（机械设计及理论专业论文）滑片式压缩机故障诊断专家系统研究.pdf

、 j - ， l ? j 上( 。 ad i s s e n a t i o ni nm e c h a n i c a l d e s i g na n dt h e o 曙 r e s e a r c ho nv a n ec o m p r e s s o r f a u l t d i a g n o s i s e x p e r ts y s t e m b y j i nw r e 啪i n g s u p e i s o r ：a s s o c i a t ep r o f e s s o rz h a n gm i n g c h u a n n o r t h e a s t e r nu n i v e r s i 时 j a n u a r y2 0 0 8 _ 本人声明，所呈交的 的研究成果除加以标注和 的研究成果，也不包括本 作的同志对本研究所做的 意。 学位论文作者签名： 舍麦矗岐 日 期：泖导吐】7 学位论文版权使用授权书 本学位论文作者和指导教师完全了解东北大学有关保留、使用学位论 文的规定：即学校有权保留并向国家有关部门或机构送交论文的复印件和 磁盘，允许论文被查阅和借阅。本人同意东北大学可以将学位论文的全部 或部分内容编入有关数据库进行检索、交流。 ( 如作者和导师不同意网上交流，请在下方签名；否则视为同意。) 学位论文作者签名：导师签名： 签字日期：签字日期： 东北大学硕士学位论文 滑片式压缩 本文以滑片式空气压缩机为诊断对象，全面阐述了专家系统和神经网络的基本理论 和系统结构。专家系统能够模拟人脑的逻辑思维过程，解决需要进行复杂推理的复杂诊 断问题；可以存储和推广专家宝贵的经验和知识，更加有效的发挥各种专门人才的作用， 使一般的维修人员也能达到专家级的诊断水平；故障诊断专家系统能不断增长知识，修 改原有知识，不断更新。但是，专家系统中不确定信息的处理能力差是故障诊断专家系 统中的一个非常重要的瓶颈问题。本文以产生式系统为基础，在处理不确定信息时，引 入了模糊推理方法。采用了知识的数据库表达方式，使得专家系统的学习变得十分简便。 模拟人脑结构的人工神经网络方法是一种全新的、有前景的故障诊断方法。在知识 获取上，神经网络的知识不需要由知识工程师整理、总结以及消化。领域专家的知识， 只需要用领域专家解决问题的实例或范例来训练神经网络。神经网络系统的知识获取与 专家系统相比，既具有更多的时间效率，又能保证更高的质量。本文采用三层前馈式神 经网络，运用b p 算法，以滑片式压缩机实验平台测试得到的典型故障数据为神经网络 训练的样本。压缩机实验平台检测压缩机各个部分的性能数据，通过神经网络前向计算， 找出压缩机的故障。本文还通过实验的方法，分析了初始权值、隐含层的神经元数量、 动量系数、误差水平对网络训练的影响。 本文合理地将传统的产生式专家系统与基于神经网络的专家系统合理的融为一体， 采用s u a lc + + 6 o 为系统的开发语言，以m i c r o s o f ta c c e s s 作为数据源，运用a d o 技 术实现对数据库的访问。系统的设计美观、实用、功能强大，实现了运用两种不同的方 法对滑片式压缩机的故障进行诊断的目的。 关键词：压缩机；专家系统；神经网络；b p 算法；产生式：a d o - f 0 i - 。，、 - r e s e a r c ho nv a n ec o m p r e s s o rf a u l td i a g n o s i se x p e r ts y s t e m a b s t r a c t t h i sp a p e ra i r sv a n e t y p ec o m p r e s s o rf o rd i a g n o s t i ct a r g e t ，d i s c u s s e se x p o s i t i o no fe x p e r t s y s t e ma n dn e u r a ln e t w o r kt h e o r ) ，a n dt h eb a s i ce x p e r ts y s t e ms t m c t u r e e x p e r ts y s t e mc a n s i m u l a t et l l el o g i cp r o c e s so fh u m a nb r a i n ，t h en e e d i n gf o rc o m p l e xr e a s o n i n gt or e s o l v et l l e c o m p l e x 时o ft h ep r o b l e m i t c a i ls t o r