（机械电子工程专业论文）气动生产线故障检测与诊断专家系统的研究.pdf

中文撩璧 中文摘要 y 。6 8 s 彳7 f 近年来，由于气动技术与微电子技术相结合，使气动产业呈现新的生机， 其发展呈急剧上升的趋势。如今气动系统己广泛应用于各种自动化生产线上， 如汽车生产线、钟表组装线、电子部件组装线等各类工业部门。 随着自动化、集成化、智能化程度的不断提高，气动生产线的结构也臼趋 复杂，一旦出现故障，由人来查找，非常复杂和困难。并且在重视生产效率的 今天，这种情况也是不允许的。而现在对于气动生产线故障诊断的研究鲜有见 闻，因此，开展气动生产线故障渗断技术的研究工作具有重要的理论意义与工 、，一 程应用价值。j 本文对气动生产线故障诊断专家系统进行了研究，完成了神经网 络模糊故障珍断专家系统和气动生产线故障珍断仪的丌发，取得了较为理想的 珍断效果。 ， f 第章对故障诊断专家系统的种类、发展与现状作了简要介绍。研究了气 i 动生产线的故障机理，并依据气动生产线的故障特点，创造性地提出了一种适 应气动生产线故障特点的神经网络一模糊故障诊断专家系统，并简要阐述了采用 神经网络模糊故障诊断专家系统的原因。 第二章从理论上研究了模糊故障诊断专家系统和神经网络故障诊断专家系 统的工作原理，分析了各自的优缺点，并将模糊故障诊断专家系统和神经网络 故障诊断专家系统各自的优点结合起来，基于气动生产线的故障特点建立了气 动生产线神经网络一模糊故障诊断专家系统。 第三章从热力学和空气动力学的角度推导出气动系统在正常、卡死、泄漏 工作条件下，气缸各腔压力的数学模型。为判断气缸是否发生故障及故障类型 提供理论依据和可靠数据。用定步长四阶龙格一库塔法编写出解算气压传动系统 数学模型的m a t l a b 语言程序，并得到仿真结果，结果表明了数学模型的正确 性； 第四章主要介绍气动生产线神经网络模糊故障检测与渗断专家系统的具体 实现过程，包括诊断软件编制的思路与方法、硬件的工作原理、气动回路故障 浙 掌工玎掌* x 诊断仪的工作原理、诊断待检阀和待检气缸故障的具体实现方法。 第五章是本文的实验部分，它将验证本故障诊断专家系统工作的可靠性和 正确性。本章的研究包括：气动生产线故障检测与诊断专家系统整套实验系统 的工作原理；分析本文的实验对象一浙大f e s t o 气动中心的一套模块加工气动 生产线实验装置的工作原理和工作程序，抽象出8 组神经网络学习样本，通过 此学习样本训练神经网络：在实验中，将模块加工气动生产线人为地设置了一 些故障点，按照5 1 2 节介绍的方法将此时产品的故障模糊化，作为故障诊断 专家系统的输入。经由专家系统得出的诊断结果与人为设置的故障点是一致的， 说明本专家系统工作正确、可靠：通过数据采集卡得到气动系统在各种工作条 件下的压力曲线，依据压力数据的采集结果对气缸在不同工作条件下的工作特 性作了讨论和总结：将数据采集卡采集到的气缸实时压力值嗣最小二乘法拟合 成时阳j 的5 次多项式，并画出压力拟合曲线。 第六章对本文的研究结果作了总结、评述和展望。广一一丫一 关键词：气动生产凌_ 7 故障诊断y 专家系豌_ 存匪；葛裔摸癞广募学模彰实验 型垄翌 一一一 a b s t r a c t b e c a u s eo ft h ec o m b i n a t i o no fp n e u m a t i ca n de l e c t r o n i ct e c h n o l o g yr e c e n t l y p n e u m a t i ci n d u s t r yh a s t a k e no nan e wl o o kt o d a y , t h ep n e u m a t i cs y s t e mi sw i d e l yu s e d o nm a n yk i n d so fa u t o m a t i cp r o d u c t i o nl i n e s s u c ha st h ea s s e m b l yl i n e sf o ra u t o m o b i l e ， h o r o l o g ea n d e l e c t r o n i cu n i t s w i t ht h ed e v e l o p m e n to fa u t o m a t i o n ，i n t e g r a t i o na n di n t e l l i g e n c e ，t h es t r u c t u r eo f p n e u m a t i cp r o d u c t i o nl i n ec o m e s t ob em o r ea n dm o r ec o m p l i c a t e dl ft h e r ea r es o m e f a i l u r ei np n e u m a t i cs y s t e m ，i ti sv e r yd i f f i c u l ta n dt i m e c o n s u m i n gt od e t e c tf u r t h e r m o r e t h