取数据的某些故障征兆，按照一定的推理方式，由推理机调用知识库中的诊断知识，模仿人类的 逻辑推理过程，通过设备征兆与诊断知识的匹配乖i 推断，最终得出诊断结果并返回给用户。 故障诊断专家系统的诊断知识包括两个方面内容：一是表示故障与征兆之间的因果关系的语义 知识，通常以i f ，t h e n的形式表示；二是反映故障与征兆之间因果关系依赖程度的数值性知 识( 如规则置信度、规则强度等) ，通常标准化到 0 ，1 之间的某个值。 第一代基于知识的故障诊断专家系统具有知识表达明显直观、知识格式统、功能模块易于扩 展、推理逻辑一 生强、知识库构建和管理方便等优点，但是它也有一些缺点，如知识集不完备”，知 识覆盖面有限、知识获取困难蛆及规则对殴备的依赖性较强等问题，使得专家系统的诊断精度受到 很大影响。 ( 2 ) 第二代基于知识的故障诊断专家系统 第二代基丁知识的故障诊断专家系统是基于深知识( 模型知识) 的赦障诊断专家系统，基于深 知识的诊断方法是基于珍断对象的故障元件的假设，它要求诊断对象每个环节都有明确的输入输出 关系，在诊断时，通过观察诊断对象的期望输山与实际输出之间的差异，生成最小冲突集，然后根 据诊断对象的领域知识，确定渗断对象内部的约束关系，按照某种算法，找出诊断对象的故障根源。 由于深知识刻画了专门领域内原理性和功能性的知识，更加深刻地了解领域对象和对象之间的 相互作用t ”“，因此基于深知识的诊断方法比基丁浅知识的诊断方法具有更多的优势，比如理论性 较强，知识获取方便，知识库的维护简单，但是基于深知识的诊断搜索的空间大，推理效率低，尤 其对复杂机器，模型的建模困难，诊断过程的计算量大，而且模型的适用性差，针对不同具体机组， 2 第一章绪论 很可能需要建立不同的模型。 针对第代、第二代基于知识的诊断专家系统各自的优缺点，产生了基于深、浅知识混合的诊 断专家系统。此类专家系统的诊断过程是：先由浅层推理进行初步诊断，再由深层诊断对初始的诊 断结果进彳j = 确认，深层推理可以支持或否定初始的诊断假i ! 乏，最后得出诊断结论，并对推理过程给 出明确的解释【1 。1 。 ( 3 ) 基于知识的诊断专家系统优缺点d 5 - 2 0 1 综上所述，基于知识的诊断专家系统主要有以下儿个优点： 适合用于模拟人的逻辑思维过程，解决需要进行逻辑推理的复杂诊断问题； 知识阁显式符号表示，在已知基本规则的情况下，就无需输入大量的细h 知识； 便于模块化，当个别事实发生变化时易于修改： 能与传统的符号数据库进行接口； 具有解释推理的能力。 目前，基于知识的诊断专家系统已经出现了许多成熟的商业软件，并且在工程实践中已经得到 了较为广泛的应用，但是，从应用的效果来看，它也存在f 】：多明显的局限性，主要表现在以f 几个 方面： 知识获取问题。基于知识的诊断专家系统主要依靠知识j ：程师与领域专家的对晒与交流进行 人： 移植，由于受到领域专家自身可能存在的知识局限性影响，从而使专家系统难以建立一个 准确完备的诊断知识库，同时，由于知识表达、知识冲突等问题的存在，可能会导致专家系统 推理过程混乱，甚至会得出错误的结论； 白适廊能力差。基于知识的诊断专家系统仅能局限于现有的知识进行推理，当超出系统所拥 有的专业领域知识时，即使是有些微的偏差，诊断系统也不会得 合理的结论，甚至也会僻出 错误的结论： 学习能力差。专家系统不会在运行过程中从诊断成败中吸取经验教训j ，也更不会从诊断的实 例中自动学习新的知识、修正并更新原有知识库中的知识，因此诊断专家系统对环境的适应能 力很差，智能水平低，更缺乏自组织、自学习、联想记忆和类比推理等功能； 推理方式与策略不灵活，缺乏适应性，易产生“组合爆炸”、“无穷递归”等问题： 对结构性很差的知识难以表达和处理； 实时在线诊断性能差。专家系统在诊断时需要同答大量的问题，使得系统的诊断效率很低。 2 基于行为的智能诊断技术的研究现状 基于机器运行行为的智能故障诊断方法起源于b r o o k s 的行为主义智能“1 ，但又不同丁b r o o k s 的无须表示、无须推理的智能观。良好的知识表示和有效的推理方法是实现基于行为的故障诊断 ( b e h a v i o r - b a s e df a u l td i a g n o s i s ，b f d ) 的基本保证。 