《故障诊断中知识管理的发展综述-结课作业(共7页).doc》由会员分享，可在线阅读，更多相关《故障诊断中知识管理的发展综述-结课作业(共7页).doc（7页珍藏版）》请在taowenge.com淘文阁网|工程机械CAD图纸|机械工程制图|CAD装配图下载|SolidWorks_CaTia_CAD_UG_PROE_设计图分享下载上搜索。
1、精选优质文档-倾情为你奉上基于知识管理的故障诊断方法的发展综述姓名： 学号： 摘要：本文主要介绍了基于知识管理的故障诊断方法的发展，介绍了几种常用的知识故障诊断方法并分析其存在的问题；最后介绍了基于知识管理故障诊断方法的发展方向，介绍了本体技术的关键技术和技术优点。关键词：故障诊断；知识管理；神经网络；专家系统；模糊理论；遗传算法；本体技术0引言现代系统正朝着大规模、复杂化的方向发展,这类系统一旦发生事故就有可能造成人员和财产的巨大损失,因此切实保证现代复杂系统的可靠性与安全性具有十分重要的意义。在实际生产过程中,在事故发生前,控制系统往往都会出现故障预兆,如果能够及时检测到这种预兆并加以控制
2、, 完全能避免事故的发生。故障诊断技术的出现为提高复杂系统的可靠性提供了可能。故障诊断方法发展至今,已提出了大量的方法并发展成为一门独立的跨学科的综合信息处理技术,是目前研究领域的热点之一。所有的故障诊断方法可以划分成基于解析模型的方法、基于信号处理的方法、基于知识的方法三种。基于解析模型的方法是发展最早、研究最系统的一种故障诊断方法,其优点是能深入系统本质的动态性质和实时诊断,缺点是通常难以获得系统模型,且由于建模误差、扰动及噪声的存在,使得鲁棒性问题日益突出。基于信号处理的故障诊断直接利用信号模型,无需要对象的数学模型,从而回避了抽取对象数学模型的难点, 缺点是不便研究。基于知识的故障诊断
3、方法与基于信号处理的故障诊断方法类似,也不需要定量的数学模型。不同之处在于它引入了诊断对象的许多信息,特别是可以充分利用专家诊断知识等,所以是很有前景的故障诊断方法,尤其在非线性系统领域1。2 基于知识的故障诊断方法综述目前,被广泛应用的基于症状知识的故障诊断方法有：应用神经网络、专家系统、模糊数学和遗传算法的故障诊断方法。2.1基于神经网络的故障诊断方法神经网络系统是由大量的,同时也是很简单的处理单元广泛地互相连接面形成的复杂系统。它具有大规模并行、分布式存贮和处理、自组织、自适应和自学习能力,特别适用于处理需要考虑许多因素和条件的、非线性、不精确和模糊的信息处理问题。文献2中，李刚等人利用
4、BP神经网络对潜油电泵进行故障诊断知识处理，对潜油电泵的故障进行合理分类和精确诊断。基于神经网络的故障诊断的做法是：网络的输入节点对应故障征兆，输出节点对应着故障原因。首先利用故障样本对网络进行训练，确定网络的结构(中间层的传递函数和神经元数目)和参数(神经元之间的连接权值和阈值)；网络训练完毕后，就可实现征兆集到故障集的非线性映射过程2。基于神经网络的故障诊断方法,在知识获取方面,只需要用该领域专家解决问题的实例或范例来训练神经网络。与专家系统相比,具有更高的时间效率,又能保证更高的质量；在知识表示方面,采用隐式表示法,获取知识的同时,自动产生的知识由网络的结构及权值来表示, 并将某一问题的
5、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,是通过神经元之间相互作用实现的,网络的同一层推理是并行的, 不同层推理是串行的。应用ANN 技术解决故障诊断问题的主要步骤包括：根据诊断问题组织学习样本、根据问题和样本构造神经网络、选择合适的学习算法和参数。常用于故障诊断的 ANN 有BP网、Hopfield 网、SOM 网和ART网等。神经网络故障诊断方法的不足之处在于未能充分利用特定领域中专家积累起来的宝贵经验, 只利用一些明确故障诊断实例,而且需要足够的学习样本,才能保障诊断的可靠性。在对复杂系统进行诊断时,往往由于网络规模过于庞大和学习训练时间超