ea n dp r o m o t ee x p e r t sv a l u a b l ee x p e r i e n c ea n d k n o w l e d g e ， p l a yam o r ee 骶c t i v e r o l ei nav a r i e t yo fs p e c i a l i z e dp e r s o n n e l ，g e n e m l m a i n t e n a i l c ep e r s o r u l e lc a i lb et h ee x p e r t sl e v e l i i lt h ef a u l t d i a g n o s i s e x p e r ts y s t e m c o n t i n u e st 0b ea d d e d 州t hk n o w l e d g e ，t or e v i s et l l ee x i s t i n gl ( i l o w l e d g e ，锄dc o n t i 肌o u s l y u p d a t e d h o w e v e r ，m ep 0 0 rc 印a b i l i t yt op r o c e s su n c e r t a i ni n f i o 肌a t i o ni s av e d ri m p o n a j l t b o t t l e n e c kf o rf a u l td i a g n o s i se x p e r ts y s t e m 1 1 1 i sp a p 啊i sb a s e db yp r o d u c t i o n ，i nd e a l i n g 、) r i t hu i l c e n a i ni n f o r n l a t i o n ，u s i n gt h e 如z z ) rm e t h o d u s i n gl ( n o w l e d g eo fn l ed a t a b a s e ， m a l ( i n gt l l el e a m i n ge x p e r ts y s t e mb e c o m e sv e 叫s i m p l ea n d c o n v e n l e n t a r t i f i c i a jn e u r a ln e t v 旧r kw h i c hs i m u l a t e st l l eh 啪锄b r a i ni sam w 锄dp r o m i s i n g m e t h o do ff a u l td i a g n o s i s 1 nt h el ( n o w l e d g ea c q u i s i t i o n ，l ( i l o w l e d g eo ft h en e u r a ln e t 、o r k d o e sn o tn e e df i l l i s l l i n gb yt l l ek n o w l e d g ee n g i n e e r s ，e x p e n si n t l l ef i e l dt 0d i g e s t 觚d s u m m a r i z em el 【n o w l e d g e ，o m yn e e de x p e r t si nt _ h ef i e l do re x 锄p l e so fp r o b l e m 。s 0 l v i n g e x 锄1 p l e st ot i i a i nt h en e u 嘲n e t w o r k n e u r a ln e t w o r ks y s t e m sk n o w l e d g ea c q u i s i t i o na n d e x p e r ts y s t e mc o m p a r e d 弱w e l l 勰、i t hm o r et i m ee 伍c i e n t ，c a l le n s u r et l l a tm eh i 曲e rt l l e q u a l i t y t h ep a p e ru s et h et l l r e e - l a y e rf e e d - f o n a r dn e u r a ln e 似r o r k 锄db pa l g o r i t i l 】m ，v 锄e c o m p r e s s o re x p e r i m e n t a lp l a t f o r mt e s t st l l ed a t as 锄p l e sf o rn e u r a ln