er e q u i r e m e n to fp r o d u c t i o nd o e sn o tp e r m i tt h i ss i t u a t i o nt h e r e f o r e i ti ss i g n i f i c a n tt o r e s e a r c ho nf a u l td i a g n o s i st e c h n o l o g yf o rp n e u m a t i cp r o d u c t i o nl i n e i n t h i sp a p e r , t h e e x p e r ts y s t e md e s i g n e df o rf a u l td i a g n o s i ss y s t e mb a s e do n n e u r a ln e t w o r k f u z z yi s d e v e l o p e d a n dt h ed i a g n o s i sp e r f o r m a n c e i ss a t i s f y i n g j nc h a p t e ro n e 1 h ef a u l tm e c h a n i s mo fp n e u m a t i cp r o d u c t i o nj i n ej sd i s c u s s e db r i e f l y t h e nt h es p e c i e so ff a u l td i a g n o s i se x p e r cs y s t e m ，i t sd e v e l o p m e n ta n dp r e s e n ts t a t ea r e d i s c u s s e di nb r i e f af a u l td i a g n o s i se x p e r fs y s t e mb a s e do nn e u r a ln e t w o r k f u z z y , w h i c h 似f o rp n e u m a t i cp r o d u c t i o nl i n e i sp r o p o s e di nt h ec h a p t e ra n di t sa d v a n t a g e sa r e f i ! u s t r a t e d i nc h a p t e rt w o t h ep r i n c i p l eo ff u z z ye x p e r fd i a g n o s i ss y s t e ma n db pa l g o r i t h ma r e d e s c r i b e di nd e t a i l ，a n da d v a n t a g e sa n ds h o r t c o m i n g sf o re a c ho ft h e ma r e a l s o d i s c u s s e da f t e ra n a l y z i n gt h ef a u l tc h a r a c t e r i s t i c so fp n e u m a t i cs y s t e mi n a u t o m a t i c p r o d u c t i o nl i n e s t h ee x p e r tf a u l td i a g n o s i ss y s t e mb a s e d o nn e u r a ln e t w o r k - f u z z yi sb u i l t w h i c hc o m b i n e st h ea d v a n t a g e so ff u z z yf a u l td i a g n o s i ss y s t e ma n dn e u r a ln e t w o r kf a u l t d i a g n o s i ss y s t e m l nc h a p t e rt h r e e m a t h e m a t i c a im o d e l so fe a c hc h a m b e ro fp n e u m a t i cc y l i n d e r , u n d e r n o r m a l i o c k e da n d l e a k a g e w o r ks t a t e s ，a r ed e r i v e df r o ml h e r m o d y n a m j c sa n d a e r o d y n a m i c sf u n d a m e n t a l st h em o d e l sp r o v i d et h et h e o r yf o u n d a g o na n dr e l i a b l ed a t a f o rd i a g n o s i n gw o r k i n gs t a t ea n df a u l tt y