6、长等问题,降低了神经网络的实用性。2.2 基于专家系统的故障诊断方法专家系统的诊断方法是根据专家的经验、知识以及大量的故障信息知识,设计出一个计算机程序。它可以像专家一样工作,不受环境、心理等因素的影响,因此是理想的替代人类专家进行故障诊断的工具。专家系统主要由知识库、数据库、推理机、学习系统、上下文、征兆提取器和解释器。基于专家系统故障诊断方法的基本原理： 专家系统诊断根据专家丰富的实践经验、专家分析问题和解决问题的思路, 建立故障诊断的知识库、规则库和推理机, 设计一个计算机程序,根据知识库提供的知识, 规则库通过的规则及推理机提供的推理机制, 进行故障诊断。专家系统诊断方法可以解释自己的
7、推理过程, 解释结论是如何获得的。文献3中，汤自安提出了基于专家系统的消防控制故障诊断知识获取与知识表示，以产生式规则的表示方法为基础，对实际应用进行了模型研究。其中故障诊断知识获取和知识表示采取基于故障树模型的分析方法和基于产生式规则表示知识的知识库系统。文献7中，张彦南等人针对风力发电机组机舱故障征兆与原因之间的复杂性,利用专家经验和模糊技术,建立了一套故障诊断专家系统,目的是能够比较准确和及时根据机舱多种故障征兆表现判断故障发生的原因3。专家系统方法主要缺点是由于知识和经验描述的多样性和不确定性,因此知识的获取和有效处理已成为专家系统的“瓶颈”问题；另外,专家系统在自适应能力、学习能力及
8、实时性方面也都存在不同程度的局限。2.3 基于模糊数学的故障诊断方法基于模糊数学的故障诊断方法就是依据专家经验在故障征兆空间与故障原因空间之间建立模糊关系矩阵,再将各条模糊推理规则产生的模糊关系矩阵进行组合,根据一定的判定阀值来识别故障。它根据所获取的征兆,列出征兆隶属度模糊向量,再根据以实践为基础所得到的模糊矩阵,利用模糊数学的方法,计算出状态隶属度模糊向量,最后根据此向量中各元素的大小确定有关诊断对象状态的情况。模糊故障诊断技术有两种基本方法：一种是先建立征兆和故障类型之间的因果关系矩阵, 再建立故障与征兆的模糊关系方程,这是基于模糊关系及合成算法的诊断方法；另一种方法是先建立故障与征兆的
9、模糊规则库,再进行模糊逻辑推理的诊断过程,这是一种基于模糊知识处理技术的诊断方法。文献4中，薛寒等人针对电机故障的特点及故障诊断的要求,设计了基于模糊推理的专家系统,采用模糊产生式规则表示知识,利用已获得的各种故障的高频能量特征向量构造规则的前提条件,通过实时获得的故障特征向量与各条规则前提条件进行模糊匹配,采用正向推理的模糊推理方法实现推理机制,直接得出诊断结果。在电机的故障诊断中,由于故障特征的模糊性、诊断经验知识的不确定性,为了能够让电机的故障诊断在信息不完全的情况下做出正确的判断,在该专家系统中知识的表示采用产生式规则和模糊数学相结合的模糊产生式规则方式,模糊产生式规则具有效地表达启发
10、性知识等优点,并可以根据数据可靠性给出可信度因子,从而实现模糊推理4。文献5中，柴春红等人,将模糊数学方法引入到飞机故障诊断中,提出由历史数据及专家优序数综合确定模糊隶属度的方法,建立模糊诊断模型,并在计算机上实现飞机故障的模糊诊断5。文献6中，张万君等人为解决炮射导弹制导装置故障诊断的不确定性推理问题,有效提高故障诊断的准确性,将模糊数学中的综合评判方法用于炮射导弹制导装置的故障诊断。通过专家经验和故障试验统计数据,构建模糊诊断数学模型,对制导装置故障进行模糊运算和故障诊断,从而确定故障原因6。模糊故障诊断方法的不足之处,对复杂的诊断系统,要建立正确的模糊规则和隶属函数是非常困难,而且需要花
