基于人工智能的机械液压系统故障诊断方法研究.pdf

20104（上）科技传播8理论科学Theoretical Science基于人工智能的机械液压系统故障诊断方法研究贾祥云日照职业技术学院机电工程学院，山东日照 276826摘要本文针对机械液压系统故障的特点，分析了现有故障诊断方法，重点探讨人工智能技术及其在机械液压系统故障诊断方面的应用和实践关 键 词液压系统；故障诊断；智能诊断技术中图分类号TH137，TP18文献标识码A文章编号1674-6708（2010）16-0008-020 引言现代工程机械液压系统向着高性能、高精度和复杂的方向发展，液压系统的可靠性成了一个十分突出的问题，除对液压系统进行可靠性设计外，液压系统故障检测和诊断技术越来越受到重视，成为液压技术发展的一个重要方向。1 机械液压系统故障诊断方法故障诊断是对液压元件与系统产生故障的原因做出分析与判断，以便找出解决问题的方法。目前，液压传动系统中的故障诊断主要有：1）基于人的主观诊断法基于人的主观诊断法主要是依靠简单的诊断仪器，凭借领域专家的实践经验，判断故障的部位和原因，并提出相应的排除方法。这种方法又被称为简易诊断方法，它是设备维修部门普遍采用的方法，可以通过看、听、摸、闻、阅、问等方式，简单定性地判断液压系统工作的实际状况是否出现异常。基于人的主观诊断法主要包括系统分析法、参数测量法、方框图分析法、鱼刺图分析法等。基于人的主观诊断法只能对简单液压设备故障进行定性判断与决策，对于复杂液压设备，仅仅依靠个别专家的经验和知识是无法对故障进行准确定位与判断的。2）基于数学模型与信息处理的诊断法这种诊断方法是用一定的数学手段描述系统某些可测量特征量在幅值、相位、频率及相关性上与故障源之间的联系，然后通过测量、分析、处理这些信号来判断故障源所在。基于数学模型与信息处理的故障诊断方法通常有状态估计方法、参数估计方法、频谱分析法、小波分析法等。基于数学模型与信息处理的故障诊断方法需要提取系统特征参数或对系统建模，而液压系统由于元件工作在封闭油路中，影响液压系统特性的因素多种多样且相互影响，不易得到能准确反映故障的特征参数。液压系统一般都是由机、电、液耦合而成，存在着非线性时变环节，对系统建模也显得相当困难。所以此故障诊断法在液压系统故障诊断应用中受到了一定的限制，有待于进一步改进。3）基于智能技术的诊断法液压故障的多样性、突发性、成因的复杂性和进行故障诊断所需要的知识对领域专家实践经验和诊断策略的依赖，使研制智能化的液压故障诊断系统成为当前的趋势。计算机技术的发展与故障诊断技术相结合，人工智能(artificial intelligence)诊断技术应运而生。其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，运用大量独特的专家经验和诊断策略，成功地识别和预测诊断对象态。智能诊断技术在知识层次上实现了辨证逻辑与数理逻辑的集成、符号逻辑与数值处理的统一、推理过程与算法过程的统一、知识库与数据库的交互等功能，为构建智能化的液压故障诊断系统提供了坚实的基础。目前，基于智能技术的故障诊断法主要有：基于神经网络的诊断法、基于专家系统的诊断法、基于模糊逻辑的诊断法等。2 人工智能及智能诊断当前，人工智能的研究是与具体领域相结合进行的。基本上有如下领域：1）专家系统，是依靠人类专家已有的知识建立起来的知识系统，它应用人工智能技术、模拟人类专家解决问题时的思维过程，来求解领域内的各种问题，达到或接近专家的水平；2）模式识别。模式识别是研究如何使机器具有感知能力，主要研究视觉模式和听觉模式的识别。近年来，迅速发展起来应用模糊数学模式、人工神经网络模式的方法逐渐取代传统的用统计模式和结构模式的识别方法。特别是神经网络方法在模式识别中取得较大进展；3）人工神经网络。人工神经网络是在研究人脑的奥秘中得到启发，试图用大量的处理单元（人工神经元、处理元件、电子元件等）模仿人脑神经系统工程结构和工作机理。