《基于免疫机理多agent故障诊断系统的研究.pdf》由会员分享，可在线阅读，更多相关《基于免疫机理多agent故障诊断系统的研究.pdf（86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、中文摘要摘要智能故障诊断系统作为人工智能技术在故障诊断领域的应用，在实践中取得了较好的成效，但随着系统设备和功能的日益复杂化，各种故障现象成因越来越复杂，同时异常故障也时有发生，现有固定的诊断推理模型却难以满足复杂系统诊断面临的全部要求。针对故障诊断系统难以适应动态变化环境的缺点，基于免疫原理的多 Agent 故障诊断系统充分利用现有的或可获得的新诊断子系统和其它组元，可以快速自适应调整诊断过程、诊断功能和诊断能力，代表了故障诊断系统的发展方向。论文围绕基于免疫机理的多 Agent 故障诊断系统这一关键问题，以国家自然科学基金项目“基于免疫应答理论重构故障诊断系统”和企业横向项目“励磁装置在线
2、故障预测和故障诊断系统”为背景，就免疫机理在故障诊断系统研究中的诊断过程建模、诊断推理模型结构及其软硬件设计等重点问题进行了较为系统深入的研究，主要研究内容包括以下几个方面：1 在分析相关免疫学和故障诊断基本理论基础上，阐释了故障诊断系统的免疫学理论基础，结合 Agent 技术特点，提出了运用生物免疫机制解决故障诊断的方法。2 从系统工程的观点出发，将复杂设备系统按结构与功能进行层次分解，建立设备系统的解析模型用于描述系统的行为结构和故障状态空间，在生物免疫系统和故障诊断系统映射关系的基础上，借鉴生物免疫系统的免疫反应机理、体系结构和相关抽象算法，建立了故障诊断系统的免疫框架，分析了基于组件和
3、智能体技术的软件实现方法，给出了相应智能体的结构模型，对该模型的功能实现进行了详细的分析。3 基于从已有的诊断经验事例中学习获取知识的思路，与经验事例的“相似性”是衡量知识好坏的根本因素，借鉴免疫理论的相关概念，采用信息熵作为经验事例相似性衡量的指标，建立了基于免疫机制的诊断知识获取模型，利用相关免疫算子，按照预定的优化目标函数，生成最优的诊断知识。4 针对项目“励磁装置在线故障预测和故障诊断系统”的特点，对基于免疫机理的多 Agent 故障诊断系统在电力系统故障诊断中的应用技术进行了研究，给出了诊断系统的硬件结构和软件结构，详细分析了诊断系统的工作流程和系统的主要模块设计。5 初步讨论了一种
4、基于协同机制的多 Agent 故障预测系统模型， 提出了故障预测策略和推理模型以及设计了系统流程。I重庆大学硕士学位论文概括起来，论文在借鉴生物免疫系统机制开发多 Agent 故障诊断系统模型并探讨其理论和应用作了不少的工作，取得了一些研究成果，并开发出故障诊断产品。基于免疫机理的多 Agent 故障诊断系统是一个比较独立的系统，通过在实际中故障诊断中的初步应用，诊断系统显示了可靠性和快速方便性，进一步完善基于免疫机理的多 Agent 故障诊断系统以及对故障预测的研究是今后研究的重点和发展方向。关键词：故障诊断，免疫系统，智能体，故障预测II英文摘要ABSTRACTABSTRACTAs a k
5、ind of applied systems of AI in fault diagnosis, the intelligence faultdiagnosis system gets very good effect in practice, with the gradual complication of theequipment and function of system, which leads to more complicated and exceptionalfaults, but, it can no longer meet all demand to diagnose fa
6、ult of complex systems byexisting static means. In the dynamic and changeable environment, it can no longermeet demand to diagnose fault used by the existing normal and fix reasoning model,fully utilizing existing or new diagnosis subsystems and other groups obtained,Multi-Agent fault diagnostic sys
7、tem based onImmune Mechanism (AIFDS) can fastself-adaptation adjust diagnosis courses, diagnosis functions and diagnosis abilities,which is a research trends on fault diagnosis with a dynamic adaptation ability of faultdiagnosis.Taking the national natural science program Reconfigurable Fault Diagno