11、费很长的时间。2.4 基于遗传算法的故障诊断方法遗传算法(GA)是 Holland 于20世纪70年代提出的。20多年, 遗传算法的应用无论用来解决实际问题还是建模,其范围不断扩展,在机器学习、过程控制及工程优化等众多领域得到了成功应用。遗传算法是基于生物进化原理的一种全新的自适应全局优化搜索算法；是把求解问题的自变量看作原因,进行编码构成染色体(个体),在个体的集合(群体)内根据个体适应的大小进行最优评价；在搜索过程中不断通过选择(繁殖)、交叉、变异3个遗传算子进行新个体的产生与繁殖,最后得出最优个体。GA 用于故障诊断从目前来看,单独应用于故障诊断,相关的研究还比较少。其主要用于与其它知识
12、的故障诊断方法相结合应用。文献7中，利用遗传算法改进了电力系统的故障诊断，开发电力系统故障诊断数据信息采集系统，该系统解决了电力系统故障诊断过程中故障特征信息很难实时获取的问题，同时对数据报文进行了详细的分析，提取出故障特征信息7。3 知识故障诊断技术的新发展由于神经网络、专家系统、模糊理论与遗传算法故障诊断技术有着各自的优点, 同时也有各自的局限性, 近年来众多的学者和文献都提出了多种新的故障诊断方法,故障诊断方法的新发展体现为神经网络、专家系统、模糊理论和遗传算法故障诊断技术的优点互补来克服其局限性,另一个新的发展是引入新的数学工具结合知识诊断方法来克服局限性，小波变换和粗糙集理论分别与神
13、经网络相结合形成小波网络和粗糙集- 神经网络故障诊断方法,遗传算法和专家系统共同形成的遗传专家系统故障诊断方法。目前成为热点的方法是将本体技术引入到故障诊断中，实现故障诊断知识的获取、共享和表示，来克服专家系统的异构性。3.1 神经网络故障诊断的新方法3.1.1 基于小波网络故障诊断方法连续小波变换是由法国理论物理学家 Grossmann与法国数学家 Morlet 共同提出的。它优于傅里叶分析之处在于,小波分析在时域和频域同时具有良好的局部化性质,可以对高频成分采用逐渐精细的时域或空间域取代步长,从而可以聚集到对象的任意细节。小波变换已经在信号处理、图像压缩、语音识别、生物医学工程、计算机视觉
14、、故障诊断等许多科学领域得到了广泛应用。小波与神经网络的结合,是一个十分活跃的研究领域。目前,小波与神经网络的结合有以下两个途径：一个途径是辅助式结合,比较典型的是利用小波分析对信号进行预处理,然后用神经网络学习与判别；另一个途径是嵌套式结合, 即把小波变换的运算融入到神经网络中去, 形成所谓的小波神经网络或小波网络。可以看到,小波神经网络由于把神经网络的自学习特性和小波的局部特性结合起来,具有自适应分辨性和良好的容错性。小波神经网络是在小波分析研究基础上提出的一种前馈网络,它可以被认为是 RBF 网络的推广,其基本思想是用小波元代替了神经元,即激活函数为已定位的小波函数基,通过仿射变换建立起
15、小波变换与神经网络的联接。图1为基于小波神经网络进行故障诊断的简单示意图。3.1.2 基于粗糙集神经网络故障诊断方法粗糙集(Rough Sets,RS)理论是一种刻画不完整性和不确定性的数学工具,能有效地分析和处理不精确、不一致、不完整等各种不完备信息,并从中发现隐含的知识,揭示潜在的规律。RS 理论是由波兰学者Pawlak Z 在 1982 年提出的。作为一个独立的理论框架, RS 理论能有效处理下列问题：不确定性或不精确知识的表达,经验学习并从经验中获取知识,知识分析,矛盾分析,不确定性推理,基于信息保留的数据简化,近似模式分类,识别并评价数据间的依赖性,发现数据中因果关系,发现数据中的相
