（电力电子与电力传动专业论文）基于模糊逻辑推理故障智能诊断系统及其仿真研究.pdf

卜 海海事人学硕 卜 学位论文 i nt e l l i ge nt f aul t di agnos i s s ys t e m and i t s s i mu l a ti on b as e d on f uz z y l ogi c i nf er e nce abs t ract t h i s d i s s e rt a t i o n a d d r e s s e s i t s e l f o n t h e i n t e l l i g e n t f a u l t d i a g n o s i s s y s t e m ( i f d s ) b as e d o n f u z z y l o g i c( f l i ) , w i t h t h e p r i n c i p l e o f i t s c o n s t r u c t i o n a n d c o m p o n e n t s , f e a t u r e s , t h e m e t h o d s o f i t s e s t a b l i s h m e n t b e i n g i n v e s t i g a t e d . o n t h e b a s i s o f a b o v e , i t i n v e s t i g a t e s t h e p r o b l e m o f b u i l d i n g u p t h e i f d s f o r t h e c o o li n g s y s t e m o f m a r i n e e n g i n e , 衍 u s i n g ma t l a b a s t h e m a j o r t o o l f o r t h e w h o l e p r o c e d u r e r a n g i n g f r o m t h e b u i l d i n g - u p t o t h e s i m u l a t i o n . t h e d i s s e r t a t i o n c o n s i s t s o f f o u r c h a p t e r s , i . e . , i n t r o d u c t i o n , b a s i c t h e o ry f o r i n t e l l i g e n t f a u l t d i a g n o s e s y s t e m , t h e i f d s b a s e d o n f u z z y l o g i c i n f e r e n c e ( f l i ) , a n d t h e f l i - b a s e d i f d s a n d i t s a p p l i c a t i o n s i m u l a t i o n f o r t h e c o o l i n g s y s t e m o f ma r ine e n g ine . i n i n t r o d u c t i o n , w e s u m m a r i z e t h e f a u l t d i a g n o s i s a c c o r d i n g t o i t s d e v e l o p m e n t h i s t o ry , t h e m a j o r t e c h n i q u e s , t h e s t a t e - o f - a r t o f i f d s , a n d t h e t r e n d s o f i f d s . t h e t r e n d s o f i f d s i s e m p h as i z e d i n s u c h r e s p e c t s l ik e t h e c o m b i n a t i o n o f t h e d e e p k n o w l e d g e a n d t h e s h a l l o w o n e s f o r t h e k n o w l e d g e r e p re s e n t a t i o n , t h e c o m b i n a t i o n o f f a u l t d i a g n o s i s a n d s o m e a d v a n c e d l i k e t h e n e u r a l n e t w o r k , f u z z y l o g i c i n f e r e n c e , e x p e r t s y s t e m f o r t h e k n o w l e d g e a c q u i s i t i o n , a n d t h e a p p l i c a t io n o f v i r t u