在人工神经网络中，信息的处理是由神经元之间的相互作用来实现的，知识与信息的存储表现为网络元件互连间分布式的物理联系，网络的学习和识别取决于和神经元连接权值的动态演化过程。人工神经网络已经成为人工智能中极其重要的一个研究领域。3 液压故障的智能诊断技术目前的研究主要从两方面展开，即基于专家系统的液压系统故障智能诊断技术和基于神经网络的液压系统故障智能诊断技术。3.1 液压故障诊断专家系统故障诊断专家系统(ES)是研究最多、应用最广的一类智能诊断系统。主要用于没有精确数学模型或很难建立数学模型的复杂系统。液压系统故障诊断专家系统是在采用先进传感技术与信号处理技术的基础上研制开发的。用专家系统诊断液压系统故障的一般过程是通过用户接口将故障现象输入计算机，由计算机根据输入的故障现象及知识库中的知识，按推理机中存放的推理方法，推理出故障原因，提出维修和预防措施。3.1.1 知识库知识库是故障诊断专家系统的基础，如何建立有效的知识库是诊断系统的重要环节，知识库的模型不仅要符合专家诊断推理的思维，同时还要具备不断自我充实的能力，以提高专家系统的性能。知识库中存放各种故障现象、引起故障的原因及原因和现象间的关系，知识包括领域专家的启发性知识和液压系统的结构原理性知识。前者源于领域专家在长期实践中的知识积累，后者来自于对液压系统结构、原理和性能的深层次研究。通过对液压系统结构、功能和故障机理特征的分析可将其各部分的隶属关系描述成一种树状结构，如系统级、子系统级、部件级和元件级等若干层次。3.1.2 推理机推理机是专家系统的核心，实际上是计算机的控制模块，根4月上.indd 82010-4-15 17:16:24科技传播20104（上）9理论科学Theoretical Science据输入的设备症状，利用知识库中存贮的专家知识，按一定的推理策略解决诊断问题。通常采用的推理策略有正向推理、反向推理、正反向混合推理；常用的知识表达方式有产生式规则、框架、谓词逻辑等。在液压故障模糊推理诊断过程中，一般坚持以下原则：分层分段诊断，逐步深入原则、假设与验证相结合原则、综合评判原则、获取信息原则、通过对外在性能的考证来判断系统内部结构的劣化原则，对比判别确定原则，找出最严重的故障点原则等。3.1.3 专家系统的实现根据知识库模型和知识推断处理方法，专家系统的实现主要由图 1 所示的几个模块组成。图 1 液压系统故障诊断专家系统结构图3.2 液压故障诊断神经网络系统专家系统在发展中会遇到知识获取“瓶颈”问题，知识库过于庞大和非结构性、求解方法单一等困难，使其支持能力受限。而人工神经网络为液压系统的智能诊断开辟了新的空间。人工神经网络是利用神经网络具有的容错能力、学习功能、联想记忆功能、分布式并行信息处理功能等，较好地解决了传统方法在知识表达、获取和并行推理等问题上的“瓶颈”问题，特别是它不需要进行树搜索，使系统开发周期大大减少而提高求解效率。其具体应用方式有：从模式识别角度应用神经网络作为分类器进行液压系统故障诊断；从故障预测角度应用神经网络作为动态模型进行液压系统故障预测；从检测故障的角度应用神经网络得到残差进行液压系统故障检测。基于神经网络系统的诊断基本原则是：把领域专家的经验输入网络，通过对故障实例和诊断经验的训练学习，依据一定的训练算法，使网络的实际输出在某种数学意义下是理想输出的最佳接近，对应于特定的输入征兆，产生故障输出模式，可以模仿人类专家的直觉、联想、记忆等能力，能较好地解决知识不完全性或不确定情况下的故障诊断问题。3.3 基于模糊逻辑的诊断法该方法借助模糊数学中的模糊隶属关系提出的一种新的诊断方法。由于液压系统故障既有确定性的，也有模糊性的，而且这两种不同形式的故障相互交织、密切相连，通过探讨液压系统故障的模糊性，寻找与之相适应的诊断方法，有利于正确描述故障的真实状态，揭示其本质特征。4 人工智能在机械液压系统故障诊断的实际应用4.1 液压系统工作状态的识别与故障诊断主要包括信号特征分析、工作状态识别和故障诊断等过程。