e t w o r k 舰i n i n g 锄d d i a g n o s t i ci n p u t c o m p r e s s o re x p e r i m e n t a lp l a t f o n i lt e s t s v a r i o u sp a r t so ft h ec o m p r e s s o r p e r f o n n a n c ed a t a ，t l u o u g hn e u r a ln e t w o r kc a l c u l a t i o n ，i d e n t i f y i n gt h ec o m p r e s s o r s f a u l t t h i sp a p e ra l s oa d o p t e dt h ee x p e r i m e n t a lm e t h o df o ri n i t i a lw e i g h t ，t h eh i d d e nl a y e rn e u r o n s ， m o m e n t 啪c o e f i j c i e n ta n dt h ee 1 1 r o rl e v e lo nt h ei m p a c to fn e t w o r kt r a i n i n g i l lt h i sp a p e r ，ar c a s o n a b l es e l e c t i o no ft h et m d i t i o n a le x p e r ts y s t e mb 勰e do nn e u r a l n e t w o r ka n de x p e r ts y s t e mi n t e g r a t i o n 锄dr e a s o n a b l eu s ev i s u a lc + + 6 od e v e l o p m e n t 1 a n g u a g ef o rm es y s t e mt om i c r o s o ra c c e s s 雒a d a t as o u r c e ，t h eu s eo fd a t a b a t e c h n o l o g y a d ov i s i t s y s t e mi sd e s i g n e d s t h e t i c ，p r a c t i c a l ，p o w e h l l y 锄dr e a l i z e dt h eu s i n go f d i f 俺r e n tm e t h o d so ft h ev a n ec o m p r e s s o r sf a u l td i a g n o s i sp u 印o s e s k e yw o r d s ：c o m p r e s s o r ；e x p e r ts y s t e m ；n e u r a ln e t 、v o r k ；b p ；a l g o r i t h m s ；a d o i t i ， -_l卜_l 1 、t。r1一 、- ! _ 一 。 一 东北大学硕士学位论文 目 独创性声明i 摘要l l a b s t r a c t 一i i i 第1 章绪论1 1 1 设备故障诊断技术概述1 1 1 1 故障诊断的主要方法1 1 1 2 故障诊断技术的国内外研究现状3 1 2 故障诊断专家系统5 1 2 1 故障诊断专家系统的组成6 1 2 2 故障诊断专家系统的主要特点7 1 3 神经网络方法7 1 3 1 神经网络原理简介7 1 3 2 神经网络故障诊断方法的特点8 第2 章滑片式压缩机故障与实验平台的搭建9 2 1 滑片式压缩机故障分析9 2 1 1 电机与控制部分故障9 2 1 2 常见零部件的故障1 0 2 1 3 由于不良装配所产生的故障1 0 2 1 4 压缩机在运行过程中产生的故障1 1 2 2 滑片式压缩机实验平台的搭建1 3 2 2 1 滑片式压缩机的工作原理1 3 2 2 2 滑片式压缩机的结构1 4 2 2 3 滑片式压缩机的主要性能数据的确定1 5 2 2 4 滑片式压缩机性能数据的采集。1 6 第3 章压缩机故障知识的获取与表达1 9 3 1 压缩机故障全局数据库的建立1 9 1 v 查! ! 查兰堡主兰竺垒查里墨 3 1 1 压缩机故障表的建立1 9 3 1 2 压缩机症状表的建立2 0 3 2 压缩机故障知识表示与规则库的建立2 2 3 2 1 故障知识的表示2 2 3 2 2 产生式系统的基本结构与规则库的建立2 4 3 3 知识的获取2 5 3 2 1 知识的获取方法2 6 3 2 2 专家系统中知识的获取过程2 6 第4 章与或型推理与模糊推理2 9 4 1 压缩机故障的与或型推理2 9 4 1 1 与或正向推理2 9 4 1 2 与或反向推理2 9 4 1 3 与或双向推理3 0 4 2 模糊推理3 0 4 2 1 模糊故障诊断的原理3 l 4 2 2 模糊诊断的原则一3 2 4 2 3 诊断矩阵的确定。