具有智能故障诊断的燃气轮机中心数据库系统研究与开发.pdf

《具有智能故障诊断的燃气轮机中心数据库系统研究与开发.pdf》由会员分享，可在线阅读，更多相关《具有智能故障诊断的燃气轮机中心数据库系统研究与开发.pdf（70页珍藏版）》请在淘文阁 - 分享文档赚钱的网站上搜索。

1、江苏科技大学硕士学位论文具有智能故障诊断的燃气轮机中心数据库系统研究与开发姓名：刘宏伟申请学位级别：硕士专业：指导教师：姚寿广20070101摘要 I题目：具有智能故障诊断的燃气轮机中心数据库系统研究与开发 作者：刘宏伟 导师：姚寿广 教授 学位：硕士 学校：江苏科技大学 题目：具有智能故障诊断的燃气轮机中心数据库系统研究与开发 作者：刘宏伟 导师：姚寿广 教授 学位：硕士 学校：江苏科技大学 摘要 本文结合舰载燃气轮机远程故障诊断系统研究项目，针对陆基中心数据库系统及其智能诊断模块进行了学习和研究。中心数据库旨在为舰载动力设备建立一个信息和数据存储中心，以方便工程技术人员对设备的故障历史、维

2、修记录和工况信息进行及时的掌握和必要的查询。智能故障诊断模块是依托中心数据库构建而成的数据分析和故障决策系统，以辅助领域专家进行故障数据的分析和故障诊断。基于上述两个方面的应用本课题设计和开发了一个具有智能故障诊断的燃气轮机中心数据库系统，主要进行了以下几个方面的工作：1结合舰载数据采集和分析模块以及通信模块的数据格式设计和构建了中心数据库系统及其人机交互界面。实现了对数据的查询、修改等基本功能以及对知识库和数据库的管理和操作。2在分析和总结燃气轮机故障诊断领域已有研究成果和借鉴汽轮机故障等旋转机械故障诊断理论的基础上，提出了构建一个基于人工神经网络诊断模块和基于知识推理的专家系统故障诊断模块

3、相结合的智能诊断系统的构想。神经网络诊断模块的自适应和自学习能力克服了传统专家系统开发的知识瓶颈问题，与基于推理机制的专家系统模块的结合克服了神经网络诊断系统无逻辑性和不能对结果进行解释的缺陷，实现了两者的优势互补。3在分析多种知识表示方法的基础上提出了一种用关系数据库表达产生式的方法，实现了知识在数据库中的表示和存储。知识库与数据库的统一不仅提高了知识库的管理效率也为集成故障诊断模块的实现以及在运行中不断丰富和发展知识库提供了可能。4在 Visual Studio.Net 开发环境下结合 Access 数据库用 C#语言设计实现了中心数据库及其管理模块以及智能诊断模块。并用工况数据和部分通过

4、小偏差法构造的故障数据对系统进行了训练和检验。摘要 II 关键词：关键词：燃气轮机 智能故障诊断 人工神经网络 专家系统 Abstract IIResearch and Development of Gas Turbine Centurial Database System with Intelligent Fault Diagnosis Abstract Combining with the long-distance fault diagnosis of ship using gas turbine this article carried out a study and research

5、 aiming at the terrestrial centurial database system and intelligent fault diagnosis module.The centurial database are designed to constitute a electric case and working data center for the ship carrier power equipment and to help the engineers to hold the fault history,repair register,working data

6、etc and to require the data if necessary.The intelligent fault diagnosis module is a data analyze and fault decision maker system based on the centurial database system and to help experts to analyze the fault data and diagnosis the fault.Basing on the two functions we designed and developed a gas t

7、urbine centurial database system with intelligent fault diagnosis module,mainly carried out the following works:Firstly combining with the data formation of the ship carried data collection and analyses module and communication module designed and contributed the centurial database system and its ma

8、n-machine conversation interface.Carried out the data require and perfect function and administration of the knowledge base and data base.Secondly by analyzing and summing-up the research achievements in gas turbine field and using of reference the fault diagnosis of the steam turbine and other roll

9、ing machines.This article gives out an intelligent fault diagnosis based both on the artificial neural networks module and on exporter system based on knowledge reasoning technique.The self-adoption and self-study ability of the artificial neural networks module conquered the knowledge localizations