16、似性和区别,从数据中产生决策算法,基于一致性评价可用信息的质量等。粗糙集神经网络故障诊断系统模型如图2。图1 小波神经网络诊断示意图图2 粗糙集-神经网络故障诊断系统框图实现步骤：利用条件属性之间的依赖性,去掉所有可省略的条件属性；利用领域知识, 把样本中的每一个属性值进行量化,得到一个决策表；样本相容性检查,删除样本不相容性；利用知识的充分性理论对样本进行简化,消去样本集中的重复信息；对条件属性进行简化,求核；利用前面的特征约简算法求出最小条件属性集；根据最小条件属性和相应的原始数据,形成新的故障学习样本集；分别针对全部属性和最小条件属性集采用神经网络对样本集进行训练和测试,得出诊断结果。基
17、于粗糙集神经网络故障诊断方法,用粗糙集方法对信息进行预处理,即把粗糙集作为神经网络的前置系统,构成粗糙集神经网络 (Rough Set- neural network)信息处理系统。粗糙集对输入空间与输出空间的映射关系是通过简单的决策表简化得到的, 而且通过去掉冗余属性,可以大大简化知识表达空间维数,其决策表的简化又可以利用并行算法处理。因而将神经网络与粗糙集理论结合是很有意义的。3.2 基于遗传专家系统的故障诊断方法遗传算法在故障诊断专家系统的推理和在自学习中的应用,克服了专家系统存在的推理速度慢和先验知识很少情况下知识获取困难的障碍。遗传算法用于知识学习的思想,是根据给定的少量样本,将与结
18、论有关的一个、两个或 m 个条件集合作为编码单元进行编码, 计算该编码所对应m个ITV 值(适应度)和总的 ITV 值；利用遗传算子,对当前一代的个体进行繁衍,产生出其后代；淘汰掉父代中值高的个体, 同时计算后代的ITV值,并将ITV值低的个体与父代中保留的个体合并成新的一代；如果达到设定的繁衍代数或算法已收敛,返回最好的基因串,将该基因串ITV最大的几个个体去掉； 对剩下的个体进行解码,输出对应的规则到预备库中,满足要求的存入知识库,否则继续进行繁衍。利用遗传算法可对规则集进行修正,即在运行时对规则应用的情况进行评价,并将评价结果作为适应度,重复遗传算法的过程,得到满意的修正的规则集。基于遗
19、传专家系统的故障诊断方法利用遗传算法推理和自学习,提高了专家系统的适应性、运行速度和实用性,具有广阔的应用前景。3.3 基于本体技术的故障诊断方法以上多种故障诊断方法，其原理都是基于知识库系统模型。因要发现故障，就要收集各种设备状信息，并把它保存到知识库中。目前的知识库系统，一般都有接口不够友好、知识表示方法不完备、知识获取方法不灵活等问题；最突出的问题是建立的知识库没有通用性， 不能实现知识的共享和复用。基于本体的故障诊断知识库系统的出现，解决了以上问题8。本体（ontology）是关于共享的概念模型协议。知识库是事实、规则、概念的集合，它以描述型方法存储和管理知识，形成一个知识域。通常，本
20、体提供一组术语和概念描述某个领域，知识库则用这些术语表达该领域的事实。因此，基于知识片分层和本体可对事物本质抽象概念化的特点，可将两者结合起来，构建一种基于本体的知识库系统。传统的故障诊断知识库系统模型但其专家系统知识库是封闭的或半封闭的，其知识库的构造和知识的输入及修改均需由设计者来进行，组成知识库的经验知识是不共享的。文献8针对传统的故障诊断知识库系统模型的异构性，提出并构建了基于本体的故障诊断知识库系统模型，文献9提出了基于本体知识共享的汽车故障诊断专家系统。文献8中，基于本体的故障诊断知识库系统模型的中心在于知识库系统的构建和知识获取。一般的知识库系统中，可以存储许多诊断文档，列出其相