a l r e a l i t y a n d o o t ( o b j e c t - o r ie n t e d t e c h n o l o g y ) i n f a u l t 卜 海海事人学硕 卜 学位论文 d i a g n o s i s s y s t e m s . i n t h e p a r t o f t h e b a s i c t h e o ry o f i n t e l l i g e n t f a u l t d i a g n o s i s s y s t e m , w e m a i n l y i n t r o d u c e t h e r e l a t e d c o n c e p t s a n d t h e g e n e r a l c o n s t r u c t i o n o f a n i f d s . a s f a r a s t h e k n o w l e d g e r e p r e s e n t a t i o n a n d a c q u i s it i o n f o r a n i f d s a r e c o n c e r n e d , t h e d e e p a n d s h a l l o w r e p r e s e n t a t i o n , t h e d i re c t a c q u i s i t i o n , t h e i n t e r a c t i v e a c q u i s i t i o n a n d a c q u i s i t i o n v i a le a r n i n g a r e d i s c u s s e d . i n c h a p t e r 3 , w e f o c u s o n t h e i f d s b a s e d o n f l i . t h e n e c e s s a r y m a t h p r i n c i p l e s s u c h a s f u z z y s e t , m e m b e r s h i p f u n c t i o n a n d f u z z y l o g i c a r e b r i e fl y i n t r o d u c e d . a l s o , w e a n a l y z e t h e f l i s y s t e m a n d i t s f e a t u r e s . i n c h a p t e r 4 , w ei n v e s t i g a t e t h e p r a c t i c a l c a s eo f s e tt i n g u p a n f l i - b a s e d i f d s f o r t h e c o o l i n g s y s t e m o f m a ri n e e n g i n e b y a p p l y i n g t h e p r in c i p l e s m e n t i o n e d i n t h e p r e v i o u s c h a p t e r s . t h e re s e a r c h i s a c c o m p l i s h e d m a i n l y b y s i m u l a t i o n a t t h i s s t a g e , w i t h ma t l a b ( i n c l u d i n g i n u s i n g i t s f u z z y t o o l b o x a n d m - f u n c t i o n ) b e i n g u s e d b o t h f o r s y s t e m c o n f i g u r a t i o n a n d f o r s i m u l a t i o n c a o z h a o f a ( p o w e r e l e c t r i c a n d e l e c t r o n i c d ri v e ) d i re c t e d b y p r o f . y e y i n z h o n g k e y w o r d s : f u z z y l o g i c i n f e r e n c e , i n t e l l i g e n t f a u l t d i a g n o s i s , s i m u l a t i o n u n d e r m a t l a b , c o o l i n g s y s t e m o f m a r i n e e n g i n e . v6 4 0 9 2 7 论文独创性声明 本论文是我个人在导师指导下进行的研究工作及取得的研究成果。 论文 中除了特别加以 标注和致谢的地方外， 不包含其他人或其他机构已 经发表或 撰写过的研究成果。 