10、 of the traditional exporter system.Combining with the knowledge based exporter system realized the two modules advantages and conquered the signal neural networks limitation of no logic and the limitation of cant explain the result.Thirdly by analyzing all kinds of knowledge express methods this ar

11、ticle raising a new way of using relationship database to express production language knowledge and carried out to express and storage the knowledge in database.By the unification of the knowledge base and the database we not only improved the admonition of the knowledge and the intelligent fault di

12、agnosis module but also given us a possibility to perfect and develop the knowledge base of our system.Fourthly we designed and developed a centurial database system and its intelligent fault diagnosis module by using C#language in the Visual Studio.Net development environment combing with the Acces

13、s database system.This project trained and detected the system by using some work data and some fault data constituted by small deviation method.Key words:Gas Turbine;Intelligent Fault Diagnosis;Artificial Neural Network Exporter System 第一章 绪论 1第一章 绪论 1.1 引言 燃气轮机作为新型的动力设备，具有结构紧凑、运行平稳、安全可靠、可以快速启动并带动负

14、载，可以大型化且具有较高的热效率等优点，日益受到人们的重视，应用范围也越来越广。在航空航天领域里是独一无二，不可替代的动力设备；在航海和陆上交通领域里也占有越来越重要的地位，由于其较高的热效率较小的排气污染，在电力和能源部门也日益成为蒸汽轮机的更新换代产品1,2,3。随着在动力、电力等领域的广泛应用中，燃气轮机已经成为这些部门的关键设备。它们一旦出现故障或发生事故就会给生产经营带来严重的影响。因此维护燃气轮机在正常状态下运行，避免或及时诊断处理燃气轮机运行故障就显得越来越重要4,5。由于燃气轮机状态监控和故障诊断能大大提高机组运行的安全性和可靠性,大幅度降低维护和维修成本,所以燃气轮机故障诊断

15、模型的研究有着重要的理论意义和较高的应用价值6。1.2 燃气轮机故障诊断技术的研究现状与发展趋势 故障诊断技术是现代化生产发展的产物，早在上世纪 60 年代末，美国国家宇航局(NASA)就创立了美国机械故障预防小组 MFPG(Machinery Fault Prevention Group),英国成立了机械保健中心（UK，Mechanical Health Monitoring Center）。由于诊断技术所产生的巨大经济效益和设备故障诊断的紧迫性要求而得到了迅速发展7。故障诊断技术的发展大体经历了三个阶段:第一阶段是故障诊断的初级阶段,诊断结果建立在领域专家的感官和专业经验基础上,仅对诊断信

16、息作简单的处理,诊断水平受到个人因素和经验水平的限制8。第二阶段是以传感器技术和动态测试技术为手段、以信号处理和建模处理为基础的常规诊断。其中,信号处理包括统计分析、相关分析、频谱分析、小波分析和模态分析等;建模处理包括参数估计、系统辨识、模式识别等,其理论基础是系统论、信息论和控制论。在这一阶段,故障诊断技术在工程上得到了广泛的应用,其自身也得到了空前的发展,推出了一系列的故障诊断系统，也诞生出许多新的诊断方法。如振动诊断技术、声发射诊断技术、光谱诊断技术、无损诊断技术和热成像检测诊断技术等9.10。第三阶段是智能诊断技术阶段。至 80 年代中期以后,由于机器设备的大型化、复杂化以及连续高速

17、运行的需要,加之自动化制造系统(如 CIMS,FMS)的诞生和发展,单靠信号处理和人工分析判断难以实现在线的精确诊断。人工智能技术的发展,特别是专家系统和以并行分布处理为特征的人工神经网络等技术在智能故障诊断中的应用,第一章 绪论 2使故障诊断技术进入了一个新的智能化发展阶段11。在燃气轮机及其相关故障诊断研究领域里，美国是最早从事燃气轮机故障诊断研究的国家之一,在燃气轮机故障诊断研究的许多方面都处于世界领先水平。目前美国从事轮机故障诊断系统开发与研究的机构主要有EPRI及部分电力公司、西屋、Bently、IRD、CSI 等公司12.13.14。西屋公司(WHEC)是首先将网络技术应用于汽轮机