3 3 第5 章人工神经网络及其在滑片式压缩机故障诊断中的应用3 5 5 1 人工神经网络的基本概念和模型3 5 5 2 人工神经网络的分类3 6 5 3 人工神经网络常用的学习规则3 8 5 3 1 人工神经网络学习方法分类3 8 5 3 2 万学习规则3 9 5 4 前馈神经网络与b p 算法4 l 5 4 1 前馈神经网络模型4 l 5 4 2b p 算法的数学推导4 2 5 4 3 提高训练速度的方法4 7 5 5 滑片式压缩机神经网络系统的构建4 7 5 5 1 滑片式压缩机故障样本的提取与数据库的建立4 7 5 5 2 神经网络的系统设计4 9 第6 章滑片式压缩机故障诊断系统的实现5 5 6 1 程序结构与数据库5 5 v 0 东北大学硕士学位论文目录 6 1 1 系统的功能分析5 5 6 1 2 程序的结构设计5 6 6 1 3 数据库的功能分析5 7 6 2 滑片式压缩机故障诊断专家系统软件的编制5 8 6 2 1 基于a d o 的数据库知识的操作5 9 6 2 2 登陆模块的设计5 9 6 2 3 主程序界面的设计。6 0 6 2 4 数据库管理模块的设计6 1 6 2 5 故障诊断模块的设计6 1 6 2 6 系统学习模块的设计6 4 6 2 7 用户管理模块的设计6 5 第7 章结论6 7 参考文献6 9 致谢7 3 v i 0 l 东北大学硕士学位论文 第1 章绪论 第1 章绪论 1 1 设备故障诊断技术概述 现代化生产中机械设备的故障诊断技术越来越受到重视，如果设备的某一零部件出 现故障而又没有及时的发现和排除，不仅可能导致设备本身的损坏，更严重的会造成机 毁人亡的重大事故。故障诊断与监测的目的就是及时的发现故障并进行有效的处理，防 止故障的扩散与恶化。 故障诊断( f d ) 始于机械设备故障诊断，其全名是状态监测与故障诊断( c m f d ) 卜。 包含两个方面内容：( a ) 对设备运行状态进行监测；( b ) 发现异常情况后对设备的故障进行 分析和诊断。故障诊断技术是现代化生产发展的产物，是随设备管理和设备维修发展起 来的。故障诊断技术经过3 0 多年的研究与发展，已应用于飞机自动驾驶、人造卫星、 航天飞机、核反应堆、气轮发电机组、大型电网系统、石油化工过程和设备、飞机和船 舶发动机、汽车、冶金设备、矿山设备和机床等领域。 1 1 1 故障诊断的主要方法 由于目前人们对故障诊断的理解不同，各工程领域都有各自的方法。根据系统采用 的特征描述和决策方法的差异，可将故障诊断方法概括起来分为：基于系统数学模型的 故障诊断方法和基于非模型的故障诊断方法两大类。 ( 1 ) 基于系统数学模型的故障诊断方法 基于模型的故障诊断技术的核心思想是用解析冗余( 物理冗余) 。解析冗余主要是通 过构造观测器估计出系统输出，然后将它与输出的测量值比较从中取得故障信息。基于 模型的故障诊断方法能与控制系统紧密结合，是监控、容错控制、系统修复和重构的前 提。该方法是以现代控制理论和现代优化方法为指导，以系统的数学模型为基础，利用 观测器( 组) 、等价空间方程、k a l m a l l 滤波器、参数模型估计和辨识等方法产生残差，然 后基于某种准则对该残差进行评价和决策。 目前该领域研究的重点是( 线性和非线性) 系统的故障诊断的鲁棒性、故障可检测性 和可分离性、利用非线性理论( 突变、交叉、混沌分析方法) 进行非线性系统的故障诊断 【2 】 o ( 2 ) 基于非模型的故障诊断方法 ( a ) 基于可测信号处理的故障诊断方法 1 查! ! 查兰堡主堂竺笙查堑! 主竺笙 系统输出的幅值、相位、频率及相关性上与故障源存在某种关系，如旋转机械中的 滚动轴承在出现疲劳脱落、压痕和局部腐蚀等故障时，其振动信号的功率谱就会出现相 应的反应，利用这种反应可以确定系统的故障。常用的方法有谱分析、相关分析、功率 r ，1 谱分析和概率密度法p 1 。 ( b ) 基于故障诊断专家系统的诊断方法 在系统运行过程中，若某一时刻系统发生故障，领域专家可以凭借视觉、听觉、嗅 觉、触觉和测量设备得到的一些客观数据，并根据对系统结构和系统故障历史的深刻了 解很快就做出判断，确定鼓掌的原因和部位。对于系统较复杂的故障诊断，这种基于专 家系统的故障诊断方法尤其有效。专家系统的内容包括诊断知识的表达、诊断推理方法、 不确定性推理以及诊断知识的获取等。随着计算机科学和人工智能的发展，基于专家系 统的故障诊断方法克服了基于模型的故障诊断方法对模型的过分依赖性，成为故障检测 的有效方法，并在许多领域得到了应用。