21、应的关键字和摘要，通过本体论的协助，结合文档内容，可以判断故障所属文档的专业范畴，以此对故障分类。模型的故障本体给出了专业中各术语的定义和术语间的关系，通过关键字，查询本体论中的相应术语，可找出与该术语相关的故障信息，系统依据此信息可在知识库中检索出故障信息。知识库系统中，可按本体论将故障信息的表示分成多个层次，每个层次都有其本体论的约定，可实现对知识库的修改，更便于运用知识进行推理。该模型的专家系统试图从领域专家那里获取知识，并将它表达为机器的内部形式；知识获取模块和知识管理工具，用以部分地代替专家进行专门知识的自动获取，并实现系统的自学习，通过更新获取新的规则，不断地完善知识库。基于本体的
22、故障诊断知识库系统模型总体结构主要包括：诊断知识库、诊断推理机、推理控制语言ICL、自学习模块、远程设备诊断。图3中，首先从知识库中获取诊断知识，然后编写方法脚本，在推理机中调入故障对象，利用诊断知识进行诊断推理，得出结论；再将未知的诊断知识系统通过自学习系统，加入知识库中8。文献9中，利用本体翻译器实现知识共享。在同一领域中的该方法是充分利用已有系统的知识库,来构造可 用性强和 高度互操作的新系统。针对系统的异构性,可通过使用本体建立翻译器,实现系统间知识的共享,有效地 解决现有子系统的异构问题,消除知识的二义性。图4为基于本体的知识共享结构图。该模型中，两个系统中的知识均是用数据库存储的，
23、并且两个系统的数据库的结构是完全不同的，采用的知识表示方式也有一定的差别，因此两个系统之间不能直接共享信息。为此，我们可以通过利用本体建立翻译器来实现系统之间的共享，当设计系统需要用到诊断系统中的某些知识时，可以通过翻译器（一）将知识库一中的知识转化为可共享的形式，从而实现领域知识的共享，反之亦然。该模型的关键技术就是翻译器的建立和实现，需要根据所使用的本体表示语言，对数据库与本体表示语言之间的转换进行研究，关键问题是建立不同结构层次之间的映射关系。即如何实现不同格式数据文档的结构对应起来9。图3 基于本体的故障诊断知识库系统的模型图图 4 基于本体的知识共享结构图4 结语本文阐述了故障诊断的
24、意义,叙述了现阶段基于知识的故障诊断方法的发展，分析一些常用理论及方法在实际应用中所存在的问题,介绍了新的研究方向及应用前景。这些方法的应用将进一步推动故障诊断理论和方法的发展,使故障诊断的方法更为广泛和适用。参考文献1 王荣杰,胡清.基于知识的故障诊断方法的发展现状与展望J.微计算机信息,2006,22(3-1):218-220.2 李刚,宋福根. 基于BP神经网络的潜油电泵故障诊断知识管理研究J. 中国制造业信息化,2008,37(1):73-75.3 汤自安. 消防控制故障诊断专家系统的知识获取与表示J. 安全技术与管理,2009,5:46-49.4 薛寒,谢利理,叶留义.基于模糊推理的
25、电机故障诊断专家系统研究J.计算机测量与控制,2010,18(1):8-10.5 柴春红,刘家学,何率天.模糊数学在飞机故障诊断中的应用J.模糊系统与数学,2003,17(3):107-110.6 张万君,吴晓颖,王新,等.基于模糊数学的炮射导弹制导装置故障诊断J.装甲兵工程学院学报,2010,24(6):51-54.7 吕雪峰. 基于遗传算法的电力系统故障诊断硕士学位论文大庆石油学院,2006.8 武亚丽,闫小良.一种基于本体的故障诊断知识库系统的构建研究J.机械管理开发,2009,24(6):69-71.9 时念云,滕良娟,杨晨.基于本体知识共享的汽车故障诊断专家系统J.计算机系统应用,2006,12:20.专心-专注-专业