18、故障诊断的,他们在已经开发出的汽轮发电机组故障诊断系统(AID)的基础上,在奥兰多建立了一个诊断中心(DOC),对分布于各地电站的多台机组进行远程诊断。Bently 公司在转子动力学和旋转机械故障诊断机理方面进行了深入的研究。该公司开发的旋转机械故障诊断系统在中国应用情况良好,很受欢迎。日本也很重视轮机故障诊断技术的研究,日本规定1000MW以下的机组都须参与调峰运行,因此他们更注重于汽轮机寿命检测和寿命诊断技术的研究。日本从事这方面研究的机构主要有东芝电气、日立电气、富士和三菱重工等15。东芝电气公司与东京电力公司于1987年合作开发的大功率汽轮机轴系振动诊断系统,采用计算机在线快速处理振动

19、信号的解析技术与评价判断技术,设定一个偏离轴系正常值的极限值作为诊断的起始点进行诊断。90 年代,东芝公司相继开发出了寿命诊断专家系统,针对叶片、转子、叶轮及高温螺栓的诊断探伤实时专家系统、机组性能评价系统等。日立公司和三菱公司也在八十年代初期分别开发了汽轮机寿命诊断装置和 MHM 振动诊断系统。欧洲也有不少公司和部门从事汽轮机故障诊断技术的研究与开发。法国电力部门(EDF)从1978年起就在透平发电机上安装离线振动监测系统,到90年代初又提出了监测和诊断支援工作站的设想。90 年代中期,其专家系统 PSAD 及其 DIVA 子系统在透平发电机组和反应堆冷却泵的自动诊断上得到了应用。另外瑞士的

20、 ABB 公司，德国西门子公司、丹麦的 B&K 公司等都开发出了各自的诊断系统16。我国在故障诊断技术方面的研究起步较晚,但是发展很快。大致经历了两个阶段:第一阶段是从70年代末到80年代初,在这个阶段内主要是吸收国外先进技术,并对一些故障机理和诊断方法展开研究；第二阶段是从 80 年代初期到现在，在这一阶段,全方位开展了机械设备的故障诊断研究，引入人工智能等先进技术,大大推动了诊断系统的研制和实施,取得了丰硕的研究成果。1983 年春,中国机械工程学会设备维修分会在南京召开了首次“设备故障诊断和状态监测研讨会”,标志着我国诊断技术的研究进入了一个新的发展阶段。随后又成立了一些行业协会和学术团

21、体,其中和轮机故障诊断有关的主要有：中国设备管理协会设备诊断技术委员会、中国机械工程学会设备维修分会、中国振动工程学会故障诊断学会及其旋转机械专业学组等。这期间,国际国内学术交流频繁,对于基础理论和故障机理的研究十分活跃,并研制出了自己的在线监测与故障诊断装置。“八五”期间又 第一章 绪论 3进行了大容量火电机组监测诊断系统的研究,各种先进技术得到应用,研究步伐加快,缩小了与世界先进水平的差距17。目前我国从事轮机故障诊断技术研究与开发的单位有几十家,主要有哈尔滨工业大学、西安交通大学、清华大学、华中理工大学、东南大学、上海交通大学、华北电力大学等高等院校和上海发电设备成套设计研究所、哈尔滨电

22、工仪表所、西安热工研究所、山东电力科学试验研究所、哈尔滨船舶锅炉涡轮机研究所及一些汽轮机制造厂和大型电厂等。针对燃气轮机故障诊断的研究国外已有很多成功的模型18，如俄罗斯在舰用燃气轮机方面已经有了比较实用的诊断系统，美国在航空和舰船燃气轮机故障诊断领域也有自己的理论和技术优势。由于涉及军事机密和技术保护，很难找到这方面详细资料。我国在燃气轮机大规模应用于军事和民用设施的背景下也逐渐开始了对燃气轮机故障诊断的研究，但由于起步较晚，规模较小且主要在理论方面，还没有实际应用的系统，各种新理论、新方法应用于燃气轮机诊断的研究也取得了一定的科研成果19.20。特别是随着计算机技术和人工智能理论的发展使得