基于行为的智能诊断是从设备的实际运行状态出发，从其工况的状态变化去判断状态的属性。 系统住运行过程中，通过与实际设备运行行为的交互，能够不断提高自身的智能行为，使系统从初 级诊断能力的简单系统发展为一个逐步具有高智能的针对莱一嗬定殴备的专用诊断系统。本研究室 于1 9 9 6 年提出了b f d i l o , 其基本手段基本上是采崩了神经网络的方法，由多个子模块构成一个“松 散的联邦”，各个子模块组成相对独立的功能单元，完成故障诊断任务的一些基本功能，如识别设备 i _ 况的正常或异常、识别某一特定的故障等。从结构上讲，整个诊断系统构成了一个模块化的神经 网络，其结构是动态可变的，于神经网络模块的数目完全取决于实际设备的运行行为，随着设备运 行时问的加睦，出现的故障类别逐渐增多，能够自动地添加相应数量的新子神经网络模块，实现系 统诊断能力的自我提高，使系统实现对设备出现过的故障的诊断。 基于机器运行行为的智能故障诊断的发展得懿于人工神经网络的产生和发展。从二十世纪8 0 年 代中期开始，由于理论上获得突破，世界上再次掀起人丁神经网络的研究与应用热潮，人 神经网 络具有强大的学习能力，能从样本中学习、获取知识；易于实现并行计算，从而可提高运算速度； 对带有噪声戏缺损的输入信息有很强的适应能力；对于背确定性、不完全确定知识具有很强的处理 能力，可以实现分类决策、联想记忆、自纽纠学习弥补了专家系统在知识获取等方面的不足。人 t 神经网络技术以其高度的并行分布式处理、容错、联想、推测、记忆、自适应、自学习以及极强 东南大学博士学位论文 的非线性映射能力，给机械设备故障诊断领域带来了新的活力。 在基于行为的智能诊断方法里，每个故障诊断模块的性能用i 系统的诊断策略直接决定整个诊断 系统的精度。对丁基于行为的智自诊断技术的研究，本研究室已经作出了一些创造性的1 作，取得 一定的成果，但是，随着各门学科的发展羊对诊断技术的不断深入研究，原来基于行为的智能诊断 方法所采用的基本手段神经网络，在实际应用中开始显现它的一些缺点，因此有必要从基本的 珍断手段入手，对其深层诊断理论和方法进行深入探索，才有利于基1 - 行为的智能诊断方法的发展 和完蔷。 1 2 2 远程诊断的发展及现状 远程故障诊断技术的研究工作最早是从医学领域开始的。当初远程医疗系统一般采用基于网络 的客户，服务器系统模型，在网络上p c 机之间通过s o c k e t 进行连接，并由这些p c 机提供系统所需 要的并种服务，用户之间通过远程调用实现所需操作p 。”j 。远程医疗诊断采用的系统体系结构、信 息传输方法和异地专家会诊组织、实现形式等都可为远程设备诊断所采用和借鉴。 1 9 9 7 年1 月，首届基于因特网的工业远程诊断研讨会由斯坦福大学和麻省理工学院联合主办。 会议主要讨论了远程诊断系统连接开放式体系、诊断信息规程、传输协议，以及对用户的台法限制， 并对来来技术发展作了展望。许多国际组织或研究机构，如m i m o s a 、m f t p 、c o m a d e m 、v i b r a t i o n i n s t i t u t e 等，纷纷通过网络进行设备故障诊断咨询和技术推广工作，并制定了一些信息交换格式和标 准。许多大公司在他们的产品中也加入了冈特网功能，如b e n t l y 公司的计算机在线设备运行状态 监测系统d a t am a n a g e r2 0 0 0 ，可以通过网络动态数据交换的方式向远程终端发送设备运行状态“。 在国内，许多公司和高校也在向国外先进水平看齐，己经开始从事工业领域的基于网络的远程诊断 研究丁作 2 6 - 3 1 】。近年来，各种远程诊断系统得到较大发展，基丁_ 多代理( m u l t i a g e n t b a s e d ) 技术的 智能诊断是适应异构诊断系统集成和诊断信息共享而发展起来的一门技术。目前，多代理技术的实 现方式主要有三种：基于c o r b a 规范、基于m i c r o s o f t 公司的分布式绢件对象模型( d c o m ) 和自 定义的体系结构。由于基于c o r b a 规范由标准组织制定，具有很好的跨平台性，因此基于c o r b a 的多代理技术目前研究得最多。