其他同志对本研究的启发和所做的贡献均已 在论文中作 了明确的声明并表示了谢意。 作者签名: 墉、 1m 日 期:d -b 叭 ) . / v 论文使用授权声明 本人同意上海海事大学有关保留、 使用学位论文的规定， 即: 学校有权 保留送交论文复印件， 允许论文被查阅和借阅; 学校可以 上网公布论文的全 部或部分内 容， 可以 采用影印、 缩印 或其它复制手段保存论文。 保密的论文 在解密后遵守此规定。 作 者 签 名 : 诱嚼 板 导师签名 海海事人学f i 1 卜 论文 第一章绪论 1 . 1 设备故障诊断技术的发展历史 设备故障诊断技术起源于1 9 世纪产业革命时期，综观其变化发展的历史过程， 可以将它分为以下四个阶段。 1 、原始诊断阶段 1 9 世纪末2 0 世纪初，这是故障诊断技术的产生阶段。其特征是:个体专家依 靠感官获取设备的状态信息，并凭其经验做出直接判断。由于这种方法的简便性， 在一些简单设备的故障诊断中显得经济、实用。目 前仍是一种重要的方法， 其中专 家的水平和能力体现出其特殊的价值。 2 、基于材料寿命分析与估计的诊断阶段 2 0世纪初到6 0 年代，工程可靠性理论的产生和应用，使得人们能够依靠事先 对材料寿命的分析与估计以及对设备材料性能的部分检测来完成诊断任务。 3 、 基于传感器与计算机技术的诊断阶段 这是目前所处的比较成熟的发展阶段，开始于2 0 世纪6 0 年代中期。由于传感 器技术的发展，使得对各种诊断信号和数据的测量变得容易;计算机的使用，极大 弥补了人类在数据处理上的低效率和不足。这种建立在信号测试基础上的诊断技术 目 前广泛应用于军备、钢铁、船舶、核设备等许多领域。 4 、故障智能诊断阶段 故障智能诊断系统，简称i f d s ，它是目 前刚刚发展起来、并显示成就的阶段。 人工智能技术的发展，特别是专家系统在故障诊断领域中的 应用，为设备故障诊断 的智能化提供了可能性，也使故障诊断技术进入了新的发展阶段。它实际上是由原 来的以数值计算和信号处理为核心的诊断过程向以知识处理和知识推理为核心的诊 断过程的飞跃。目 前己 有了一些较为成功的系统。智能故障诊断是当前诊断技术的 发展方向。为此，人们对基于知识的诊断技术和诊断系统进行了深入的研究。 就世界范围来看，美国是最早研究故障诊断技术的国家，他们专门成立小组有 计划对故障诊断技术进行专题研究并取得了很大成果。目 前美国的故障诊断技术在 航天航空、军事、核能等尖端技术领域仍处于领先地位:英国在摩擦、汽车、飞机 发动机监测和诊断方面具有领先优势;日 本 在钢铁、 化工、 铁路等民用工业的诊断 技术处于领先地位 0 故障诊断技术的研究在我国起步较晚，在2 0 世纪7 0 年代末开始。目 前，故障 诊断技术在我国的化工、冶金、电力、铁路等行业得到了广泛的应用，取得了可喜 _ 海海事大学硕 卜 论文 的成果。在基于知识的设备故障诊断技术的研究方面也已取得了长足的发展。 应当看出，诊断技术发展的历史并不长，诊断理论的诸多问题还未得到完全解 决，特别是基于人工智能技术的故障智能诊断理论，远未达到成熟阶段，尚有许多 问题有待于进一步研究。 1 . 2故障诊断方法综述 故障诊断是一门综合性技术，它涉及现代控制理论、信号处理与模式识别、计 算机科学、 人工智能、电子技术、 统计数学等学科。 现代故障诊断技术己有3 0 多年 的发展历史，但作为一门综合性的新学科故障诊断学还是近些年发展起来的。 从不同的角度有不同的分类法， 概括地讲诊断方法有两大类:基于数学模型的故障 诊断方法和基于人工智能的故障诊断方法，具体如图1 - 1 0 基干数学模型的故障诊断万法 基于输入输出信号处理的 方法 基于状态估计的方法 基于过程参数估计的方法 专家系统的方法 基于浅知识的方法 基于深知识的方法 基干深浅知识的方法 基千人工智能的故障诊断方法 基于案例的方法 基于人工神经网络的方法 基于模糊数学的 方法 基于故障树的方法 图1 - 1故障诊断方法分类示意图 1 . 2 . 1基于数学模型的故障诊断方法 1 ) 基于直接测量输入输出信号处理方法 这种方法是直接对诊断对象的有关输入、输出量进行测量，如果输入、输出量 超出正常变化范围，则可以认为对象己经或将要发生故障。特点是简单，但容易对 故障误判或漏判。该方法的改进形式是运用一定数学手段来描述输出量的一些特征 与并故障相联系，从而做出故障判断，常用的方法有频谱分析法、概率密度法、相 关分析法等。 土海海事大学倾 l 论文 2 ) 基于状态估计的诊断方法 被诊断过程的状态直接反映系统的运行状态，通过估计出系统的状态并结合适 当的模型则可进行故障诊断。首先重构被诊断过程的状态，并构成残差序列，残差 包含各种故障信息。基于这个序列，通过构造适当的模型并采用统计检验法，能把 故障检测出来并作进一步的分离、估计和决策。它一般采用的方法是状态观测器及 滤波器。这种方法一般要有它的前提条件:如:过程数学模型、噪音统计方法、系 统状态可观测或部分可观测等。 3 )基于过程参数估计的方法 基于过程参数估计的方法与基于状态估计法的区别是在于前者不需要计算残差 序列。它是根据参数的变化的统计特性来检测故障的发生并实现故障的分离、估计 和分类。