8、sisSystem based on Immune Response Theory and enterprises program Fault Diagnosticand Prediction System On-line Research on a Excitation Device as background, On thekey problem of AIFDS, some important topics are lucubrated systematically and deeplyin this dissertation including modeling methods for
9、 diagnosing system and its course,reasoning model and reconfigurable technology etc., the main contents of thedissertation is as follows:1. On the basis of analyzing diagnoses basic theories and relevant immunology, theimmunology theoretical foundation ofAIFDS are explained, the method of using thei
10、mmune mechanism of living beings is put forward to AIFDS. By combined with Agenttechnology, AIFDSs goals based on immune mechanism are pointed out.2. From the point of view of system engineering, a complex device system can bedecomposed into layers according to its structure and function, and builds
11、 analyticmodel for device systems to describe systems behavior structure and fault state space,On the base of the shine relation between biological immune systems and AIFDS,inspired by the immune response mechanism, system structure and relevant abstractalgorithm, the immune frame of AIFDS is constr
12、ucted, the software implementationmethods based on the component and agent technology are analyzed, a diagnosisbusiness course model is provided easy to reconstructed.3. On the idea of learning from exiting diagnosis instances, it is a key factor ofweighing the knowledge quality with similarity of e
13、xperience examples, a new model ofIII重庆大学硕士学位论文knowledge acquisition is designed by concept in immune theory, in which informationentropy is adopted as the index of similarity measurement of experience examples, anda immune algorithms is provided to acquire best diagnosis knowledge by optimizingaim
14、function, which validity is shown in knowledge acquisition of some fault instance.4.Taking the consideration of the program Fault Diagnostic and Prediction SystemOn-line Research on a Excitation Device, applied technology of AIFDS in powersystems are studied, a hardware and software structure of the
15、 diagnosis system arepresented, main components and a work flow in the diagnosis system are analyzed.5. Introducing the theory of forecast with a pilot study and the different systemstructure diagram is designed, and the a related model and algorithm is deduced.Summarily, the dissertation does a gre