如r o s b o m 研制的用于发电机和气轮机故障 诊断的专家系统以及吕勇哉开发的用于化工过程的故障诊断知识系统等。目前存在的主 要问题是缺乏有效的诊断知识表达方式、不确定性推理方法、知识获取和在线故障诊断 困难等。在今后研究中，更应注重与模糊逻辑、多值逻辑、故障树、机器学习和人工神 经网络等理论方法相结合、集成。 ( c ) 故障模式识别的诊断方法 这种故障诊断方法是一种十分有用的静态故障诊断方法，它是以已有3 0 年发展历 史的模式识别技术为基础的，其关键因素是故障诊断模式特征量的选取和提取。该方法 的实现分为离线分析和在线分析两个阶段。通过离线分析来确定表达系统故障状态的特 征向量集和该特征向量集描述的故障模式向量，由此形成故障的基准模式集，并确定区 分识别这些故障模式向量判别函数，然后通过在线诊断实时提取故障的特征向量，由判 别函数对故障进行分离定位。它的诊断效果在很大程度上依赖于状态特征参数的提取、 样本的数目、典型性和故障模式的类别、训练和分类算法等。未来研究应注重新聚类算 法、自动学习识别方法及与舢州相结合。 ( d ) 基于故障树的故障诊断方法 故障树是表示系统或设备特定事件或不希望事件与它的各子系统或各部件故障时 间之间的逻辑结构图，通过结构图对系统故障形成的原因做出总体至部分按树状逐渐地 详细划分p 1 。这是一种图形演绎法，把系统故障与导致该故障的各种因素形象地绘成故 障图表，较直观地反映故障、元部件、系统及因素、原因之间的相互关系，也能定量计 算故障程度、概率、原因等。1 9 6 1 年，w a t s o n 和m e 锄s 运用此方法成功地对民兵导弹 发射的随机失效做出了预测，随后播音公司h a s s l e 、s c h d d e r 和j a c k s o n 等人研制出故 障树分析的计算机程序，并应用于以波音公司为中心的宇航领域。 ( e ) 基于模糊数学的故障诊断方法 2 一】11jil 查! ! 垄兰塑主兰堡垒查 一 墨! 主竺垒 模糊诊断是根据模糊集合论征兆空f 刚与故障状态空间的某种映射关系，由征兆来珍 断故障。由于模糊集合论尚未成熟，诸如模糊集合论中元素隶属的确定和模糊集合之间 的映射关系规律的确定都还没有统一的方法可循，通常只能凭经验和大量试验来确定。 另外因系统本身不确定和模糊的信息，以及要对每一个征兆的特征参数确定其上下限和 合适的隶属度函数，而使其应用有局限性。但随着模糊集合论的完善，相信该方法有较 光明的前景。 ( f ) 基于人工神经网络的故障诊断方法 人工神经网络的故障诊断方法是上世纪8 0 年代末9 0 年代初才真正具有实用性的一 种故障诊断方法。由于神经网络具有原则上容错、结构拓扑鲁棒、联想、推测、记忆、 自适应、自学习、并行和处理复杂模式的功能，使其在工程实际存在着大量的多故障、 多过程、突发性故障、庞大复杂机器和系统的监测及诊断中发挥较大作用_ 1 。在众多的 神经网络中，尤其以基于b p 算法的多层次感知器( m l p ) 神经网络理论最坚实，应用最 广泛而且最成功。 1 1 2 故障诊断技术的国内外研究现状 故障诊断技术涉及机械原理、数学方法、物理现象、电子技术、传感器技术、数字 信号处理、计算机技术以及模式识别和人工智能方法等，因此设备故障诊断技术是一门 多学科交叉的新型实用型技术。随着计算机技术、现代测试技术和数字信号处理技术的 飞速发展，故障诊断技术在实际应用中取得了很大的进展，越来越受到人们的重视，已 经成为机械设备诊断领域和自动控制领域研究热点之一。 妒 在故障诊断技术发展过程中，美国是最早发展诊断技术的国家。1 9 7 6 年，在美国宇 航局( n a s a ) 和海军研究所( o n r ) 领导下，成立了美国机械故障预防小组( m f p g ) ，开始 了有组织有计划地针对设备诊断技术专题进行研究。在电力领域内，最有成效的应该是 美国西屋电气公司( w h e c ) ，从1 9 7 6 年开始，到1 9 9 0 年已经开发出三套人工智能诊断 系统软件：t u r b i n a i d 、g e n a i d 和c h e m s i d 。此外还有美国b e n t l y n 越：f a d a 公司 的3 3 0 0 系列和7 2 0 0 系列、美国e n t e c i r d 公司的6 6 0 0 大机组监测保护系统。随着美 国诊断技术的发展和应用，其他国家也逐渐开始进行故障诊断的研究。英国在6 0 年代 末7 0 年代初建立了机器保健中心，开始进行设备诊断技术的研究工作。随着研究的进 展，设备诊断技术在欧洲国家也有了很大的发展，并在某些方面形成了自己的特色，如 瑞典s p m 公司的轴承监测技术、娜威的船舶诊断技术、瑞士v i b r o m e t e r 公司的 m m s 、德国s c h e n c k 公司的v i b r o c o n t r o l 2 0 0 0 和v i b r o c a m 5 0 0 0 系统等。