多代理技术已经在通信、机器人、c a d c a m 、计算机网络诊断等领 域得到应用，多代理技术在故障监测诊断方面也得到初步运用p ”j ，但是，在代理的结构、实现代 理间集成羽i 协同工作等关键问题上还欠完善。由于一些如异构诊断系统的集成与交互等关键技术未 能得到很好解决，因此离实际运用还存在较大差距。目前，基于多智能体技术的远程分布式诊断系 统的研究还主要处于理论研究阶段，国内一些科研院所“”。“”。4 ”在系统的理论研究上都取得了一 些进展，但实用的现场运行系统还未见报道。 1 3 几种现代诊断理论和方法在故障诊断中的应用现状及存在问题 1 3 1 粗糙集理论 在知识体系中，存在着信息的含糊性( v a g u e n e s s ) 等问题，知识的含糊性有三种：术语的模糊 性，如高矮；数据的不确定性，如数据包含着噪声；知识自身的不确定性，如规则的前后件间的依 赖关系不完全可靠等。人工智能的基础理论之一经典逻辑不足以解决这些不确定性问题，为此， 人们以前提出了一些解决方法，包括统计学方法、模糊集理论，以及d e m p s t e r - s h a f f e r 证据理论，但 这些方法有着一些内在的缺陷或限定范围，例如，统计方法在理论上难以令人信服，而模糊集方法 则存在如何确定成员的隶属度问题i ”5 ”。由波兰科学家zp a w l a k 提出的粗糙集理论【9 1 是一种刻划 不完整性和不确定性信息的数学工具，能有效地分析和处理不精确、不一致、不完整等各种不完备 信息，并从中发现隐含的知识，揭示潜在的规律。与其它方法相比，粗糙集方法有几个哭山优点： 不需要预先知道额外的信息，如统计中要求的先验概率年模糊集中要求的隶属度，它能处理各种数 据，包括不完整( i n c o l n p l e t e ) 的数据以及拥有众多变量的数据：它能处理数据的不精确性和模棱两可 ( a m b i g u i t y ) ，包括确定性和菲确定性的情况：适合于发现数据中隐含的、潜在有用的规律，即知彭 ： 第一章绪论 它能产生精确而又易于检查和证实的规则，特别适于智能控制中规则的自动生成；它能从数据中揭 示出概念简单且易于操作的模式( p a t t e r n ) 。 粗糙集理论晟初是由波兰数学家z ，p a w l a k 于1 9 8 2 年提出的。1 9 9 1 年p a w l a k 出版了专著，全面 系统地阐述了r s 理论，为r s 理论奠定了严密的数学基础。该书与1 9 9 2 年出版的r s 理论应用专集 较好地总结了这一时期r s 理论与实践的研究成果，促进了它的进一步发展，现己成为学习和应用r s 理论的重要文献。1 9 9 2 年，第一届关于粗糙集理论国际学术会议在波兰召开。1 9 9 5 年， a c m c o m m u n i c a t i o n 将其列为新浮现的计算机科学的研究课题。1 9 9 8 年，国际信息科学杂忐 ( n f o r ma t i o ns c i e n c e s ) 还为粗糙集理论的研究出了一期专辑”。 r s 理论的生命力在丁= - 它那强火的实用性，从诞生到现在十年问，r s 理论已经在下列许多领 域取得很大的成果：股票数据分析、模式识别、地震预报、冲突分析、数据发掘( d a t a m i n i n g ) 、粗 糙控铝1 ( r o u g hc o n t r o l l 、医疗诊断、专家系统、人工神经元网络( a n n ) 、决策分析等。此外r s 理论 还应用于近似推理、软件工程数据分析、图象处理、制判科学中的晶体结构分析、预测建模、结构 建模、投票分析等方面【4 45 7 “。 应用粗糙集理论对设备的状态信息数据或者对已有的诊断规则进行分析处理，从而得到更为简 明的故障诊断规则，对于实际的一 程应用，以及智能故障诊断系统的开发，均具有很重要的意义。 r s 在国外的应用研究起步比较甲，但在我国比较晚。在故障诊断领域，r s 主要应用于磨削烧伤与 砂轮磨钝【”1 、燃气轮发电机组1 4 6 1 、电力系统 4 7 - 5 0 1 、柴油机油路系统川、压缩机等故障诊断，其 中研究的内容主要体现在数据挖掘、知识获取、连续属性离散、属性约简等方面。 粗糙集理论作为一种处理不精确、不确定与不完全数据的新型的数学工具，具有以l ；儿个优良 粗糙集理论无须知道关于数据的任何先验知识。