p e t h ef o u ro r d e r sr u n g e k u t f am e t h o dw i t h c o n s t a n ts t e pl e n g t hl su s e dt os o l v et h em a t h e m a t i c a lm o d e lo fp n e u m a t i cs y s t e ma n d p r o g r a m m e db ym a t l a b t h es i m u l a t i o nr e s u l t sa s s u r et h a tt h em a t h e m a t i c a lm o d e li s s u i t a b l e t h em a i nc o n t e n to ft h ec h a p t e rf o u ri st h ei m p l e m e n t a t i o no fd e t e c t i o na n dd i a g n o s i s e x p e rs y s t e mf o rp n e u m a t i cp r o d u c t i o nl i n e i ti n c l u d e si d e a sa n dm e t h o d s f o rd i a g n o s i s s o f t w a r ep r o g r a m m i n ga n dh a r d w a r eo p e r a t i o np r i n c i p l e t h eo p e r a t i o np r i n c i p l ea n d s p e c i f i ci m p l e m e n t a t i o n o ff a u l t d i a g n o s i sj n s t r u m e n tf o rp n e u m a u cc i r c u i t a r ea l s o c o n t a i n e di nt h i s c h a p t e r t h eo p e r a t i o np r i n c i p l eo fa u t o m a t i o ns w i t c h o v e rv a l v ef o r m u l t i p l e b r a n c hp n e u m a t i cc i r c u i ti sd e s c r i b e di nd e t a i l t h ee x p e r i m e n ts e c t i o ni s i nt h ec h a p t e rf i v e t h er e l i a b i l i t ya n dv a l i d i t yo ff a u l t d i a g n o s i se x p e r ts y s t e mf o ri s v e r i f i e di nt h ee x p e r i m e n t t h ew o r k i n gp r i n c i p l ea n d s e q u e n c e o fa c t u a i p r o d u c t i o n l i n ef as e to f p r o d u c t i o n i i n el nf e s t op n e u m a t i c 浙4 掌掌口论文 e x p e r i m e n tc e n t e r o fz h e j i a n gu n i v ) i sa n a l y z e d e i g h t g r o u p ss a m p l e d a t au s e dt on e u r a l n e t w a r ki e a r n i n ga r ee x t r a c t e d 1 nt h ee x p e r i m e n t 、s o m ed e l i b e r a t ef a u l t sw e r es e li nf h e p n e u m a t i cp r o d u c t i o nl i n e a c c o r d i n gt ot h em e t h o dp r e s e n t e di nc h a p t e r51 2t h ef a u l t s w e r ef u z z e da st h ei n p u to ff a u l td i a g n o s i se x p e r cs y s t e mt h ed i a g n o s i sr e s u l tf o r mt h e e x p e r ts y s t e mi sc o r r e s p o n d i n g w i t ht h ed e l i b e r a t ef a u l t st h a ts h o w st h e e x p e r ts y s t e mi s c o r