基于组合式智能预测的提升机故障诊断策略研究

1  引言

在人类自身的思维过程中，逻辑思维、经验思维和创造性思维是确一不可的，并且非常巧妙地相互结合成一个有机的整体。
在日常智能活动中，最常发生的思维形式是经验思维。这是一种潜层次的思维形式，即根据以往成功的实践经验，把已经成功处理过的问题划分为几种典型的模式，一旦遇到这些模式相同或相近的实际问题，就照以往的经验来处理，故障诊断也不例外。因此，这类思维的实质就是模式识别。
当遇到经验思维解决不了的实际问题时，通常就要转向更深层次的逻辑思维，如果遇到逻辑思维也解决不了的新的复杂问题，又需要转向创造性思维，通过提出新的假设，然后经过检验来发现新的理论和新的解决实际问题的方法。
近几年来，故障诊断理论与实践的发展已经证明，对于复杂系统和过程，任何单一的智能方法在信息处理、控制和故障预测的实际应用中，都受到一定的局限，难以获得理想的效果。解决这一问题的最有效办法是将多种智能诊断方法结合使用，进行有效的融合与集成。这样做的主要原因是，由于这些算法在不同的工作条件和不同的数据输入下，具有不同的优势，利用各种方法之间所具有的互补性，在诊断的置信度上相互补充，以达到取长补短的目的。
基于上述理由，本文提出了集专家系统、模糊逻辑、神经网络和小波分析四种故障诊断技术与一体的组合式智能故障诊断方法，并能够同时处理定性与定量信息。该诊断系统将人工智能的最新技术有机的融合，具有很强的通用性、适应性、容错性和易实现性，同时，其特有的图形化模糊神经网络专家知识表达方式、分布式并行运行能力、迅速的推理及优化和远程分析能力，使系统达到了较高的智能化水平。

2  系统的基本设计思想

总的设计思想可以通过下面的例子来描述:对某一个控制系统的认识，可以有两种情况，一种情况是认识的人本身是这个系统的制造者，但不一定是系统的使用者。他熟悉系统各个部件的运作情况、执行规律。这种人在描述系统规律、预见系统运行状态时，可以从系统的物理规律出发，建立数学模型，然后通过计算机仿真结果来分析认识系统;另一种情况是认识的人本身只是系统的使用者，他可能是一个好的使用者，这种人对系统的认识不是来自数学模型，而是来自对系统长期使用的经验总结。这种方式恰恰体现了人的思维能力，如果将这种思维能力和系统的物理规律、数学模型有机地结合，将能够更好、更灵活地表征系统各个状态。而本文所设计的系统正是力图在得到足够好的专家知识的基础上，依靠优化学习，调整专家知识，调整推理结构，并对系统运行状态给出正确的判断。

3  基本组成

本智能诊断系统包括了四种推理引擎和一个专家知识库，如图1 所示。四种推理引擎分别是:专家规则推理引擎、模糊逻辑推理引擎、遗传神经网络推理引擎和小波网络分析推理引擎。可以从下列三个方面来解释系统构成的科学性。

(1) 专家系统与模糊逻辑的知识处理，模拟的是人的经验思维和逻辑思维，人工神经网络的知识处理所模拟的是人的形象思维与创造性思维机制;在人类的自身思维过程中，经验思维、逻辑思维和创造性思维是缺一不可的，并且三者非常巧妙的互相结合而形成一个有机的整体。
(2) 模糊诊断是根据模糊集合征兆空间与故障状态空间的某种影射关系，由征兆来来诊断故障。
(3) 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、并行处理复杂模式的功能，使其能在实际中存在着大量的多故障、多过程、突发性故障、庞大复杂系统的检测与诊断中发挥出较大作用。
(4) 小波变换具有的良好的时频局部化特性和对信号自适应变焦、多分辨率分析的能力，它不需要对象的数学模型，对输入信号的要求较低，计算量也不大，可以进行在线实时故障检测，灵敏度高，克服噪声能力强，小波网络具有对任意函数或信号有良好的逼近性能。
3.1 各部分的作用
(1) 人机接口
人机接口主要有输入、输出模块和显示模块组成。输入模块提供输入功能，使用户或专家可方便的向知识库添加知识，输入人工排障指令、调用历史数据库中的数据指令、调用显示模块的指令和修改指令等。显示模块显示相应决策模块的计算结果，或以文字说明，或以图表显示。
(2) 协调机构
协调机构是综合故障诊断专家系统的关键部分，它起着承上启下的作用，使综合故障诊断专家系统各部分有条不紊的工作，充分发挥各部分作用。协调机构由数据分类处理模块、诊断结果汇总模块和添加训练模块组成，如图2所示。