当可以建立故障与过程参数的精确联系时，这种方法比基于状态估计的方 法更有利于故障的分离。最小二乘法是它的主要方法2j 。 1 . 2 . 2基于人工智能的故障诊断方法 1 )基于模糊逻辑推理的方法 由于许多诊断对象的故障征兆可以用模糊的自 然语言来描述，诊断这类故障的 一个有效的方法就是应用模糊数学理论。本文即将此类方法作为研究的重点。 基于模糊逻辑推理的诊断方法不需要建立精确的数学模型，而是通过适当地运 用隶属函数和模糊规则， 进行模糊推理来实现模糊诊断。 这是一种智能化诊断方法。 但是，对于复杂的诊断系统，要建立正确的模糊规则和隶属函数是十分困难的，而 且需要花费很长的时间。对于更大的模糊规则和隶属函数集合而言，难以找到规则 与规则之间的关系，也就是说规则有 “ 组合爆炸”现象发生。另外由于系统的复杂 性、 祸合性、以至故障模式特征空间的映射关系往往存在着较强的非线性，这时隶 属函数性状不规则，只能利用规范的隶属函数形状来加以处理，如用三角形、梯形 或直线等规则形状来组合近似代替，从而使得非线性系统的诊断结果不够理想。 2 )基于案例的诊断方法 基于案例的诊断方法主要通过修订相似问题的成功结果来求解新问题。它将获 取的新知识作为案例来进行学习， 因而不需要详细的诊断对象模型。 主要的原理是: 对于所诊断的对象，根据其特征从案例库中检索出与该对象的诊断问题相似匹配的 案例， 然后对该案例的诊断结果进行修订作为该对象的诊断结果。 它的适用领域是: 诊断过程难以表示成规则形式，但易于用案例形式表示，并且已经积累了丰富的案 卜 海海事人学硕 卜 论文 例的情况。 3 )基于人工神经网 络的方法 近年来，神经网络以其独特的容错、联想、推测、记忆、自 适应、自 学习和处 理复杂多模式等优点， 在许多学科中掀起了研究的热潮。同样在故障诊断领域，其 发展前景也是十分乐观的。 在知识获取上，神经网络的知识不需要由知识工程师进行整理、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;在知 识表示方面，神经网络采取隐式表示，在知识获取时，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。在知识推理方面，神经网络通过神经元之间的相 互作用来实现推理。目 前在很多领域的智能故障诊断系统中得到应用。 4 )基于专家系统的方法 该方法是故障诊断领域中最为引人注目的发展方向之一。它大致经历两个发展 阶段:基于浅知识 ( 领域专家的表层的经验知识)的故障诊断和基于深知识 ( 诊断 对象的深层知识如模型知识等)的故障智能诊断。 基于浅知识的故障智能诊断系统的特点是知识来 自专家的经验知识。它是通过 演绎推理或产生式的推理来获取诊断结果，其目的是寻找一个故障集合中的元素， 使之能对一个给定的征兆集合的产生的原因做出最佳的解释:而深知识则是指诊断 对象的结构、性能和功能等方面的知识。基于深知识的故障智能诊断系统要求诊断 对象的每一个环节具有明确的输入输出表达关系，诊断时首先通过诊断对象实际输 出与期望输出之间的不一致，生成引起这种不一致的原因集合，然后根据诊断对象 领域中的有关定理以及其他内部特定的约束关系，利用一定的算法，找出可能的故 障源。近几年来，发展了基于经验知识和模型知识相结合的故障智能诊断系统。 5 )基于故障树的方法 故障树方法是由计算机依据故障与原因的先验知识和故障率知识自 动辅助生成 故障树，并自 动进行故障树的搜索过程。诊断过程从系统的某一故障开始，沿着故 障树不断提出 “ 为什么出 现这种现象?”而逐级构成一个故障树，通过对此故障树 的启发式搜索，最终查出故障的根本原因。在提问过程中，有效合理地使用系统的 实时动态数据将有助于诊断过程的进行。 1 . 3 故障智能诊断系统发展的现状 1 、故障智能诊断系统的发展现状 飞 海海事大学硕:论文 故障智能诊断系统的发展历史虽然短暂， 但在电路与数字电子设各、 机电设备、 军事设备、船舶等方面已取得了令人瞩目的成就。 在电路和数字电子设备方面， mi t 研制了用于模拟电路操作并演绎出故障可能原因的e l系统等;在机电设备方 面，如日本日立公司研制了用于核反应堆的故障诊断系统;清华大学研制的用于锅 炉设备故障诊断的专家系统等:在军事设备方面，最有代表性的是美国马里兰大学 计 算 机 系 研 制的a m m系 统 d l 2 、现有故障智能诊断系统存在的问题 i )知识库庞大 目 前故障智能诊断系统大多采用产生式规则来表示专家的经验知识。为了使诊 断系统达到高效、实用的目 标，必然需要大量的专家经验知识组成庞大的知识规则 库。 2 )解决问 题能力的 局限 性 由于受到系统中知识的限制，大多数诊断系统只能解决狭窄的专家知识领域以 内的问题，而对其他领域的知识是一般一无所知的。这使它的解决问题的能力受到 很大的限制。 3 )深、浅知识结合能力差 在具体的故障智能诊断系统中，系统在实现某领域的基本原理和专家知识相结 合时表现出较差的能力。 4 ) 自 动获取知识能力差 目 前多数故障智能诊断系统在自 动获取知识方面表现的能力还比较差，限制了 系统的自 我完善、发展和提高。