23、燃气轮机故障诊断技术提高到了智能故障诊断的水平21.22。2000 年，上海交通大学的王永泓、翁史烈、黄晓光等人将模糊 Petri 网的知识表示系统用在燃气轮机故障诊断专家系统中，在不确定知识表示和推理方面取得了很好的效果，另外针对燃气轮机的状态监测和故障诊断问题,在单一故障诊断方法无法获得较为满意的诊断结果的情况下,提出了综合利用算法诊断、规则诊断和模型诊断等方法的混合智能诊断方法,根据系统故障诊断过程在不同状况下所具有的特点和任务,利用神经网络、规则推理和建立诊断数学模型等方法来有效的完成诊断任务。2000 年，翁史烈、王永泓在基于热力参数的燃气轮机智能故障诊断一文中提出了故障与征兆之间定

24、量关系的求取方法，在此基础上研究了模糊逻辑和神经网络的故障诊断方法；杨斌、王永泓等在燃机轮机多元模糊神经网络诊断模型的研究一文中对基于热力参数的燃气轮机 8 种典型常用故障,提出了一种新的适用于燃气轮机故障诊断的多元模糊神经网络模型。2003 年，海军工程学院的赵德孜和海装驻西安航空中心代表处室的王厚铿从工程实际出发,提出了一种混合型故障树模糊分析的方法,从而为燃气轮机等复杂系统的可靠性定量分析提供了一种有效的工具。2004 年，上海交通大学机械与动力工程学院动力机械与工程重点实验室的张鹏、王永泓等人提出了一种新型燃气轮机热参数故障模型，与以往的热参数故障模型有所不同的是该模型对由故障导致的特

25、性线移动所引起的性能变化及由部件匹配引起的性能变化进行了分离,提高了模型的准确性和精度。纵观故障诊断的研究背景和燃气轮机故障诊断系统的研究现状，传统的以传感器 第一章 绪论 4为基础，以信息处理为手段的设备故障诊断技术经历了近 40 年的发展，已经取得了巨大的经济效益和丰富的科技成果24.25.26。但进一步的理论研究与应用结果表明，由于各种传统信息监测手段和诊断方法都未将诊断对象看成一个有机的整体，大多是利用诊断对象所表现出来的特定信号来诊断特定类型的故障，对多故障同时发生和各故障之间可能存在的相互联系及影响难以分析27.28。人工智能技术在故障诊断领域的成功应用，将故障诊断技术提高到了一个

26、新水平，即智能化诊断水平，有望克服传统诊断方法在实际应用中存在的一些困难，解决复杂系统故障诊断领域的新问题。目前研究的热点和发展趋势主要有以下几个方面29.30.31.32：第一，全方位的检测技术。针对燃气轮机的检测技术将是一个重要的研究方向,会出现许多重要成果。第二，故障机理的深入研究。任何时候,故障机理的深入研究都将推动故障诊断技术的发展。故障机理的研究将集中在对渐发故障定量表征的研究上,研究判断整个系统故障状态的指标体系及其判断阈值将是另一个重要方向。第三，知识表达、获取和系统自学习能力。知识表达、获取和自学习一直是诊断系统研究的热点,但并未取得重大突破,它仍将是继续研究的热点。第四，综

27、合诊断。燃气轮机故障诊断将向以振动诊断为主导，考虑热影响诊断、性能诊断、逻辑顺序诊断、油液诊断、温度诊断等的综合诊断方向发展,这也更符合轮机故障诊断的特点和实际。第五，人工智能、专家系统和神经网络相结合的智能诊断技术。在故障诊断系统的研究中，将多种不同的智能技术结合起来的混合诊断系统是智能故障诊断研究的一个发展趋势。1.3 论文主要研究内容 本文以舰用燃气轮机远程故障诊断技术为研究对象，结合数据库开发理论，运用人工神经网络算法诊断和专家系统理论，开发了一个具有故障诊断功能的陆基诊断中心数据库系统。主要对以下几个方面的内容进行研究：第一，燃气轮机故障诊断理论和方法的研究性学习，研究和探索汽轮机诊