协调机构主要负责将现场实时数据进行分类，然后将数据进行预处理，并将处理后的数据返回知识知识专家系统诊断模块、模糊诊断模块、模糊神经网络诊断模块、小波分析诊断模块，使各诊断模块协调有序地工作，同时又把各个诊断模块的诊断结果进行汇总融合，利用M-ary理论，通过决策融合算法，得出最后的结论，并将结果送到相应的显示模块进行显示，大大提高了故障诊断的效率，以满足实时性的要求。协调机构利用协同计算机(自上而下)模式形成和模式识别相同的原理对现场实时数据进行预处理(数据去噪、数据修补等)，以保证送入各诊断模块的初始数据准确可靠，从而大大提高系统故障诊断的准确率。在系统运行过程中，如果专家系统出现少量新知识、模糊神经网络出现新样本、模糊诊断模块出现新的模糊集、协同计算机网络出现少量新模式、小波分析诊断模块出现类似的新信号时，协调机构负责新知识的添加、新诊断模块的以及网络的重新训练，不断综合与提高智能诊断系统的功能。当出现大量新的知识样本时，新知识添加和网络训练就要由人工完成。
 
(3) 诊断推理模块
组合智能故障诊断系统中，每个诊断模块是针对不同类型的故障设计的，各诊断模块的功能介绍如下:
专家系统推理模块:专家系统推理模块是一个完整的专家系统。它主要负责诊断确定性故障和简单的不确定性故障，知识表示主要采用故障树表达法，以充分发挥知识专家系统故障诊断的准确性和快速性。
模糊逻辑推理模块:系统的状态有时是不明确的、不确定的，因此可以用模糊集来描述。通过采用模糊聚类分析将模糊集分为不同水平的子集，由此判别故障最可能属于的子集。另一个有效的办法是首先建立起故障与故障原因的模糊关系矩阵R，如果当前故障的故障成因向量的模糊隶属度为C(Charactoristic),则故障F(Fault)通过模糊合成加以确定。模糊诊断模块是一种半定量方法，在表述知识和推理方面有独到之处。因此，通常把模糊方法与其他方法结合，以期得到更好的结果。
模糊神经网络(FNN)推理模块:FNN诊断模块由若干子模块组成，主要负责诊断复杂系统的不确定性故障及从未出现过的故障。每个子模块是一个相对独立的诊断单元，分别负责诊断提升机控制系统运行时某些部位的故障。为提高故障诊断的准确率，每个子模块设计成多级模糊神经网络结构。每一级都采用输入层、输出层、模糊化层、模糊推理层、反模糊化层等5层结构来学习变量间的模糊影射关系。
每个神经网络在学习阶段，对所选择的训练样本进行学习和训练，在故障诊断时，模糊神经网络诊断子模块，则对输入到本级的数据进行智能判别，判别包括两种情况:诊断输出和拒绝输出。假定在第n级模糊神经网络诊断子模块，输入样本是恰当的，能有效的进行故障诊断。这些样本在这级神经网络被成功地诊断出，其余的样本由于特征不明显或含糊不清，被拒绝诊断。被拒绝诊断的样本则被送到下一级，则被送到下一级子模块进行进一步诊断，每一级子模块给出各自的诊断结果，整个模块的拒绝诊断输出由最后一级模糊神经网络子模块给出，其对应的样本为新出现的样本。在这种情况下，要么重新训练网络，要么修改网络结构后再训练网络。
小波分析诊断模块:由于模糊神经网络的故障诊断模块不能对所有的故障进行诊断，特别是某些信号难以判定。因此，在系统中加入了小波分析诊断模块。在小波分析诊断模块中采用了多种小波函数模块，对信号进行层层过滤式识别来诊断故障。对不能识别出来的故障，再进一步选用或增加新的小波函数模块来识别。
决策融合算法模块:系统采用M-ARY理论对推理结果进行优化，并且通过历史数据分析和在线强化学习来调整专家知识调整推理结构，能充分保证推理结果的准确性。
总之，在故障诊断技术中，各种方法都有自己的优点，但都不能解决所有的问题，由于诊断方法的多样性和互补性，综合性智能诊断系统的发展就成为必然的趋势。