而 亚洲的日本也从7 0 年代开始，在民用工业开始故障诊断的研究，如在钢铁、化工和铁 路等部门积极展开诊断技术，其基本思想是基础理论的研究和高水平的应用研究一起 3 东北大学硕士学住论文第l 章绪论 抓，也取得了一定的成就，建立了自己的设备监测与诊断系统，例如三菱重工研制的 m h m ( m a c h i n e r yh e a l t hm o n i t o r i n g ) 【5 1 。 上世纪7 0 年代末期到8 0 年代中期，电子技术和传感器技术被广泛的应用于机械故 障诊断技术。同时，计算机技术、现代测试技术和数字信号处理技术也相应得到迅速发 展，一些先进的数学方法也被引入到故障诊断领域中。因此，以计算机技术为中心的现 代机器故障诊断技术发展迅速。此阶段，故障诊断技术取得了很大的发展。例如声发射 技术、超声技术、油液分析技术、统计理论、逻辑诊断和应力、应变监测等都得到了应 用。国外大型旋转机械故障诊断技术开始实用化阶段，出现了许多以计算机为操作平台 的在线或者离线监测分析诊断系统。如：美国s c i e n t i f i c a it la n t a 公司的m 6 0 0 0 系统、b e n ，r l l y 公司的a d r e 系统、e n t e k 公司的l r d 8 9 0 数据采集器、法国的s t e l l 公司的m o v i l o g 数据采集器、频谱仪以及现场平衡仪等。 8 0 年代中期后，随着科学技术的发展和应用，现代工业生产中，机械设备朝着大型 化、连续化、自动化方向发展，结构越来越复杂，自动化水平也越来越高。同时，现代 商业的竞争对工业企业的管理和运行提出了更加苛刻的要求。在此阶段，人工智能技术 和计算机技术有了新的突破，特别是基于知识的专家系统和以并行分布处理为特征的人 工神经网络技术在故障诊断中得到了应用。基于神经网络在计算智能方面具有处理信息 能力强、适于模式识别、模糊控制、以及组合优化等问题。使其在故障诊断中得到很快 应用，并且把故障诊断技术带入了更高更快的发展阶段。1 9 8 9 年v c n k 弱u b r 锄a n j 锄 v e i l l ( a t 等利用误差反向传播神经网络对硫化态的催化和裂化单元进行了诊断研究，获得 了满意的效果，确诊率达到9 4 籼8 ，缺点是训练时间太长和输入数据的非实时性。 同年，k 两i r ow a t 觚a b e 等利用神经网络对化工过程的初期故障进行了诊断。h o s k i n s 等 应用b p 网络对三个等温连续搅拌反应器进行了诊断研究，讨论了隐含层节点数目对学 习效率的影响。m c h o w 等用神经网络对交流感应电动机进行了故障诊断研究，建立了 基于高序的神经网络的中小型感应电动机初期故障诊断法，结果识别的准确率超过了 9 5 。从此以后，神经网络技术在故障诊断领域得到了广泛的关注，诊断技术走上了智 能化发展阶段1 。 随着科学技术的发展，单靠简单的分析己经无法满足对日益复杂的设备进行精密诊 断的要求。为了满足生产世纪的需要，故障诊断技术朝着更加系统化、自动化、智能化 发展，而且已经取得了很大的成果并得以应用。美国s t e w a i t h u g l l sl d 公司为英美军方 开发了用于直升机发动机转子监控与诊断的专家系统；n a s a 研制的用于动力系统诊断 的专家系统：l ( it e o 等利用了智能方法对轧钢厂的设备进行工况监测，进行在线数据 收集分析，把各种征兆、参数和特性等存入数据库，然后利用数据库知识进行诊断；h n g - j o n g 硒m 等利用故障征兆之间的因果关系对主磁轴承系统的传感器缺陷行在线诊断。 我国在故障诊断技术方面起步比国外要晚些，但是发展较快。第一个阶段是从上世 j o 查! ! 垄兰塑主兰堡笙圣苎! 兰竺丝 纪7 0 年代末到8 0 年代初，在此期间，主要是吸收国外技术，对故障机理和诊断方法进 行引入和研究；第二个阶段是从8 0 年代初期到现在，我国很多科研机构和高等院校先 后进行了故障诊断系统的研究和开发，取得了很多成果并且在实际中得到了应用，为以 后进行故障诊断的研究打下了基础。 在故障诊断研究中，除了继续发展已有的传感器技术、数字信号处理技术，并且在 诊断方法中不断应用新的数学方法，以达到良好的诊断效果。在智能诊断系统技术的研 究中，基于知识的人工智能得到了广大研究者的热情关注。在智能诊断故障诊断技术中， 如何对专家知识进行学习、获取、表示以及知识库的建立是提高诊断系统性能的重要环 节。