28、断理论和技术到燃气轮机故障诊断的过渡和迁移。第二，基于人工智能技术的燃气轮机故障诊断专家系统模型的建立和功能的完善。第三，在加入人工神经网络技术的基础上，研究人工神经网络与专家系统相结合的混合故障诊断技术在燃气轮机故障诊断中心数据库系统中的应用。第四，基于知识表示、推理机和人工神经网络技术的燃气轮机故障诊断中心数据库的研究和软件开发。第一章 绪论 5在以上几个方面的内容中，论文主要研究的是人工智能、专家系统以及神经网络技术在故障诊断中的综合应用，在研究方法上通过对汽轮机和柴油机诊断理论和方法的迁移，将对故障诊断理论和方法的研究集成到燃气轮机故障诊断专家系统的开发过程中，在开发过程，对前人研究过

29、的理论和方法进行实践、对比和改进，开发了一个简明的燃气轮机故障诊断中心数据库系统模型。论文主要包括一下几个方面的内容：第一，智能故障诊断系统的理论和方法研究，对智能诊断理论的发展、应用及其关键技术进行了总结和研究。第二，燃气轮机中心数据库理论框架和技术实现。数据库系统软件开发技术及其在燃气轮机故障诊断系统中的应用。第三，人工神经网络技术在故障诊断中的应用和发展，针对燃气轮机的故障诊断神经网络模型的设计、构建和训练。第四，神经网络与专家系统理论在故障诊断中的集成。第五，总结与展望。系统开发过程中遇到的困难和存在的问题，进一步的研究思路和改进方法。第二章 智能故障诊断系统的理论与方法研究 6第二章

30、 智能故障诊断系统的理论和方法研究 2.1 概 述 智能故障诊断是一门多学科交叉的技术，在经过了几十年的发展后逐渐形成了一套完备的理论和技术框架，智能诊断系统的功能和应用需求、各种诊断理论与诊断方法的研究、基于知识推理的诊断系统的知识表示和推理技术研究、神经网络与各种新型故障识别方法等都是人们研究和探讨的范畴。本章结合应用需求对智能故障诊断技术的基本理论和方法进行总结，并对相关理论和技术的进一步的研究趋势和发展思路进行阐述。2.2 智能故障诊断系统的理论与方法 2.2.1 智能故障诊断系统的一般结构 故障智能诊断系统的一般结构主要有六个功能模块组成，如图 2.1 所示。人机接口模块是整个系统的

31、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需的知识和数据进行建立、增加、删除、修改和检查等操作；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自学习和人工干预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33。参照图2.1所示的故障智能诊断系统的一般结构，故障智能诊断的过程可以分为四大步骤：第一，设备维护人员通过人机接口将被诊断对象的运行状态信息测取出来，并将其放入知识库或者数据库的缓存中，留作诊断推理时用。第二

32、，运行诊断推理模块，诊断推理模块调用上述故障智能诊断方法，并根据诊断过程的需要，对知识库中的各条知识及全局数据库中的各项事实进行遍历搜索和匹配，通过推理和运算得出诊断结果。第三，得到的诊断结果通过人机接口返回给设备维护人员，并将正确的诊断结论输入知识库或者数据库作为下次推理时候的参照数据，从而不断增强诊断过程图2.1故障智能诊断系统的一般结构被诊断对象诊断信息获取知识库和数据库管理机器学习解释机构诊断推理领域专家知识工程师知数识据库库 人 机接口设备维护人员 第二章 智能故障诊断系统的理论与方法研究 7的数据来源和诊断性能。第四，如果需要，解释机构可以调用知识库中的知识和全局数据库中的事实对诊

33、断结果和诊断过程中用户提出的问题做出合理的解释。2.2.2 智能故障诊断的常用方法 故障诊断是人工智能的一个重要研究内容。人工智能在故障诊断领域中应用，实现了基于人类专家经验知识的设备故障诊断技术，并将其提高到智能化诊断水平。与人工智能技术发展紧密相连的智能诊断理论和方法主要有：基于规则的方法、基于模型知识的方法、基于人工神经网络的方法、基于案例的方法、基于行为的方法等。这些方法虽各有特点和优势，也存在一定的局限性34。第一，基于规则的智能诊断，基于规则的诊断方法是根据被诊断系统专家的诊断经验，将其归纳成规则，并运用经验规则通过规则推理来进行故障诊断。该方法具有诊断过程简便、快速等优点，由于方