4  建立系统开发平台结构框架

在煤矿提升机故障智能诊断预报系统开发中，需要开发一个系统平台来进行智能推理和专家知识的搭建。其设计思想是:将人类的思维能力、系统的物理规律和数学模型有机地结合，更好、更灵活地表征系统的各个状态，力图在得到足够好的专家知识的基础上，依靠优化和学习，调整专家知识和推理结构。系统将人工智能的最新技术有机的融合，具有很强的通用性、适应性、容错性及易实现性，同时，特有的图形化模糊神经网络专家知识表达方式、分布式并行运行能力、迅速的推理及优化和远程分析能力，使系统达到较高的智能化水平。系统的基本构成如图1所示。
提升机智能故障诊断系统的主要技术包括:智能化推理算法、数据处理器、图形化模糊神经网络专家知识库、综合的动态联接库数据通讯模块和计算机网络技术。
(l) 智能化推理算法。
系统应巧妙地将专家系统推理机、神经网络推理机、模糊逻辑推理机有机结合，并行运行，充分发挥各个推理算法的优势，并克服各自的不足，使智能推理法更加适用于多变量、多参数、多目标及多过程的复杂系统。同时，系统应采用M-ARY理论对推理结果进行优化，并且通过历史数据分析和在线强化学习来调整专家知识﹑调整推理结构，能充分保证推理结果的准确性。该系统是以专家系统、神经网络、模糊逻辑集成的组合型智能系统。专家系统与模糊逻辑模拟的是人的经验思维和逻辑思维，人工神经网络所模拟的则是人的形象思维与创造型思维机制，因此，这种组合型系统便构成了理想的通用智能分析系统。
(2) 数据处理器的设计。
在特征数据提取过程中，可以进行数据的求和、求差、求积、对比、三角函数、微分等运算，模糊隶属函数的自适应调整使之具有较强的变工况和时变参数的处理能力。同时，为更好地解决数据的抗噪能力，系统采用模糊阈值对测量数据进行模糊化，保证了系统数据的抗干扰能力。
(3) 图形化的模糊神经网络专家知识库。
系统采用图形化模糊神经网络专家知识表达方式，突破了共性知识和专家知识的学习、获取、表达与利用的瓶颈问题，为解决智能化系统知识问题提供了一条崭新的途径。专家知识采用图形化输入方法，使代码的编写、调试和系统集成于一体，既节约了时间，也减少了人为出错的可能性。系统有一个独特地结构用来方便地、递增地收集和存储专家知识，而不需要任何模型。这对于没有数学模型存在的地方特别有用，它使用户易于理解利用专家知识来解决实际问题的思路与方法。图形化模糊神经网络专家知识库具有分散式、容错性、重点性、模糊性及原则上容错、结构拓扑、鲁棒、联想、推测、记忆、自适应、自学习、并行处理复杂模式等特点和功能。
(4) 综合地动态联接库数据通讯模块。通讯地整体结构按分布式设计，分为两个层次:一方面，通讯模块与推理机之间采用客户机/服务器的方式，采用TCP/IP协议，数据通讯服务器一旦设置好，就始终处于运行状态，推理机一旦需要申请数据，就向数据通讯模块提出数据请求表，数据通讯模块根据综合各个推理机地数据请求表向相应的对象提出数据请求，再将从对象得到数据分配给各推理机;另一方面，数据通讯模块与特定对象之间采用调用动态联接库地办法进行通讯，针对不同的对象调用不同的动态联接库就可以实现数据通讯。

5  结束语

组合智能故障诊断方法具有适应能力强、速度快、预测精度高的特点。我们利用该诊断法开发了矿井提升机智能故障诊断预报系统，实际应用表明，该系统各项性能指标均满足要求，取得了显著的经济效益和社会效益，具有良好的应用前景。