虽然一些系统或多或少地加入了机器学习的功能， 但基本上不能在运行中发现和创造知识，系统的诊断能力往往局限于知识库原有的 知识。目前人工神经网络技术应用于各类故障智能诊断系统中，一个重要目的就是 提高系统的学习能力。 1 . 4故障智能诊断系统的发展趋势 1 、多种知识表示方法的结合 在实际的诊断系统中，往往需要多种方式的组合才能表达清楚诊断知识，这就 存在着多种表达方式之间的信息传递、信息转换、知识组织的维护与理解等问题， 这些问题曾经一直影响着对诊断对象的描述和表达。近几年在面向对象程序设计技 术的基础上，发展起来了一种称为面向对象的知识表达方法，为这一问题的解决提 供了一条很有价值的途径。 2 、经验知识与理论知识的紧密结合 1 . 海事人学硕 卜 论文 这两种知识各自 使用不同的表示方法构成两种不同类型的知识库，每个知识库 有各自的推理机。它们在各自的权力范围内形成子系统，两种子系统再通过一个执 行器综合起来构成一个特定诊断问题的专家系统。这个执行器记录诊断过程的中间 结果和数据， 并且还负责经验与原理知识之间的切换。 整个系统相比之下更加完善、 功能更强。 3 、诊断系统与神经网络的结合 神经网络理论为故障智能诊断系统发展开辟了 崭新的途径。 用神经网 络技术建 立诊断系统，不需要组织大规模的产生式规则，也不需要进行树搜索，系统可以自 组织、自 学习、并可进行模糊推理， 这对用传统人工智能方法建立专家系统最感困 难的知识获取和推理等问题提供了新的解决方法。神经网络具有实现右半大脑直觉 形象思维的特征，而专家系统理论与方法则具有实现左脑逻辑思维的特征，两者有 着很强的互补作用。 4 ,虚拟现实技术和故障智能诊断系统的结合 虚 拟现实 技术( v i rt u a l r e a l i t y : v r ) 是 继多 媒体技术以 后另一个 在计 算 机界引 起广泛关注的研究热点，它有四个重要的特征，即感知性、存在性、交互性和自 主 性。这种技术是人们通过计算机对复杂数据进行可视化、操作及交互的一种全新的 方式。应用该技术后，用户、计算机和控制对象视为一个整体，通过各种直观的工 具将信息进行可视化，用户直接置身于这种三维信息空间中自由地操作、控制计算 机。可以预言，随着虚拟现实技术的进一步发展，虚拟现实技术将在故障智能诊断 系统中会得到广泛的应用。 5 ,数据库技术与人工智能技术相互渗透 人工智能和数据库相比，它缺乏较为成熟的理论基础和实用技术。与数据库的 结合是其发展的方向， 并被认为是成功的一个关键。 对于故障诊断系统来说，知识 库一般比较庞大，因此可以 借鉴数据库关于信息存储、共享、并发控制和故障恢复 技术，改善诊断系统的性能。人工智能与数据技术的相互渗透将会给故障智能诊断 系统带来更广阔的应用前景。 故障智能诊断技术是传统故障诊断技术的发展趋势，是在结合当 前众多先进技 术、结合计算机技术、结合面向对象技术而发展起来的综合性技术。 本文所研究的 基于模糊逻辑推理( f l i ) 的故障智能诊断系统( i f d s ) 是故障智能 诊断技术的一个重要分支，它是运用模糊数学理论、结合故障诊断原理而形成的一 种具有智能化的现代故障诊断技术。 l 海海事大学倾 卜 论文 第二章故障智能诊断系统的理论基础 2 . 1 故障智能诊断系统的概念 故障智能诊断系统是由 人、 p c机以及必要的外部设备、 物理器件以及支持这些 硬件的软件所组成的具有智能的故障诊断系统。它的智能性在于它可有效地获取、 传递、处理、再生和利用诊断信息，从而对于给定环境下的诊断对象进行正确的状 态识别、诊断和预测。它有如下特点: 1 )是个开放的系统， 具备自 我提高的潜能。 2 )一方面故障智能诊断系统是由 硬件和相应的软件组成， 另一方面又离不开人 的作用，人是其中重要的组成部分。即:它不是单纯的计算机程序系统。 3 )面向复杂问题的故障诊断系统还表现出 层次性、 相关性、 延时 性和不确定性。 4 )诊断 系统利用多种信息和多种诊断方法，以 灵活的诊断策略来解决诊断问 题。 5 )诊断系统的模块化结构。 6 )诊断系统具有人机交互诊断的功能。 7 )诊断系统具有多种诊断信息获取的途径。 8 )诊断系统具有问题解决的实时性和准确性。 9 )诊断系统具有自 学习能力。 2 . 2 故障智能诊断系统的一般结构 故障智能诊断系统的一般结构如图2 - 1 所示。 领 域 专 家 知识 工程师 一二一一职 州叫刻川|引 用 户 月 一 卜 司 -，和 闷一 洲奋 诊 断信 患. 获 取 故障智能诊断系统的一般结构 _ 海海事大学硕 沦文 在图2 - 1 中，复杂的设备故障智能诊断系统的人机接口模块是整个系统的控制 与协调机构; 知识库和数据库管理模块的功能是对诊断必要的知识和数据执行建立、 增加、删除、修改、检查等操作:诊断推理模块是诊断系统的核心，负责运用诊断 信息和相关知识完成诊断任务;诊断信息获取模块通过主动、被动和交互等方式获 取有价值的诊断信息;解释机构的任务是向用户提供诊断咨询及诊断推理过程的中 间结果， 帮助用户了解诊断对象及诊断过程: 机器学习模块用于完善系统的知识库， 提高系统的诊断能力。 2 . 3 故障智能诊断系统知识获取和表示方法 2 . 