r e c ta n dr e l i a b l e t h ep n e u m a t i cs y s t e mp r e s s u r ec u r v e su n d e ra l lk i n do fw o r k i n g c o n d i t i o na r ea c h i e v e db yd a t aa c q u i s i t i o nc a r d a c c o r d i n gt os a m p l ed a t a ，t h ec y l i n d e r o p e r a t i o nc h a r a c t e r i s t i c su n d e r a l io p e r a t i o nc o n d i t i o na r ed i s c u s s e da n dc o n c l u d e d t h e p r e s s u r ed a t as a m p l e df r o mc y l i n d e ra r ef i t t e dt ot i m e 。sf i v em u l t i p l ep o l y n o m i a la n dt h e p r e s s u r ef i t t i n gc u r v e sa r ed r a w n t h ec r i t e r i o nf o rf a u l tj u d g i n gi st h ed i f f e r e n tc o e f f i c i e n t s b e t w e e nt h et w op o l y n o m i a l s t h e r ea r es u m m a r ya n dc o n c l u s i o nj nl h ec h a p t e rs i x k e y w o r d s ：p n e u m a t i cp r o d u c t i o nl i n e s f a u l td i a g n o s i s ，e x p e r fs y s t e m n e u r a ln e t w o r k f u z z y m a t h e m a t i c a lm o d e l e x p e r i m e n t 第一章综述 1 1 立题意义 第一章综述 气动技术是以气体为介质，实现能量传递、转换分配及各种生产控制自动 化的一门技术。由于其介质丰富简单，获取方便及不污染环境元件价格低廉、 维修方便和系统安全可靠等特点，倍受工业界的欢迎“。 近年来，随着工业机械化和自动化的发展，气动技术与微电子技术的日益 结合，使得气动产业呈现新的生机，其发展呈急剧上升的趋势，广泛的应用于 各个领域：例如汽车制造业、气动机器人、医用研磨机、电子焊接自动化等， 在工业企业自动化中位于重要的地位5 。1 。 气压传动相对于电气传动、液压传动来讲，具有以下优点： ( 1 ) 气动的工作介质是空气，取之不尽用之不竭，作完功的空气可以直接 排进大气，不存在环境污染问题。 ( 2 ) 由于气动系统具有较高的“力密度”，所以它比电气传动系统结构更紧 凑，更轻便2 】f 4 1 。 ( 3 ) 相对于液压传动来说。气动动作迅速，反应快，维护简单，工作介质 清洁，管道不易堵塞，不存在介质变质及补充等问题州。 ( 4 ) 工作环境适应性好，特别在易燃、易爆、多尘埃、强磁辐射、振动等 恶劣工作环境中，比液压、电子、电气控制优越。 ( 5 ) 使用气动系统可以很容易直接实现直线高速传动。 ( 6 ) 气动系统具有过载，自冷却和防爆能力口l 。 尽管气动技术也有它的缺点，如：空气的可压缩性使气动系统的稳定性差， 给位置控制和速度控制精度带来较大的影响；在相同的输出力的情况下，气动 装置比液压装置的尺寸大；气动信号的传递速度远比电信号低等，但是它的 优点是主要的t 4 1 。鉴于上述原因，气动系统广泛的应用于自动化生产线上。例 如5 i ： * - 工夫掌m 士掌论x ( 1 ) 汽车制造业：其中包括汽车自动化生产线，车体部件的自动搬运与固定， 自动焊接等。 ( 2 ) 半导体电子及家电行业：例如用于硅片的搬运，元器件的插入及焊接，家 用电器等的组装。 ( 3 ) 加工制造业：其中包括机械加工生产线上工件的装夹及搬运，冷却液、 润滑液的控制，铸造生产线上的造型、捣固、合箱等。 ( 4 ) 介质管道运输业：可以说，用管道输送介质的自动化流程绝大多数采用 气动控制，例如：石油加工、气体加工、化工等。 ( 5 ) 包装业：其中包括各种半自动或全自动包装生产线，例如：聚乙烯，化 肥，酒类，油类，煤气的罐装，各类食品等的包装。 ( 6 ) 机器人：例如装配机器人，喷漆机器人，搬运机器人以及爬墙、焊接机 器人等。 随着集成化，智能化，自动化程度的不断提高，气动生产线的结构也日趋 复杂庞大，旦出现故障，查找起来非常不便。这个过程由人来完成，非常复 杂和困难，甚至是不可能的。并且在越来越重视生产效率的今天，这种情况也 是不允许的。