16、at deal of work in the aspect of exploiting theAIFDS model based on the immune mechanism and studying their theory andapplications, while having acquired some achievements and empoldered products,AIFDS based on immune mechanism in the dissertation is an independent system, witha ability of reconfigu
17、ration, the whole integrated system shows its flexibility, quickness,credibility and convenience in a fault diagnosis practice, from now on, our research willbe focused on studying the process of AIFDS and its forecast function.Keywords: Fault Diagnosis，Immune System，Agent，Fault ForecastIV目 录目录中文摘要中
18、文摘要.I英文摘要英文摘要.III1 1 绪论绪论.11.11.1 概述概述.11.2 Multi-Agent1.2 Multi-Agent 的概念及特征的概念及特征.21.2.1 Agent模型.21.2.2 Agent的形式化描述.41.31.3 国内外研究现状国内外研究现状.51.3.1 复杂系统故障诊断研究现状.51.3.2 人工免疫系统理论研究现状.91.41.4 课题背景及论文结构课题背景及论文结构. 111.4.1 课题背景及技术路线. 111.4.2 论文结构. 111.51.5 本章小结本章小结.122 2 免疫学基础及其在故障诊断中的应用免疫学基础及其在故障诊断中的应用.1
19、32.12.1 面向故障诊断的免疫学面向故障诊断的免疫学.132.1.1 基本概念.132.1.2 自适应免疫应答.142.1.3 免疫识别的特异性.152.1.4 独特型免疫网络.162.1.5 免疫反应的简化数学描述.172.22.2 免疫机理与智能故障诊断免疫机理与智能故障诊断.182.32.3 基于免疫机理的智能故障诊断系统的目标基于免疫机理的智能故障诊断系统的目标 .192.42.4 本章小结本章小结.203 3 基于免疫机理的多基于免疫机理的多 AgentAgent 故障诊断模型设计故障诊断模型设计.213.13.1 复杂系统故障建模复杂系统故障建模.213.1.1 系统模型.21
20、3.1.2 故障模式.223.1.3 基于故障模式的诊断描述.233.1.4 故障传播分析.243.23.2 基于免疫机理的多基于免疫机理的多 AgentAgent 故障诊断模型的特点故障诊断模型的特点.253.33.3 诊断模型设计诊断模型设计.26V重庆大学硕士学位论文3.3.1 模型组成. 263.3.2 模型的工作流程. 273.3.3 功能智能体的构造. 283.43.4 基于免疫机理的故障诊断器基于免疫机理的故障诊断器. 313.4.1 诊断器原理. 313.4.2 诊断器的结构框架. 323.4.3 诊断器的演化. 343.4.4 诊断器的特性. 353.53.5 诊断个体的知识
21、获取诊断个体的知识获取. 363.5.1 知识获取模型. 363.5.2 算法及其应用. 373.63.6 本章小结本章小结. 414 SGE-III4 SGE-III 励磁装置故障诊断系统励磁装置故障诊断系统. 434.14.1 应用背景应用背景. 434.1.1 励磁系统的结构. 434.1.2 励磁系统的状态检测和诊断现状. 444.1.3 可行的解决方案. 454.24.2 励磁诊断系统的分析和总体设计励磁诊断系统的分析和总体设计. 464.2.1 系统的设计思想. 464.2.2 励磁诊断系统中的构件. 484.2.3 励磁诊断系统中的故障类别及其诊断分析. 504.2.4 励磁诊断
22、系统中的监测信号分析. 534.34.3 励磁诊断系统的软硬件设计励磁诊断系统的软硬件设计. 574.3.1 励磁诊断系统的硬件设计. 574.3.2 励磁诊断系统的软件设计. 584.44.4 励磁诊断系统产品简介励磁诊断系统产品简介. 614.54.5 本章小结本章小结. 625 5 故障预测理论的初步研究故障预测理论的初步研究. 635.15.1 引言引言. 635.25.2 基于协同机制的多基于协同机制的多 AgentAgent 预测模型预测模型. 635.2.1 协同信任度的计算模型. 635.2.2 基于协同机制的预测流程. 645.35.3 本章小结本章小结. 676 6 结论与