3 . 1 知识的分类 故障智能诊断系统中的知识有多种分类方法，比较流行的是按作用层次分类和 按深浅层次分类。 1 从作用层次来分 根据诊断知识的作用层次，故障智能诊断系统中的知识可以按图2 - 2 分类。 描述型知识 过程型知识 经i 0 型知识 控制 型知 识 礁 象 有 关 的 概 念 、 状 态 、 “ 诊断 模型、 信号处理的 计算等 专家 求 解问 题的 经 验、 结 论与 故障 的 囚朱关系等 、j 与 诊断 对象 有关的 慨念、 状态 、 结构等 褚 = 李 数 据 流-今控 制 流 图2 - 2 诊断知识按作用层次的分类 在图2 - 2所示中，描述型知识用于描述诊断对象结构和功能方面的属性、各种 命题和断言、对象的运行状态信息等。这些概念事实以数据或某种数据结构的形式 _ 海海事大学硕 : 论文 给出， 其有序集合构成相应诊断对象数据库; 过程型知识包括分析处理的数值计算、 特征提取、诊断模型以及一些辅助的程序等，这类知识在诊断推理中起着十分重要 的作用，一般可用函数或子程序表示;经验型知识是知识库的主体知识，来源于领 域专家对问题求解的丰富经验以及诊断过程中征兆、中间假设、结论和故障之间的 因果关系等。这类知识一般以规则的形式表示;控制型知识是关于问题求解的控制 策略，对于不同的诊断问题，其用哪些知识、采用何种推理策略和方式等方面的指 示，它体现了专家对知识的运用和处理能力，一般以规则的形式给出。 2从深浅层次来分 根据诊断知识的深浅层次，故障智能诊断系统中的知识可以按图2 - 3 分类。 经验知识 因果知识 专家的经-总龚 查 等，_ 役有明显 理论依据和因果关系 入 馨影 甜只 at a 有 强 烈 的 因 人甲!-式 -公 第 一 定 律 知 识 豁垫 霎 律 规律等具有 碍 书， 数据流- - 争控制流 图2 - 3 诊断知识按深浅程度的分类 在图2 - 3中，经验知识是专家在长期的工作实践中经过反复诊断该领域问题而 获取的知识。它的特点是，前提和结论没有强烈的因果关系;因果知识是指在经验 知识的基础上，能把诊断对象的内部结构显式地表示出来的知识。它与经验知识的 区别在于它具有潜在的理论依据，它的前提和结论有着明显的因果关系;而第一定 律知识包括诊断领域的一切物理性质和处理特定问题的基本步骤，如理论、定律、 公式、规律等。它的特点是具有明确的科学理论依据。 海海事人学硕 卜 论文 2 . 3 . 2 知识的表示 图2 - 4所示模型是深浅知识结合使用的一种模型。在该模型中，深浅知识各自 用它们最适合的方法表示，并构成两种不同的知识库和推理机，这两个系统再通过 协调机制模块构成一个诊断特定问题的完整的智能系统。 图2 - 4 深浅知识结合模型 在诊断问题求解时，浅知识和深知识进行相互作用，在诊断过程中起控制作用 的知识类型可能每时每刻都在发生变化。从一个知识源获取的信息可以通过协调机 制结构转化为另一知识源的信息。当“ 经验专家”工作时， “ 原理专家” 在一旁“ 观 望” ，一旦 “ 经验专家”的求解能力下降，或者诊断失败，即刻就由“ 原理专家” 携 带着从 “ 经验专家” 那里获取得的所有诊断信息开始工作。 如果问题己知， “ 经验专 家”常先使用于诊断，这样找出问题的解是迅速的:如果失败，由于 “ 经验专家” 提供了大量有价值的信息，导致 “ 原理专家”能更有效地求解。在两种知识使用的 转化过程中，其关键作用的是协调机制( 0 2 . 3 . 3 知识的获取 知识的获取是故障智能诊断系统的重要组成部分，也是其 “ 瓶颈”所在。它的 难点在于如何适当 地把握领域专家所使用的概念、关系和问题的求解方法。目 前有 三种知识传统的获取方法: 1 )通过知识工程师获取知识 2 )通过知识编辑器获取知识 3 )通过学习程序获取知识 故障智能诊断系统知识获取的一般模型如图2 - 5 所示。 1 几 海海事大学硕 七 论文 交互获取方式 直接获取方式 图2 - 5 故障智能诊断系统知识获取的一般模型 如图2 - 5 所示，有效的知识获取和学习机能是保证智能诊断系统的性能的重要 因素。 对于复杂设备的故障智能诊断系统， 如要使其具有较强的解决实际问题能力， 就必须同时具备三种获取知识的方式，这里分别称之为直接获取方式、交互获取方 式和学习获取方式。 直接获取方式是指诊断系统通过归纳程序或文本理解程序从系统历史状态数据 库、文本文献资料等直接获取知识的方法;交互获取知识方式是指专家通过知识工 程师或系统提供的智能编辑程序与诊断系统建立联系，专家提供解决问题的经验、 有关诊断对象的理论知识以及应用实例等， 并用某种方式表达出来， “ 传授” 给诊断 系统;学习获取方式使系统本身具有从经验和现有知识出发学习的能力，以 便能经 常总结经验和规律，修正错误，增长知识，从而丰富自己的知识库，适应环境的变 化和事物发展的需要。 诊断知识的获取方法受到许多因素的制约，对于具体的诊断对象应制定具体的 知识获取策略。 海海事大学倾 1 论文 第三章基于模糊逻辑推理的故障智能诊断系统 3 . 1引言 模糊推理系统是建立基于模糊逻辑推理的故障智能诊断系统的一种广泛应用且 基本的形式。