对现场实测信号进行信号分析和数据处理（如频域分析、时域分析、小波分析等），以提取表达工况状态的特征量，在此基础上进行工作状态的识别和故障诊断。由于实际液压元件常具有严重的非线性特征，如液压阀的饱和、滞环、死区，表现出流量和压力特性的严重非线性等，给传统故障诊断方法带来了困难。而通过模糊诊断、神经网络诊断和专家系统诊断等现代智能诊断法，对此类系统的故障诊断更为有效。1）模糊诊断法，液压系统工作过程中，系统及元件的动态信号具有不确定性和模糊性，许多故障征兆用模糊概念来描述比较合理，如振动强（弱）、偏心严重、压力偏高、磨损严重等。同一系统或元件，在不同的工况和使用条件下，其动态参数也不尽相同，因此对其评价只能在一定范围内作出合理估价，即模糊分类。模糊推理方法采用 IF-THEN 形式，符合人类思维方式。同时，模糊诊断法不需要建立系统的精确数学模型，对非线性系统尤为合适，因此在液压系统故障诊断中得到了应用和发展。2）神经网络诊断法，人工神经元网络是模仿人的大脑神经元结构特性而建立的一种非线性动力学网络，它由大量的简单非线性单元互联而成，具有大规模并行处理能力、适应性学习和处理复杂多模式的特点，在液压系统故障诊断中得到了较多的应用和的发展。3）专家系统诊断法由于各种液压系统及元件具有一定的相似性，所以各液压系统及元件的故障具有一定的共同特点，如各种伺服阀的结构，故障特点都具有一定的共同点。在这一领域积累了大量的专家知识，对发展液压系统故障诊断的专家系统创造了条件，具有广阔的发展前景。4）其它诊断方法随着现代智能技术的发展，各种复合的智能诊断法将不断涌现，如模糊一专家系统诊断法、神经网络一专家系统诊断法等，将使单一液压系统故障诊断方法的能力大大改善。如基于神经网络的专家系统在知识获取、并行处理、适应性学习、联想推理和容错能力等方面具有明显的优势，而这些方面恰好是传统系统的主要弱点。这些复合智能诊断系统具有诊断速度快、容错能力强和精度高的特点，将是今后长时间的发展方向之一。4.2 基于人工智能的液压泵故障诊断方法1）基于专家系统的方法。基于专家系统的故障诊断是在知识库和数据库支持下，综合运用各种规则，进行一系列推理，诊断出泵源最终或最有可能的故障。利用专家系统对液压泵故障诊断，首先根据泵源故障模式、故障机理及历史数据，建立相应知识库和规则库，然后利用信息处理技术提取故障特征信号或根据现场故障现象，结合规则知识库，推理液压泵故障。基于专家系统故障诊断原理，一般使用于故障规则多、故障推理清晰及故障逻辑决策分辨高的场合。2）基于神经网络的方法。利用信号处理提取故障特征，采用神经网络作为故障分类器，即故障信号处理后的故障模式分析，实现从故障征兆到故障原因的非线性映射。3）基于模糊推理的方法。严格意义上讲，泵源工作状态除“正常”和“故障”两种状态外，多数工况均处于两者之间的中间状态，即泵源工况存在界限不分明的概念（如泵出口压力“偏高”），故障征兆与故障原因之间的映射关系呈现模糊性，运用模糊理论的诊断方法是一种有效的方法。模糊诊断的实质是引入隶属函数的概念，模糊逻辑以其较强的结构性知识表达能力，适应处理泵源故障诊断中的不确定和不完整信息。5 结论现代计算机技术、检测技术、信息技术的日新月异，为智能故障诊断技术的产生和发展提供了技术基础，智能故障诊断技术具有巨大的优越性，国内外近年来对智能故障诊断技术做了大量的研究开发，其在各行各业得到了广泛的应用。将人工智能引入到液压故障诊断系统，利用其方法建立故障诊断模型，更好更快的分析故障及排除故障。通过对基于人工智能的机械液压系统故障诊断方法的研究找到更好解决液压系统故障诊断的方法，具有一定的实用价值，为工程机械智能化发展有应用参考价值。参考文献1黄富瑄.液压系统故障诊断方法综述J.液压与气动,2006(1):75-76.2周敏,湛从昌.液压泵故障诊断专家系统研究J.武汉钢铁学院学报,1993,16(1):113-117.?4月上.indd 92010-4-15 17:16:24