作者曾经查阅了大量的资料，发现无论从世界各大气动公司( 如 德国f e s t o 、日本s m c ) 的气动流水生产线的产品样本介绍，还是国内外的 专业书刊杂志上看，针对气动流水生产线的故障诊断专家系统甚至是普通的诊 断研究都鲜有见闻。因此，本课题开展关于气动生产线的故障诊断专家系统的 研究，对于提高气动系统的故障诊断和整条生产线的生产效率具有重要的理论 和工程意义。 1 2 故障诊断的研究与发展状况 在工程技术领域中对机械设备的运行状态进行诊断的技术至今已有很长 的历史，可以说是与机器的发明同时产生的。最初，机械设备较为简单，维修 人员主要靠感觉器官、简单仪表和个人经验就能胜任故障的诊断和排除工作， 我们把它叫做传统的诊断技术3 3 3 。 随着现代工业及科学技术的迅速发展，生产设备日趋大型化、高速化、自 2 第一章综述 动化和智能化，传统的诊断技术已远远不能适应现代化工业生产，旦因故障 停机，损失巨大。近年来，因关键设备故障而引起的灾难性事故时有发生，这 些严重的、或灾难性事件的不断发生，迫使人们在设备诊断方面进行了大量的 研究，形成了以故障诊断专家系统为代表的智能故障诊断技术这一新兴的研究 领域 。并且，国内外许多资料表明，开展故障诊断研究取得了明显的经济效 益。 1 2 1 从传统诊断方法到专家系统诊断方法 目前，用于系统故障诊断方法可分为两大类：一类是完全基于检测数据处 理和建模处理的诊断方法，如用得较多的对比诊断法、函数诊断法、模型识别 法等 1 4 - 1 7 它们是通过对故障检测信号的处理而较早的发现故障，以至预报故 障；另一类则是主要基于专家经验及知识处理的专家系统诊断方法，它是模仿 人类专家在进行故障诊断时，首先观察产品的症状，然后依据观察到的症状， 利用自己所具有的知识来推断故障的原因。由于专家系统的方法是最近几年才 开始用于系统故障诊断的，所以，我们称第一类完全基于数据处理的方法为传 统诊断方法，而基于知识处理的诊断方法为专家系统诊断方法f l “。 1 ，2 2 专家系统诊断的研究与发展现状 专家系统诊断技术是当今世界发达国家的研究热点之。在专家系统已有 较深厚基础的国家中，机械、电子设备的故障诊断专家系统己基本完成了研究 和试验的阶段，开始进入广泛应用的阶段。如1 9 8 7 年m a l i n 研制的汽车故障诊 断系统( f i x e r ) 以及美国宇航局l a n g l e y 研究中心研制的飞行器故障诊断专家系 统( f a u l t f i n d e r ) 等都己达到实际应用水平，并投入使用【i 。 自8 0 年代以来，我国不少科研院所先后开展了故障诊断专家系统的研究 工作，并取得了一定的研究成果，有一些系统已投入了实际运行。如华中理工 大学设计的基于知识的汽车发动机的故障诊断专家系统，能够比较成功的对这 一复杂系统进行故障诊断。以上例子表明，我国的故障诊断已经进入专家系统 故障诊断技术时代f j “。 浙4 大掌硕掌m 论i 1 3 气动生产线应用故障诊断专家系统的必要性 气动生产线的故障诊断采用故障诊断专家系统，而不是采用传统的诊断方 法的理由，我们从传统诊断方法和专家系统诊断方法各自的特点并结合气动生 产线系统的故障特点来阐述这个问题。 1 3 1 传统诊断方法的特点 传统诊断方法，即基于检测数据处理和建模处理的现代设备故障诊断方法， 经过近3 0 年的发展与应用，虽然取得了显著的社会与经济效益，但它本身存在 着无法避免的局限性。传统诊断方法尽管可以通过捡测信号的处理，实现机器 工况监视与故障诊断n 6 1 1 ”l ，但当诊断对象变得庞大而复杂时为了能把故障比 较细致的区分出来，一方面需要增加检测手段，需要大大增加计算量，从而使 得诊断的时间延长。另一方面传统诊断方法末将珍断对象看战是一个有机的整 体，大多是利用诊断对象所表现出的特缸e 信号来诊断特定类型的故障，未能有 效的考虑多故障同时发生和各种故障之问可能存在的相互联系和影响。同时， 传统诊断方法只是种类繁多的检测手段和多种具体的诊断方法在某种程度上的 “堆积”，缺乏统一的概念体系和系统化的理论。 1 3 2 专家系统诊断方法的特点 专家系统诊断方法是基于知识处理的诊断方法，随着人工智能、知识工程 的迅速发展，设备诊断技术正向着智能化阶段迈进，在这一阶段，领域专家的 知识得到了充分的重视，诊断问题的研究将致力于模拟专家的推理过程、控制 和运用各种诊断知识的能力。故障诊断专家系统具有以下特点f 1 4 1 1 1 9 - 2 4 】： ( 1 ) 它是一个开放的系统，其智能水平处于一个动态的变化之中且具备自我 提高的潜能。 ( 2 ) 它是由计算机硬件与软件组成的系统，根据诊断过程的需要，搜索和利用 领域专家的知识及经验来达到渗断的目的。 ( 3 ) 它既是一个人工智能系统，离不开模拟人脑功能的馁件设备及软件，另一 墨= 要堑堕 ： 方面又不排斥人的作用。 领域专家在进行故障诊断时，往往可以直接凭辔当系统发生故障的情况下， 用视觉、听觉、嗅觉或触觉得到一些难以由数据描述的事实以及专家对系统发 生故障的历史和系统的结构等做出判断，从而可能很快的找到故障源，这种专 家经验的应用，对于复杂大系统的故障诊断尤其有效，在大多数情况下，比用 传统诊断方法判断故障要快得多。