34、法属于反演推理，因而不是一种确保唯一性的推理形式，存在着知识获取瓶颈。大型设备所观测到的症状与所对应诊断之间的联系相当复杂，专家经验归纳成规则往往不是唯一，且知识与规则的获取有相当难度。第二，基于模型的智能诊断，基于模型的诊断方法是运用被诊断系统的运行模型和故障模型，由模型获得的预测形态和所测量观察的形态之间的差异，计算出被诊断系统的最小诊断。其原理是先通过测量获取所观察的形态，然后基于系统输入和所有组件的正常状态模型获得预测形态，根据这两种形态的差异计算出最小冲突，再由最小冲突集计算出最小诊断。基于模型的诊断方法具有不依赖被诊断系统的诊断训练例子和诊断经验，因而适用于新的及未有经验的系统的故

35、障诊断，能够诊断多重故障并能对诊断结论进行解释。对于大型设备与系统，基于模型的诊断方法计算量大，诊断结果给出许多关于故障元件的假设，诊断过程需进行大量的计算和多次迭代才能找出故障。第三，基于人工神经网络的智能诊断，基于神经网络的智能故障诊断研究集中在三方面：一是从模式识别角度应用神经网络作为分类器进行故障诊断；二是从预测角度应用神经网络作为动态预报模型进行故障预测；三是从知识处理角度建立基于神经网络的诊断专家系统。1)模式识别的故障诊断神经网络，基于神经网络模型的智能诊断将故障诊断问题视为模式分类和识别问题，利用神经网络优越的模式分类性能进行诊断。用于故障模式识别的人工神经网络模型，按学习方式

36、可分有监督学习模型和无监督学习模型两类，前者主要包括 BP 网和径向基函数网（RBF）；后者主要包括自适应共振网络(ART)和自组织特征映射网络（SOM）。其中，监督学习模型有很好的推广能力，用于故障模式识别效果较好；训练好的 BP 网和 RBF 网络模型计算速度快，消耗内存少，可用于实时监测与诊断。但是这类模型要求学习样本具有一定的普遍性和相容性，工程实 第二章 智能故障诊断系统的理论与方法研究 8际中要获得这样的样本有时很困难。此外，知识的分布式表达也使其失去了对诊断结果必要的解释能力。ART 网和 SOM 网均属于无监督竞争学习的自组织模型，ART 网可以在线学习，边学习边记忆，给网络一

37、批输入样本，它自动形成一部分类模式。当一个新的输入不能归入已形成的模式类时，网络自动形成一个新的模式类；若新的输入在已形成的模式类中可以找到一个相似的类，则这个输入划入该模式类，同时网络想更接近这个输入的方向作调整。SOM 网采用离线方式学习，能很好地进行特征提取，适用于作最邻近分类器。2)故障预测神经网络，故障预测神经网络主要以两种方式实现预测功能：一是以神经网络（如 BP 网络）作为函数逼近器，对机组工况的某参数进行拟和预测；二是考虑输入输出间的动态关系，用带反馈连接的动态神经网络对过程或工况参数建立动态模型而进行故障预测。动态神经网络的预测是一个动态时序建模的过程，动态神经网络是由于神经

38、元连接中存在时延反馈形成的，又称为回归网络，具有记忆和联想功能，它又分为全回归网络和具有局部信息反馈结构的局部回归网络。这些网络模型的一个共同特点是其输出不仅取决于当前输入，网络本身具有相应的动态结构，其预测是动态预测，因而在实际的非线形动态系统的建模和预测中得到了成功的应用。但是由于动态神经网络在结构上远比前馈网络结构复杂，其样本训练也较困难，因此合理地降低网络结构的复杂性，简化网络的学习算法将是实际应用中待解决的问题。3)基于神经网络的智能诊断专家系统，神经网络与专家系统的结合主要有两种策略：一是使用神经网络来构造专家系统，即把传统的基于符号的推理变成基于数值运算推理，以提高专家系统的执行