模糊推理系统一般分为三类:纯模糊逻辑系统、高木一 关野 ( t a k a g i - s u g e n o ) 型模糊逻辑系统以 及具有模糊器 ( 模糊化单元) 和解模糊器 ( 反 模糊化单元) 模糊逻辑系统， 又称为ma m d a n i 型模糊逻辑系统。 ma m d a n i 型模糊推 理系统与高木一 关野型模糊推理系统不同之处主要在于两者的推理机制不同: 前者是 m a m d a n i 型 推理， 后 者 是t a k a g i- s u g e n o 型 推 理。 同 时， 对 高 木 一 关 野 型 模 糊 推 理系 统来说， 其输出隶属函数只能是线性的或是常量。本文主要侧重于研究 m a m d a n i 型模糊推理系统。 模糊推理系统是基于模糊概念和模糊逻辑而建立、能够处理模糊信息的系统， 其一般结构如图 4 - i 所示。它通常由输入模糊化单元、模糊规则库、模糊逻辑推理 机、输出反模糊化单元四部分组成。 ， u v e v 图3 - 1 模糊推理系统的一般结构 设模糊逻辑系统的输入信号x 为论域u上的点， 输出 信号y 为论域v上的点， x , y 均为确定的非模糊信息。 模糊逻辑系统的处理对象是模糊信息， 所以 信号x 需 要通过模糊化单元变换成u上的模糊集合; 模糊逻辑系统最终的输出应是明确的信 息， 所以 需要有反模糊化单元将论域v上的模糊集合转化成v上的 确定信号y 模糊逻辑系统具有许多优点。其输入、输出均为实型变量，所以适用于工程应 用，可以用测量变量作为模糊逻辑系统的输入，并将其输出变换为相应的工程量; _ 海海事大学硕 1 论文 其模糊规则库的基本格式为i f. . . . . . t h e n型规则，适合于描述专家经验知识;模糊 化单元、模糊推理机和反模糊化单元的设计有较强的自由度，对于特定的问题，可 以通过比较、学习过程确定一个最佳的模糊逻辑系统，使之能有效地利用数据和语 言两类信息。 模糊逻辑系统实质上是一个从论域u到论域v的非线性映射。已经证明， 只要 适当选择隶属函数式、模糊化和反模糊化算法以及模糊推理算法，模糊逻辑系统可 以在任意精度上逼近某个给定的非线性函数。因此，模糊逻辑系统是除人工神经网 络之外又一重要的非线性映射模型，它的独特之处是能够充分有效地利用语言和知 识信息。 模糊规则库是模糊逻辑系统的核心部分， 它一般是由一组模糊推理规则组成的。 它的一般形式为: r : i f x , is a ,k a n d. a n d x i s a k t h e n y is b ( k = 1 一 m) ( 3 - 1 ) 式中:r ( k ) 表示第k 条规则; 式 k 了分 别为u ; c r和v c r 的 模 糊 集合; x = ( x . . . . . . . . . x) e u , x . . . . . . u 。 为系统的输入模糊向量; y e v 为系统的输出模糊变量; m为规则库总规则数。 模糊推理机的作用是根据模糊逻辑的运算规则，把模糊规则库中的 i f . . . . . . t h e n” 型 模糊规则 转化成 从认x . . . . . . x 叭上的 模糊 集到v的 模 糊集的 映 射关系， 换句话说， 它根据接受到的 模糊输入信息x = ( x 1 ， . . . , x) 和模糊规则库中 现有的规则，产生相应的模糊输出 变量。其核心机制是模糊条件推理的方法。 在基于模糊逻辑推理的故障智能诊断系统中，模糊规则库中的模糊规则形式如 式 ( 3 - 1 )所示，它也可以一般化表示为如下形式: n(k) 其中x 、 一 i f x ,( cj k , ) ， . . i x ( 1) t h e n f , ( g k ) , f ( ( 2k ) , . . . . . f .( c k ) , ( k = 1 一 m ) ( 3 - 2 ) x 。 是 代表n 个故障征 兆， 名一 凡代 表m 个相互独 立的 故障， 它们均己 通过 模糊处理转化为模糊量;co k e ( i = 1 一 n ) 为 权系数， 代表各个故障征 兆x 对本条规则 r (k ) 的 重 要 性 ; 心( j 一 1 一 m ) 也 是 权 系 数 ， 反 映 了 本 条 规 则 r (k ) 对 各 个 故 障 凡 的 重 要 性。 权 系 数o k i r c jk 满 足 如 下 条 件 : 卜 海海事人学硕 r _ 论文 o j k ; _ 0 ( 3 - 3 ) c k ? 0 ( 3 - 4 ) 二 户 c 。艺月 式( 3 - 2 ) 所表示的 故 障诊 断规则w k )还可以 用网 络形式 表示， 见图3 - 2 0 模糊器 解模糊器 图3 - 2 故 障 诊 断 模 寻 胡 规 则 r (k ) 的 网 络 表 示 图 其中: x ， :故障参数; f , :故障输出 口幻: 心 : x i 对r (k ) 的 重 要 性 r (k ) 对 凡 的 重 要 性 对于模糊诊断规则库的所有m条规则， 按照该图的连接方式， 可以进一步构成 完 整的 故 障 诊 断 模 糊 规 则 网 络。 