而完全基于检测数据处理的传统诊断方法的 共同局限性恰恰在于根本没有利用人类领域专家的丰富经验和知识在故障诊断 中快速而有效的作用。这正是专家系统诊断方法不同于传统诊断方法的显著优 点f 2 ”。 1 3 3 气动生产线系统的特点 气动生产线复杂而庞大，每道工序的空间距离可能会很远，行程开关和各 种传感器数不胜数。并且大多为顺序动作逻辑系统”，是各个执行工序相互协 作完成生产目的。产品的故障征兆与故障原因并非一一对应关系，并且常常是 多故障并发，各种故障之间可能存在相互联系和影响。 针对这些特点，通过以上对传统故障诊断方法和专家系统诊断方法特点的 分析可知，如果采用传统故障诊断方法则会产生致命的问题，仅仅是安装监测 设备这一点上就几乎是不可能实现的：而这正是专家系统诊断方法的优点所在。 所以，对于自动生产线气动系统的故障诊断，本课题采用了故障诊断专家系统 的方法。 1 4 气动生产线神经网络一模糊故障诊断专家系统的提出 在前一节我们将气动生产线的故障诊断方法确定为专家系统诊断方法。但 是，专家系统诊断方法也分为很多种类，对于气动生产线的诊断系统来讲，是 采取其中的种，还是采取其中几种的结合，最终还是取决于诊断对象的特点。 下面就介绍不同种类故障诊断专家系统之间的关系，以及气动生产线的故障特 点，确定最终的诊断方案。 s 浙t 攀砸攀位论x 1 4 1 各种故障诊断专家系统之间的关系 专家系统( e x p e r ts y s t e m 简称e s ) 本质上是一个( 或一组) 计算机程序， 它能借助人类的知识采取一定的搜索策略并通过推理的手段去解决某一特定领 域的困难问题【2 6 l ，尤其是对于大型繁琐系统诊断的快速性等人类专家所不具有 的优点，得到人们的普遍重视和利用。它本身更是经历了传统一神经网络辛模 糊诊断哼模糊神经网络诊断专家系统等几个阶段8 2 ”。 传统专家系统与神经网络专家系统、模糊专家系统、模糊神经网络专家系 统相比较各有千秋：传统专家系统在解释机制上比较容易实现，而且知识的显 式表示也直观让人信服；神经网络专家系统却克服了传统专家系统的致命弱 点，具有知识容量大，处理的问题范围广，推理速度快，具有自学习能力等优 势；模糊专家系统则长于处理显式逻辑问题模仿人脑的逻辑思维，具有较强 的结构性知识表达能力：而模糊神经网络专家系统则能表示定性知识和具有强 大的自学习能力。正是由于各自都存在优劣两方面，使得谁也不能替代谁，而 只能同时存在、互相补充n o 。3 。 这样，在建立诊断专家系统时便面临一个选择：是建立一个传统的故障诊 断专家系统还是建立另外三种故障诊断专家系统呢? 要解决这个问题必须从以下 几个方面进行考虑： ( i ) 诊断知识的获取途径。如果领域知识比较容易表示成规则等形式，且领 域专家又愿意提供知识给知识工程师，则可以选择建立传统诊断专家系 统；反之，如果领域知识是以各种数据的形式表示，且不易总结成规则， 则最好采用神经网络故障诊断专家系统“。 ( 2 ) 知识的表现形式。如果知识是模糊的，而传统专家系统又不易处理模糊 知识，因此在这种情况下，最好采用模糊故障诊断或模糊神经网络故障 诊断专家系统 ( 3 ) 在线性。如果诊断专家系统要求在线运行，即要求推理速度很快，这时 最好采用神经网络故障诊断专家系统或模糊神经网络故障诊断专家系 统。 6 棼一牵综述 ( 4 ) 是否能获取全部的征兆信息。传统诊断专家系统采用精确的、易理解的 规则表示知识，正是由于这种知识的精确性，使得系统具有解释功能并 能在不完全的征兆信息下进行诊断；相反，神经网络故障诊断专家系统 或模糊神经网络故障诊断专家系统由于单个的神经元没有一般的意义， 使得在不完全的征兆信息下诊断受到限制甚至根本不可能m “。因此， 当很难获得诊断对象的全部征兆信息时，最好采用传统故障诊断专家系 统。 1 4 2 本课题采用神经网络一模糊故障诊断专家系统的原因 ( 1 ) 气动回路系统大多为顺序动作逻辑系统，是各个执行工序相互协作完成 生产目的。产品的故障征兆与故障原因并非一一对应关系，例如牛奶包 装生产线，假设牛奶量不足，则有可能是罐装环节出问题，或是运送环 节出问题，或者是二者同时出现问题。反之亦然。并且牛奶量不足这一 征兆本身就是一个模糊问题。这样用模糊诊断专家系统隶属度的概念可 非常贴切地表现出这种特性。 ( 2 ) 模糊诊断专家系统中的r 矩阵( r 矩阵将在第二章介绍) 可根据专家经 验、历史资料、机理分析得到但是r 矩阵没有自学习的功能不能 实现知识的自动获取，很难自适应环境的变化，所以我们采用具有自学 习功能和较强泛化能力的神经网络来代替r 矩阵，这样，故障诊断专 家系统的诊断思想是模糊故障诊断，而实现的方法则是神经网络，充分 发挥了两者的优势，我们将这种故障诊断专家系统定名为神经网络一模 糊故障诊断专家系统。 ( 3 ) 对于错综复杂的气动生产线，我们首先获得的信息为产品的故障，根据 产品故障征兆，可通过神经网络模糊故障诊断原理推导出各个执行机 构的气动回路出现故障的隶属度，按照隶属度的大小，对其进行优先权 的排序，优先权大的先诊断，优先权小的后诊断，优先权小于某一特定 的值则不诊断，即综合运用了最大隶属度原则和阈值原则。 