概率方法、模糊集理论与d ，s 证据理论是 处理不完备( i m p e r f e c t ) 数据的常用方法，在处理不完备数据时，概率方法需要知道概率分布， 模糊集需要知道隶属度函数，d s 证据理论需要知道信任函数和似然甬数，而这些先验知识 有时是很难得到的；r s 分析方法只利_ j 数据本身提供的信息，无须任何先验知识。 租糙集理论是一个强大的数据分析工具。它擅长表达和处理不完备信息，尤其当数据含有 噪声，当数据不完整和不精确的时候：粗糙集理论在保留关键信息的前提下能对数据进行 约简，并求得知识的最小表达；能评价数据之间的依赖关系，揭示概念简单的模式；能从 经验数据中获取规则知识，尤其适用于智能控制。 粗糙集理论是- - e o 较新的软计算方法【1 “1 ，与模糊逻辑、神经网络、概率推理、信度网络、 遗传算法、魁沌理论等传统的软计算方法一起，为问题的处理提供了鲁棒性强和成本较低 的解决方案。 在粗糙集理论中，“知识”被认为一种将现实或抽象的对象进行分类的能力”“。该理论从数 学上定义了知识的含义，从而使之很容易用数学方法来进行处理。 粗糙集理论具有较强的实用性，冈此，它一旦受到关注，立即在许多领域得到广泛应h j ”“l 。 但是在实际的工程实践中，粗糙集理论也显示出以f j l 个局限性，需要予以解决： 噪音问题。信息系统存在噪音是很普遍的，传统的p a w l a k 粗糙集模型对它所处理的分类必 须是完全正确的或者完全肯定的，要么是包含，要么是不包含，而没有某种程度上的“包 含”或者“属丁” 5 6 1 ，使得粗糙集理论在处理噪音问题上缺乏相应的灵活性。 规则冲突与不足。粗糙集理论完全依赖训练样本的“闭域”信息，并企图将所取到的结论推 广到“j 羽域”以外的对象集进行分类决策，1 生实践中很容易导致规则冲突和不足问题。 高效知识获取算法。与知识获取有关的算法包括连续属性离散算法、属性约简算法、知识获 取算法和知识评价算法等，如何提高知识获取的性能和效率是粗糙集理论实际应片j 中而临 的一个关键问题。 不确定性知识评价问题”“”“o1 0 4 , ”。由划分的粒度以及嗓卢的影响笛引起的规则不确定 性是很常见的，如何对知识的不确定性进行合理评价，以及如何：冉它们体现在实际的专家 系统中则是影响粗糙集理论实际应用的个主要问题。 人： 智能学者b a r r 和f e i g e n b a u m 曾经指出：“专家系统的性能水平主要是它拥有的知识数量和 质量的函数。”由丁大型机器设备是一个非线性很强的复杂系统，故障的表现形式和引起故障的原 凼多种多样，故障原因与征兆间不存在明确的一一对应关系，而且故障是多变的，随机的，使得故 障诊断知识获取带来很大困难。一直以米，知识获取是基于产生式规则的专家系统难以摆脱的一个 主要瓶颈问题，诊断专家系统诊断知识的容量以及知识的质量直接影响系统的诊断精度和诊断性能。 基了粗糙集理论的知识获取是解决基于知识的专家系统知识获取有效途径。租糙集理论的知识获取 东南大学博= b 学位论文 是通过有效知识获取算法来实现的，而有效知识获取算法是有效的知识获取方法、知识评价方法以 及知i 【 获取后良好的使用情况等多方面结合的综台体。 很多基于传统的p a w l a k 粗糙集模型进行规则学习的文献m “”“在知识获取时，人都是给 规则的置信度预先设定一个闽值，以当前的规则的置信度是否大于( 或等于) 闽值作为接受或拒绝 该规则的依据。由于闽值的设定没有与故障诊断专家系统的推理机制联系在一起，因此，以往的闽 值设定往往融入很大的自日性和经验性，容易造成诊断知识库中规则冲突与不足问题，同时，也不 利于知识库的管理和剔除混台在知识中的噪音。对于不确定性知识评价问题，d f i n t s c h i 和g e d i g a g 引入信息熵的概念进行规则的不确定性度量【j ”j ；文献 6 3 ，1 0 5 ，1 0 6 1 2 3 也使用信息熵对知识不确 定性进行评价：文献 5 8 1 考虑了由划分的粒度所引起规则的不一致性和随机性，以及噪声对规则的影 响，给出了变精度粗糙集模翻下，基于信息熵的两个粗糙决策规则不确定性量度函数，但是它们在 实际的诊断专家系统中没有体现和使用。 本论文根据故障诊断领域的具体特点，将就粗糙集理论在故障诊断知l 识获取中的知识获取算法、 不确定知识评价方法等问题展开研究。 1 3 2 人工神