可以 发 现， 在 模 糊 诊 断 规 则 库中 ， 一 个 故 障f j 可 能 同 时与 多 条规 则 相 关 联 ， 而 某一 故障 征 兆x 也 可能同 时 作为 多 条规 则的 模 糊条 件。 征兆与故障之间的 复杂关系体现在由 多条规则组成的完整规则网 络之中 3 一旦建立了故障诊断模糊规则库，就可以基于适当的模糊推理方法建立起模糊 逻辑故障诊断系统。故障诊断中的模糊推理是根据当前的故障征兆、对模糊规则库 中的相关规则进行匹配处理，并给出相应的故障诊断结果。模糊逻辑故障诊断系统 的输出结果一般以各个故障的可信度来表示。因此，故障诊断模糊推理通常可以分 为 两个步 骤: 首先 根 据当 前的征兆二( i = 1 一 。 ) 计算出 各条 规则的r ( ” 的 激活 度 卜 海海事大学硕 1 _ 论文 人( k 一 卜m ) ， 其 计 算 依 据 是 规 则 r k ) 中 的 权 系 数。 k ; ( t = 1 一 。 ) ; 然 后 计 算 各 个 故 障乓 在当 前 征 兆 下 的 可 信 度兀 ( j = 1 一 m ) , 界 取 决 于 相 关 规 则 的 激 活 度a 、 和 规 则 r (k ， 中 的 权 系 数 c , (j 一 1 一 m ) 。 如 果 某 一 故 障 凡 只 有 一 条 规 则 r (k ) 支 持 ， 则 该 故 障 的 可 信 度 为兀 = c ,k . a , ; 而 如 有多 条 规 则 支 持 该 故 障， 则 其 可 信 度 将 是 各 条 规 则 对 其支持的可信度的合成。 这种合成可以通过一定的模糊算子来实现。 其中具体有“ 模 糊平均算子”和 “ 棍合联结算子”等。 下面将依次论述基于模糊逻辑推理的故障智能诊断系统的各个单元， 包括:模 糊器、模糊逻辑器、模糊推理器和解模糊器，并研究系统的建立方法和步骤。 3 . 2 模糊器和解模糊器 3 . 2 . 1 相关数学理论 如3 . 1 节所述， 模糊器和解模糊器作用是分别将信号输入量( 对于故障诊断问题， 就是故障征兆量)模糊化、信号输出量 ( 故障诊断的结果输出)反模糊化。其中涉 及的数学工具有:模糊集合和隶属函数、模糊集合运算、模糊关系等。下面简要介 绍构造模糊器和解模糊器所涉及的数学理论。 1 模糊集合与隶属函数 把具有某种确定性质、彼此可以区别的对象组成一个整体，这个整体被称为集 合，这就是普通集合的概念。而模糊集合与普通集合有一定的联系，但又有一定的 区别。一方面它是普通集合的推广，因而有普通集合的一般的性质。但同时模糊集 合又是一个特殊的集合，普通集合建立在普通集合理论的基础上，而模糊集合建立 在模糊数学之上，因而它具有一些特殊的性质。模糊集合及隶属函数的概念如下: 论 域u 上 的 模 糊子 集a由 隶 属 函 数,u , ( x ) 来 表征，p a ( x ) 在区 间 0 ,1 中 取 值。 p a ( x ) 的大小反映了x 对模糊集合a的隶属程度。 该定义表明，论域u上的模糊子集a是指 u中具有某种性质的元素的全体， 这些元素具有某种不分明的界限。 对于u中任意元素，都能根据这种性质， 用一个 值域为闭区间 0 , 1 的函数来表征该元素属于a的程度。 论域u是指所讨论的 对象 的全体，论域的元素是明确的，只有其模糊子集才是模糊的，所以所谓的 “ 模糊集 合” 实际上就是指模糊子集。 在不易混淆的场合， 模糊子集通常简称为“ 模糊集合，o 具体地，模糊集合有两种表示方式: ( 1 ) 如论域u是有限 域， 即u= x , , x . . . . . . x ， 考虑u上的 模糊集合a ， 其隶 属 卜 海海事大学硕 卜 论文 函数为u ,4 ( x . ) ( + = 卜n ) ，则a可表示为: a= u a ( x . ) l x , + u a ( x i ) l x 2 + . 一 u a ( x) l x 一 艺u a ( x , ) / x ( 3 - 5 ) 这里 的 求 和 符号 并 不 表 示 求 和， 而是 表 示u上 隶 属函 数 为a ( x ) 的 所 有 点x 的 集合 ( 2 )如论域u为无限 域，则u上的模糊集a可表示为: a 一 卜 a ( x ) / x ( 3 - 6 ) 这里的 积分符号并 不表 示积分， 而是 表 示u上 隶属函 数为产 ， paw的 所有x 的 集合。 隶 属函 数 是应 用模糊理论 研究 模糊问 题的 基 础。 隶 属函 数p a ( x ) 的 值越 接近1 , 则表示x 隶属于a的 程度越高; 反之 隶 属函 数p a ( x ) 的 值越 接近0 ， 则 表示x 隶 属于 a的程度越低。隶属函数既有一定的科学性又有一定的人为主观性质。虽然模糊集 合描述的对象是模糊的，但隶属函数本身不是模糊的， 它是精确的数学函数。 模糊集合的隶属函数有多种不同的形式，一般有:偏小型 ( 戒上型)函数、偏 小型 戒下型)函数、中间型 ( 正态型)函数、三角形函数、梯形函数等。 2模 糊 集 合 运 算c u l 在普通逻辑或布尔逻辑中， 任何命题只有两个取值: 真或假 ( i ” 或“ 0 ) ， 即 普通逻辑为二值逻辑。其对应的逻辑关系有逻辑与