39、效率，并解决专家系统的自学习问题；二是将神经网络理解为一类知识源的表达与处理模式，这些模式与其他知识表达方式如规则、框架等一起来表达领域专家的知识，并面向不同的推理机制。基于神经网络的智能诊断专家系统具有传统专家所不具有的许多优点，如利用神经网络自身的分布式联结机制对知识进行隐式表示，实现知识表示、存储和推理三者融为一体；在知识获取、并行推理、自适应学习、联想推理和容错能力等方面显示出明显的优越性，在一定程度上克服了基于符号的传统诊断专家系统存在的知识获取困难，知识存储容量与运行系统速度的矛盾及知识的窄台阶效应等问题。然而，神经网络专家系统也存在固有的弱点，如：系统性能受到所选择的训练样本集的

40、限制，训练样本选择不当，特别是在训练样本很少的情况下，很难指望他具有较好的归纳推理能力；神经网络没有能力解释自己的推理过程和推理依据及其存储知识的意义；神经网络利用知识和表达知识的方式单一，通常的神经网络只能采用数值化的知识等。因而，人们正在试图研究符号推理与数值推理相结合的集成式智能诊断系统，以期能更好地模拟人类的思维与决策过程。第四，基于案例的智能诊断，基于案例推理 CBR（Case Based Reasoning）能通过修订相似问题的成功结果来求解新问题。它能通过获取新知识作为案例来进行学 第二章 智能故障诊断系统的理论与方法研究 9习，不需详细的应用领域模型。在 CBR 中的主要技术包

41、括：案例表达和索引、案例的检索、案例的修订、从失败中学习。基于案例的诊断方法的原理是：对于所诊断的对象，根据其特征和症状从案例库中检索出与该对象的诊断问题最相似匹配的案例，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。基于案例的诊断方法适用于领域定理难以表示成规则形式，而易表示成案例形式并且积累丰富案例的领域，但也存在着局限性。传统的基于案例诊断方法难以表示案例间的联系；对于大型案例库案例检索十分费时，并且难以决定应选择哪些症状及它们的权重。基于案例的诊断方法难以处理案例修订时的一致性检验（特征变量间的约束关系），难以对诊断结果加以解释。第五，基于行为的智能诊断，基于行为（Behavio

42、r-Based）的智能诊断系统是从某一设备或系统的实际运行状态出发，从其工况状态的变化判断其状态属性。基于行为的诊断系统是一个动态的、模块化的系统，各个子模块组成相对独立的功能单元。其子诊断模块的数目取决于实际设备的运行行为，随着设备运行时间的增加，出现的故障类别逐渐增多，系统可以自动地添加相应数量的子诊断模块以应对新出现故障的诊断，使其自身的诊断能力得以提高。其另一个优点是在缺乏设备先验知识的情况下，仍然能通过与实际设备行为的交互作用，建立有效的诊断系统。其机制是：即使缺乏设备的故障知识，但由于设备的正常行为总可以观测搜集到，此时可以用某个子模块识别设备的正常行为，即完成状态检测功能。当设备

43、出现故障行为后，系统自动添加新的子诊断模块，完成对故障的识别，从而逐步增加系统的诊断能力，最终形成完善的智能诊断系统。2.3 智能故障诊断系统的知识表示33.35 知识是人类通过实践认识到客观世界的规律性的东西，是信息经过加工、提取、整理和改造而形成的。对于一个智能故障诊断系统而言，有与诊断问题有关的各种不同的知识，包括相关的原理、功能与结构方面的知识和专家在处理实际问题过程中积累起来的经验知识等。正如专家系统先驱费根鲍姆所说：专家系统的力量是从它所处理的知识中产生的，而不是从某种形式主义及其使用的参数中产生的。在智能系统的开发过程中，获取和合理表示领域专家的知识日益成为构建专家系统的关键技术

44、。诊断知识的获取、表示和组织是建造故障智能诊断系统知识库最基本的过程，在诊断系统的开发和研制中占有极其重要的地位。2.3.1 知识的分类 故障智能诊断系统中的知识的分类方法有很多种，目前普遍被采用的分类方法是按作用层次分类和按深浅层次分类。1）诊断知识按作用层次的分类 该方法将诊断知识分为四种类型，即描述型知识、过程型知识、经验型知识和控 第二章 智能故障诊断系统的理论与方法研究 10制型知识。各种知识的地位和作用层次如图 2.2 所示。第一，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（包括故障假设、中间结论等）、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