我国有关学者在这些方面作出了很大的努力：黄文虎、倪维斗，韩西京、杨叔子、 卢学军、缪思恩、王一欧、陈仲议、顾晃、刘宝斌、张科、寥志忠、李言俊等就知识范 围的界定、知识处理、知识获取、知识自学习以及知识库建立和维护进行了大量研究。 在故障诊断理论和方法中，我国也取得了长足的进步。在智能理论方法研究里面，如： 统计自学习分类技术( 支持向量机等) 全息谱技术、时序分析技术、涂序言的吴氏方法和 广义智能信息系统论，钟义信的信息和知识二智能转换理论、全信息论、何华灿的泛逻 辑学、可拓学等具有创新特色的理论何方法，为人工智能理论的发展提供了新的理论体 系，涌现了一批具有国际先进水平和我国自主知识产权的人工智能创新学术成果。如中 国科学院王守觉院士的“高维几何与神经网络”，在神经网络计算机理论研究、设计与 转化等各个方面取得了很大的成功：中国工程院院士李德毅教授开展的“知识发现的机 理研究一提出了能够统一表示处理随机不定性和模糊不定性的“云模型”，并把这一创 新的模型应用于数据挖掘和知识发现等新领域，取得了出色成果。在应用研究和系统开 发方面，取得了一系列丰硕的成果。如哈尔滨工业大学的机组振动微机监测和故障诊断 系统；东南大学的汽轮机发电机组智能诊断系统；西安交通大学的大型旋转机械计算机 状态监测与故障诊断系统；西安热工研究院的汽轮机发电机组状态监测与诊断系统；郑 州工业大学的大型旋转机械故障诊断系统；山东电力研究院和清华大学联合研制的大型 汽轮机发电机组远程在线监测性能分析与诊断系统等。 1 2 故障诊断专家系统 专家系统是一个智能计算机程序系统，其内部含有大量的某个领域专家水平的知识 与经验，能够利用人类专家的知识和解决问题的方法来处理该领域的问题”1 。也就是说， 专家系统是一个具有大量专门知识和经验的程序系统，它应用人工智能技术和计算机技 术，根据某领域一个或多个专家提供的知识和经验，进行推理和判断，模拟人类专家的 决策过程，解决那些需要人类专家处理的复杂问题。简而言之，专家系统是一种模拟人 类专家解决应用问题的计算机程序系统。 - 5 - 东北大学硕士学位论文第1 章绪论 随着人工智能技术的出现和应用，专家系统作为一个重要的应用得到了很大的发 展。专家系统由于自身的众多优点，被引入到故障诊断当中，成为故障诊断技术的一个 重要的发展方向。 1 2 1 故障诊断专家系统的组成 典型的设备故障诊断专家系统一般包括：知识库( 规则库) 、推理机、综合数据库、 人机交互接口、解释程序( 解释器) 以及知识获取程序( 知识获取机) 等，如图1 ：1 所示。 图1 1 专冢系统结构图 f i g1 1s t m c t l l 陀o fe x p e ns y s t e m 其中知识库用以存放领域专家所提供的专门知识，这些知识包括和领域相关的书本 知识、常识性知识、专家凭经验得到的试探性知识以及专家以前所积累的相关故障诊断 的经验性知识一1 。专家系统问题的求解是模仿专家的思维方式，发现问题、分析问题和 解决问题。这样知识库中拥有该领域知识的数量和质量就成为一个专家系统中系统性能 和问题求解能力的关键因素。因此知识库的建立是建立专家系统的核心任务。 综合数据库用来存放关于问题求解的初始数据、求解状态、中间结果、对比结果、 作为参照的标准数据、假设、目标、以及最终求解的结果。综合数据库使得专家系统的 管理更为方便，结构更为紧凑。 推理机是指在一定控制策略下针对综合数据库中的当前信息，识别和选取当前知识 r 1 库中对当前问题求解有用的知识和数据进行推理p 1 。根据具体的问题，可以采用正向推 理、反向推理、确定性推理、不确定性推理以及综合性推理。 知识获取程序用来在专家系统的知识库的构造中代替知识工程师进行专门的知识 的自动获取，实现专家系统的自学习，不断完善知识库。 解释器通常根据用户的提问，对系统给出的结论，求解过程以及系统当前的状态提 供说明，以便操作人员理解系统求解问题的过程，增加用户对求解结果的信任程度。在 知识库的完善过程当中便于专家或知识工程师发现和定位知识库中的错误，便于领域的 专业人员或初学者能够从问题的求解中得到直观的学习。 东北大学硕士学位论文第1 章绪论 人机交互接口主要是将专家或用户输入的信息翻泽成系统所接受的内部形式，把系 统的求解信息转换成人类容易理解的形式。一个成功的专家系统必须具备友好的用户界 面。 1 2 2 故障诊断专家系统的主要特点 故障诊断专家系统具有很多优点： ( 1 ) 能够模拟人脑的逻辑思维过程，解决需要进行复杂推理的复杂诊断问题； ( 2 ) 可以存储和推广专家宝贵的经验和知识，更加有效的发挥各种专门人才的作用， 使一般的维修人员也能达到专家级的诊断水平； ( 3 ) 专家系统一旦得到完善，它比人类专家更可靠，更灵活，可以在任何时候，任 何条件下提供高质量的服务，不受外界因素的干扰； ( 4 ) 故障诊断专家系统能汇集多领域专家的知识和经验以及他们协助解决重大问题 的能力，它有更渊博的知识更丰富的经验和更强的工作能力； ( 5 ) 故障诊断专家系统能不断增长知识，修改原有知识，不断更新； ( 6 ) 故障诊断专家系统良好的操作界面，计算机高速计算的能力和可靠的存储能力 使得故障诊断更加方便，快捷。 