我们认为，对故障诊断专家系统来讲，可分为传统、神经网络及模糊故障 诊断专家系统、模糊神经网络故障诊断专家系统等，其实很难说谁优谁劣，关 * 4 掌硕女掌m 诗i 键是看它们分别适于处理什么样的系统。对于气动生产线来讲，我们在由“产 品故障”到“具体是哪条气动支路出错”的诊断过程中，采用了神经网络一模糊 故障诊断专家系统，而对于这个具体的气动支路来讲，我们则不要建立繁琐的 知识库，而是运用气动回路故障诊断仪，告诉系统此回路到底有无故障。有故 障，则是哪个元件。无故障，则通过气动多支路自动切换阀转入下一个优先级 进行诊断，依次类推。也就是说程序的工作范围是从“产品出现故障”到“某个 工序的执行机构出错”。这样就大大提高了软件的可靠性，降低了计算机的实现 难度，同时充分利用了软、硬件相结合的优势，简化了程序编制，避免了由于 知识冗余、冲突而造成的无穷递归，匹配冲突等诊断失败。 最后要说明的是，本课题采用的神经网络一模糊故障诊断专家系统，诊断思 想是模糊故障诊断，而实现的方法则是神经网络，并不同于由模糊神经元所组 成的模糊神经网络故障诊断专家系统。因为它们的名称比较类似，故在此声明 一下，以免混淆。 1 5 主要工作内容 ( 1 ) 机械部分：完成了气动回路故障诊断仪机械部分的原理设计、零件设计及 装配。完成了整个实验系统的设计、安装和调试。 ( 2 ) 软件部分：系统软件采用v i s u a lc + + 6 0 作为开发语言，并以w i n d o w s 9 8 作 为操作平台，采用面向对象的技术完成了基于对话框的软件工程化的开 发。系统软件包括气动生产线故障检测与诊断专家系统主程序、神经网络 学习予程序、神经网络诊断子程序。 ( 3 ) 硬件部分：完成a d 转换电路板和驱动电路板的设计及调试。 ( 4 ) 理论部分：根据气动生产线的故障特点，创造性地提出一种名为“神经网 络一模糊故障诊断专家系统”的故障诊断方法：从热力学和空气动力学的 角度推导出待检气缸在正常、泄漏、卡死工作条件下，进、排气腔的动态 数学模型，并对数学模型进行仿真。 ( 5 ) 实验部分：模拟待检气缸在正常、卡死、泄漏工作条件下的工作状况，将 数据采集板采集到的压力数据用最小二乘法拟合成时间t 的多项式来判断 故障是否发生及故障类型。用程序模拟待检阀的故障，通过信号采集板读 塑二塞鱼生一 取气动回路故障诊断仪上相应的行程开关的信号，按固有的逻辑判断待检 阀是否发生故障。针对实验室的n i p s ( 模块化生产系统) 进行了整个生 产线的故障诊断实验。多次诊断结果验证：本文建立的神经网络_ 模糊故 障诊断专家系统诊断快速、准确。 9 嚣二章气动生产线、辟经霹络摸粕故障谚颧专家系统帕理论秘方法 第二章气动生产线神经网络一模糊故障诊断专家系 统的理论和方法 正如第章综述里所阐述的那样，本课题采用了神经网络一模糊故障诊断专 家系统的诊断方法，它充分发挥了模糊故障诊断专家系统和神经网络故障诊断 专家系统各自的优势。它的诊断思想是模糊故障诊断，而实现的方法则是神经 网络。所以我们有必要首先对模糊故障诊断专家系统和神经网络故障诊断专家 系统的工作原理和方法作进一步的阐述。 2 ，1 模糊故障诊断专家系统 2 1 1 模糊故障诊断专家系统诊断原理 模糊诊断的方法是通过某些故障征兆的隶属度来求出各种故障原因的隶属 度，设诊断对象可能表现出来的故障征兆有m 种，表示为x ，x ：，x ，；可能 出现的故障原因有盯种，表示为y 。，y 2 一，儿。故障征兆模糊向量为 x = ( ，屯，一，h ) 。( i = 1 , 2 ，m ) 是对象具有症状x 。的隶属度。 故障原因模糊向量 y 2 t 弘y 、，弘y l ，一，“y 。、 口，( ，= 1 , 2 ，n ) 是对象具有故障y ，的隶属度，则y 与x 具有模糊关系： y = xo r ( 2 一1 ) 这就是故障原因与征兆之间的模糊关系方程式。式中“。”是模糊算子，r 是体 现诊断专家经验知识的模糊诊断矩阵： 浙大掌碛掌t 论i r = 其中，0 0 l ，1 i m ，1 - ， 。 。 吒。 ： o 。 模糊诊断矩阵描述了故障征兆与故障原因的关系 3 “。 2 1 2 模糊算子 设诊断对象故障征兆模糊向量为x = ( p # ，卢。) ，故障原因模糊向量为 y = ( h ，2 ，h ) ，将式( 2 1 ) 展开有 。 r 1 。 _ ： r ” 为求出y 有必要将算子“。”具体化，设通用的算子模型用记号m ( ：，t ) 表示。 其中m 表示模型；括号内的符号表示合成运算的方式，：表示广义模糊“与” 运算，t 表示广义模糊“或”运算a 这样，我们可得到通用模糊诊断公式m 1 蚓： ，竹 一2 + ( ：0 ) ，21 , 2 ，一，n ( 2 3 ) ，- 1 2 1 3 模糊故障诊断专家系统的诊断原则 ( 1 ) 最大隶属度原则 计算出故障原因模糊向量j ，= ( 以， ，u 。) 后， 若 2m a x ( , u 。， ) ，则认为故障原因为只，这就是最大隶属度原则。 最大隶属度原则诊断法的优点是简单易行，很容易用计算机实现。