45、式给出，其有序集合构成相应诊断对象的数据库。第二，过程型知识。它包括信号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的形式表示。第三，经验性知识。这类知识是知识库中的主体知识，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给出。第四，控制型知识。控制知识是关于问题求解的控制策略，对于不同的诊断问题，启用哪些知识，采用何种推理策略和方式等方面的知识，它体现了领域专家对知识的运用和处理的能力，一般也以规则的形式给出。在上述的分类层次中，高层次知识可以应用

46、较低层次的知识或同层次的知识。从知识工程角度来看，低层次的知识容易用形式语言来表述，层次越高表示越困难。2）诊断知识按深浅程度的分类 一个诊断方面的专家具有与问题有关的各种不同的知识。从认识论的角度出发，可以将故障诊断专家系统中的知识分为三类，即经验知识、因果知识和第一定律知识。其中经验知识被称为浅知识，因果知识和第一定律知识被称为深知识。第一，经验知识。这种知识是专家在长期的工作实践中经过反复诊断领域问题而获得的，它给专家提供了解决诊断问题的捷径，使他解决问题比一个新手更快、更有效。经验知识的特点是，前提和结论之间没有强烈的因果关系。当经验知识上升到理论的高度时，它就不再是经验知识，而成为新

47、的理论知识。第二，因果知识。因果知识建立在经验知识的基础之上，能把诊断对象的内部结构显式地表示出来。与经验知识相比，因果知识具有潜在的理论依据，它的前提和结论之间具有明显的因果关系。因果知识包含了诊断对象可见和不可见的全部属性，而经验知识仅包含了诊断对象的外部可见属性。第三，第一定律知识。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与诊断对象有关的概念、状态、结构属性、术语等诊断模型、信号处理的计算、辅助程序等专家求解问题的经验、结论与故障的因果关系等与诊断对象有关的概念、状态、结构、属性、术语等描述型知识过程型知识经验性知识控制型知识 数据流 控制流图2.2 诊断知识按作用层次的分类

48、第二章 智能故障诊断系统的理论与方法研究 11题的基本步骤，如理论、定律、公式、规律等，它具有明确的科学理论依据，具有普遍性和通用性。对于不同的诊断领域，第一定律知识的复杂程度不一样。如复杂机械设备故障故障问题的第一定律知识比数字电路的故障诊断问题的第一定律知识复杂。经验知识、因果知识和第一定律知识的关系如图 2.3 所示。事实上，一个领域专家在求解诊断问题的过程中，并不是孤立地单独使用深知识或浅知识，二者不仅没有严格的界限，而且被有机地结合起来，相互补充，灵活运用来完成诊断任务。在一般情况下，领域专家总是在某一层次线索的诱导下，优先使用相关浅知识，找到问题的近似解，因为这种知识一般能快捷有效

49、的解决问题的方法。然后使用对诊断对象具体描述的深知识，获得诊断问题的精确解。这是一种有效、合理的知识使用方式，充分利用了两种知识各自的优势，避开了各自的弱点，使问题求解过程既简捷又清晰。2.3.2 知识表示方法研究36.37 所谓知识表示方法实际上是对问题的一种描述或约定，这种描述或约定表达了计算机可以接受的人类智能行为。在选择知识表示方法时应考虑以下几方面的要求：第一，具有表示某个专门应用领域所需知识的能力，且能保证知识库中的所有知识都是相容的。第二，具有从已有知识推导出新知识的能力，容易建立表达新知识所需要的新机构，并能有效地利用知识库中的知识完成问题求解的推理过程，因为推理方法与知识的表

50、示方法有着密切的关系，知识的表达方法直接影响着系统推理的效率和求解问题的能力。第三，知识表示方法是否具备良好定义的语义并保证推理过程与结果的正确性。如果一种表示方法不能保证语义的准确性和推理过程与结果的正确性，那么它就没有任何的使用价值。第四，知识表示方法是否具有良好的模块化结构，便于知识库的维护与管理，如知识库知识的添加、删改、一致性检查等。这些不仅涉及到知识的表示方法，同样也依赖于知识的物理存储问题。第五，具有良好的可维护性，也就是知识库最好具有友好的人机接口和一定的自我维护和管理能力。专家经验总结等，没有明显理论依据和因果关系前提与结论之间具有强烈的因果关系，具有普遍性理论、定律、公式、