但是，故障诊断专家系统还存在许多问题尚需要进一步解决，如知识库庞大，“解决 问题能力有局限，自动获取知识能力差等，其中对专家系统中的不确定信息的处理能力 差是故障诊断专家系统中的一个非常重要的瓶颈问题，需要得到进一步的研究。 o 一 1 3 神经网络方法 近年来，人工神经网络( a l 呵n ，a n i f i c i a ln e u r a ln e t 、 ，o r k ) 理论的应用己渗透到各个领 域，并在智能控制、计算机视觉、传感技术与机器人、生物医学工程等方面取得了令人 鼓舞的进展。人工神经网络同现有的动态信号处理、专家系统、模糊逻辑等诊断技术相 结合，为故障信号分析与处理、故障模式识别、故障领域专家知识的组织和推理等方面 提供了一种新的途径，并推动了故障诊断的智能化。 1 3 1 神经网络原理简介 模拟人脑结构的人工神经网络方法是一种全新的、有前景的故障诊断方法。在知识 获取上，神经网络的知识不需要由知识工程师整理、总结以及消化领域专家的知识，只 需要用领域专家解决问题的实例或范例来训练神经网络【引。神经网络系统的知识获取与 - 7 - 东北大学硕士学位论文第1 章绪论 专家系统相比，既具有更多的时问效率，又能保证更高的质量。 在知识表示中，神经网络采取隐式表示。它在知识获取的同时，自动产生的知识由 网络的结构和权值表示，并将某一问题的若干知识表示在同一网络中，通用性强，便于 实现知识的自动获取和并行联想推理。 神经网络的知识推理是通过神经元之间的相互作用实现的。网络同一层的推理是并 行的，不同层的推理是串行的。由于同层内神经元的数目远大于层数，因此，从总体上 来讲，神经网络的推理是并行的，速度快。在神经网络中，允许输入偏离学习样本，只 要输入模式接近于某一样本的输入模式，则输出也会接近学习样本的输出模式，这种性 质使神经网络具有联想记忆能力。在许多领域的神经网络故障诊断系统中己开始应用， 如在化工设备、核反应堆、汽轮机或旋转机械和电动机等领域都取得较好的效果。 1 3 2 神经网络故障诊断方法的特点 人工神经网络诊断技术较传统的故障诊断技术，如统计诊断技术、模糊诊断方法等， 具有较大的优越性：( a ) 并行结构与并行信息处理方式。神经网络具有类似于人脑的功能， 它不仅在结构上是并行的，而且处理问题方式也是并行的，克服了传统的智能诊断系统 出现的无穷递归、组合爆炸及匹配冲突等问题，因此它特别适合处理大量的并行信息； ( b ) 系统在知识表示和组织、诊断求解策略与实施等方面可根据生存环境进行自组织达到 自我完善；( c ) 具有很强的自学习能力。它克服了传统的确定性理论及模糊诊断理论在应 用上的局限性。系统可根据环境提供的大量信息，自动进行联想、记忆及聚类等方面的 r 0 1 自组织学习，也可在导师的指导下学习特定的任务，从而达到自我完善的目的p ：( d ) 具有很强的容错性。当外界输入到神经网络中的信息存在某些局部错误时不会影响到整 个系统的输出性能。 神经网络的不足之处在于未能充分利用许多特定领域中专家积累起来的宝贵经验， 只利用一些明确的故障诊断事例，而且需要有足够的学习样本，才能保证诊断的可靠性 r l n l 卜。由于神经网络从故障事例中学到的知识只是一些分布权重，而不是类似领域专家逻 辑思维的产生式规则。因此，诊断推理过程不能够解释，缺乏透明度。而且神经元网络 本质是一个黑箱，对诊断结果缺乏解释能力；故障样本完备性往往得不到保证；常规的 故障诊断神经元网络往往会对在样本训练中未出现过的故障做出随意的判断，给出错误 的诊断结果。人工神经网络还有其它许多局限性，主要是学习过程是一个很麻烦的过程， 网络学习没有一个确定的模式，一般根据经验来选取。它的学习时间很长，为了达到理 想的效果，要经过多次实验，才能确定一个理想的网络拓扑结构。 东北大学硕士学位论文第2 章滑片式压缩机故障与实验平台的搭建 第2 章滑片式压缩机故障与实验平台的搭建 2 1 滑片式压缩机故障分析 知识库的构建是专家系统的最基础和最重要的部分，知识的优劣和知识量的多寡将 直接影响到专家系统处理问题的正确性和充分性。因此，滑片式压缩机故障知识库的构 建必须建立在滑片式压缩机故障的特点之上。 2 1 1 电机与控制部分故障 ( 1 ) 电机烧毁 故障症状：正常通电后电机无任何反应；电机在运行过程中突然停转并且电机表面 温度很高，或者伴随着烧焦的气味。 z 故障原因：电源不稳定，电压时高时低；大功率电机没有配备专门独立的供电系统， 电极启动时造成欠压现象，电机长期工作在这种环境