缺点是 概括的信息量太少，完全不考虑其余一切隶属度较小的因素对诊断判决所起的 作用，而且当最大隶属度值与其他隶属度值之间的差距不足较大时难以做出可 亿嘞 一h一 o o 卢 p = r o l l y 嚣二章气动生产线神经鼹兽0 攘璇技璋诊辑专家系统的理论和志法 靠的诊断结论】。 ( 2 ) 闽值原则 规定一个阈值水平兄【o ，1 】，记a = m a x ( ，n ， ) ，若口 a ，此时如果。 五，则认为诊断对象具有与之对应 的故障原因。可见，采用阈值原则可能会得出几种故障原因，也可能得不出故 障原因，不像最大隶属度原则，每次肯定得出且仅得出一种故障原因n 4 m ”。 在实际应用中，有时将闽值原则与最大隶属度原则结合起来使用。例如， 可以先判断是否有口旯，如没有则拒判如有，则按最大隶属度原则进行判决。 2 1 4 模糊故障诊断专家系统的流程框图 根据前面的阐述，可以将模糊故障诊断的全过程进行总结，并得出如下的流 程图： 豳2 1 模糊救碌诠断泓l 程豳 浙4 犬掌m 掌t i 2 2 神经网络故障诊断专家系统 人工神经网络简称为神经网络( n e u r a ln e t w o r k ，简称n n ) ，是由大量简单 的处理单元( 称为神经元) 广泛地互相连接而形成的复杂网络，它是对人脑神经 网络的某种程度上的简化、抽象和模拟，而不是真实写照“”“。目前研究开发 的神经网络模型具有人脑功能的基本特征：学习、记忆和归纳，从而解决了过 去基于逻辑与符号处理的人工智能研究中的某些局限性，为人工智能的研究开 辟了崭新的途径。 我们知道所谓的故障诊断就是对诊断对象的故障模式进行分类和识别或根 据现有的知识和一定的推理机制推断出其故障的所在部位和严重程度。由于神 经网络具有处理复杂多模式及进行联想、推测和记忆的功能，因而，它非常适 合应用于各种系统的故障诊断。 2 2 1 人工神经元模型 神经网络是对人脑神经系统的数学模拟，其目的是学习和模仿人脑的信息 处理方式。人们对神经系统的研究已经有了很长一段历史，早在1 9 世纪末，人 们就开始认识到，人脑包含着数量大约在l o “l 1 0 ”之间的神经元，这些神经元 存在着复杂的联接，并形成一个整体，使得人脑具有各种智能行为。尽管在外 观形状上，这些神经元各不相同，然而它们都由三个区组成：细胞体、树突、 轴突m ” 。如图2 2 所示。 从图中我们可以看出：一般的神经元有多个树突，它们起感受作用即接受 外部( 包括其它神经元) 传来的信息。轴突只有条，与树突相比它显得长而细， 用于传递和输出信息。神经元之间通过突触联结，突触是一个神经元轴突的末 梢与另一个神经元的细胞体或树突相接触的地方，每个神经元大约有1 0 3 _ 1 0 1 个 突触，换句话说，每个神经元大约与1 0 3 - 1 0 4 个其它神经元有连接，正是因为这 些突触才使得全部大脑神经元形成一个复杂的网络结构 “】。依据这种理论， 我们可以画出神经元的等效模型图2 - 3 。 第二章气动生产线神经固磐摸糊故障诊断专家系统的理论靶专法 输 入 图2 - 2 神经元结构图 圈2 - 3 神经元等效模型 输 出 从图2 3 可以看出人脑神经系统的工作原理：外部刺激信号或上级神经元 信号经合成后由树突传给神经元细胞体处理，最后由突触输出给下级神经元或 做出响应。 基于神经细胞的这种理论知识，自1 9 4 3 年m c c u l l o c h 和p i t t s 提出的第一 个人工神经元模型以来，人们相继提出了多种人工神经元模型，其中被人们广 泛接受并普遍应用的是图2 4 所示的模型o “： 图2 - 4 人工神经元模型 图中的x 0 ，z 。为实连续变量，是神经元的输入，o t 笨n n 值，也称为 浙e # 掌* i 门限，w 。，w i i 一，w 。是本神经元与上级神经元的连接权值。 神经元对输入信号的处理包括两个过程：第一个过程是对输入信号求加权 和，然后减去阈值变量护，得到神经元的净输入n e t ，即 n e t = ，x 。一口 ( 2 - 4 ) 从上式可以看出，连接权大于0 的输入对求和起着增强的作用，因而这种 连接又称为兴奋连接，相反连接权小于0 的连接称为抑制连接。 第二个过程是对净输入n e t 进行函数运算，得出神经元的输出y ，即 y = f ( n e t ) ( 2 5 ) 厂 】通常被称为变换函数( 或特征函数) ，简单的变换函数有如下几种 ( 1 ) 线性函数 f ( x 、= b ( 2 ) 闽值函数( 硬限幅函数、阶跃函数) ( 3 ) s i g m o i d 函数( s 函数) 在实际的神经网络中，a 常取为1 。 似，舷笔 ，( x ) ：上 1 1e 一“ 2 2 2 前向多层神经网络模型 基于上面介绍的神经元结构，人们又提出了很多种神经网络结构模型，如 h o p f i e l d 网络、b o l t z m a n n 机、a r t 网络和b a m 网络等。在故障诊断领域中用 得最多也最有成效的是前向多层神经网络。由于该网络在学习( 训练) 过程中采 用了b p ( b a c k - - p r o p a g a t i o n ) 算法，故有时该网络又称为b p 网络。标准的b p 网络由三层神经元组成，其结构如图2 5 所示2 1 m