23、工作展望结论与工作展望. 69VI目 录6.16.1 全文工作总结全文工作总结.696.26.2 进一步工作展望进一步工作展望.69致致谢谢.71参考文献参考文献.73附附录录.79VII1 绪 论1 绪 论1.1 概述当一个系统的状态偏离了正常状态时，称系统发生了故障，此时系统可能完全、也可能部分地失去其功能。故障诊断就是寻找故障原因的过程，包括状态检测、故障原因分析及趋势预测等内容。故障检测与诊断技术发展至今经历了三个阶段：第一阶段由于机器设备比较简单，故障诊断主要依靠专家或维修人员的感觉器官、个人经验及简单仪表就能胜任故障的诊断与排除工作；第二阶段是以传感器技术、 动态测试技术为手段，
24、以信号分析和建模处理为基础的现代诊断技术，在工程中已得到了广泛的应用。近年来，由于机器设备日趋复杂、智能化及光机电一体化，传统的诊断技术已经很难适应，随着计算机技术智能信息处理技术的发展，诊断技术进入了它的第三个发展阶段信号分析建模与知识处理相融合的智能诊断技术阶段1-3诊断技术经过 40 多年的发展，在机械、电气设备、动态系统等领域4-9得到了长足的发展，开发出了许多实用的故障诊断系统，取得了可观的经济效益和社会效益。随着系统设备和功能的日益复杂化，发生故障的机率以及由此带来的损失越来越大，现有单一、固定的故障诊断方法却难以满足复杂系统诊断的全部要求，进一步的理论研究与应用结果表明，复杂系统
25、故障诊断技术仍存在如下几方面的局限性10-11： 缺乏并发诊断能力。各种监测手段和诊断方法大多是利用诊断对象所表现出的特征信号来诊断特定类型的故障，如烟雾、振动温度和电流等，通过征兆提取装置输出的征兆来识别系统的状态，是整个诊断过程的核心，故障诊断准确性完全依赖于系统中浅层知识的完整性和正确性，缺乏对系统结构和信息逻辑关系的描述。 缺乏自学习和自适应能力。诊断系统的诊断能力依赖于诊断知识数量和质量，一旦完成，其功能难以扩充或修改。由于诊断对象日趋呈现复杂化的趋势，获取准确、完备、有效的诊断知识越来越困难。已知的领域知识大都具有证据不充分或结论不完全的特点，领域知识的分散性、随机性和模糊性的特点
26、使之表现出很强的不确定性。另一方面，复杂系统为了满足生产的需求经常处在动态变化的过程中，其行为特点越来越不好把握，各种故障的发生具有很强的不确定性，所有这些都为有效的获取、表示和利用诊断知识进行智能化推理带来了很大的困难。当新故障征兆出现时，在知识库中找不到最佳匹配，就容易发生漏诊或误诊，严重影响诊断结果的可靠性。1重庆大学硕士论文缺乏多诊断模型的动态融合。在人类专家进行故障处理过程中，不仅能用“直觉”式推理，也可以分析故障的“原因”和“结果”，能处理模糊信息，也能积累维修经验。专家进行故障诊断的过程，就是运用多种诊断推理方法共同作用的过程。目前，国内外混合诊断系统大都采用的多推理机、多知识库
27、并存的结构形式，混合诊断模型远没有达到专家思维“互相融合”的程度，只能在某些事先设计好、不可改变的组合关系下进行多领域知识模型的静态“集成”，没有体现出“动态融合”优势，不能适应求解环境和问题特征的动态变化。缺乏诊断推理的时间约束。诊断推理过程中的时间约束是一项非常重要的指标，它不仅影响着诊断的实时性，而且，也影响着各个推理机制及其环节的协调性。因此，高度集成的现代化设备，以及故障诊断学科自身的发展，要求复杂系统故障诊断技术应进一步完善。1.2 Multi-Agent 的概念及特征1.2.1 Agent 模型为了迎接快速变化的设备诊断市场需求所带来的挑战，必须设计一种新的故障诊断系统，这种诊断
28、系统将各种单一模型的诊断系统的优点充分结合起来，以提高诊断系统的性能。其在设计时必须保证以下两点：系统必须具有一种弹性的，可以调整的组织结构。这种组织结构的弹性主要体现在两个层次上：系统级重组，动态地增加或减少诊断模型的组合；单元级重组，增加诊断模型内部的领域知识等。 系统的柔性是针对某一个或一类复杂设备系统，而不是通用柔性。在多Agent的研究中,人们引入了许多心理学和人类行为学的概念， 用拟人的方法,从意识立场出发提出了一种多Agent的思维状态模型BDI模型，该模型包括多Agent的思维属性和Agent之间的相互联系及活动关系，基本思维属性由信念(belief)（描述Agent对当前环境
29、和自身可能采取行为的估计）、愿望(desire)（描述Agent对未来环境及自己可能采取的行为的喜好）和意图(intention)（描述智能体为达到某个目标所做出的承诺）构成12。基于Agent的BDI理论模型，研究者提出了不同的Agent结构模型，试图从不同的角度对Agent进行实现，主要的Agent结构模型有慎思Agent、反应Agent、混合Agent等。慎思Agent是一个基于知识的系统，采用显式符号模型，其特点是包括环境和智能行为的逻辑推理能力，具有知识表示、环境表示、问题求解和具体通信协议等，在DAI中占主导地位；反应Agent是不包含用符号表示的模型,其特点是反应Agent中包含
30、了感知内外状态变化的感知器，一组对相关事件做出反应的过程，21 绪 论一个依据感知器信息激活的控制系统，在分布式系统中占主导地位；混合式Agent结构模型的特点是在一个Agent中包含两个或多个子系统，一个是慎思子系统，一个是反应子系统，而且是分层组织的，前者建立在后者之上，克服了前两种模型功能不够全面、结构不够灵活的缺点，给出了具有实时反应目标指导下自主行动及合作等综合能力的Agent模型。在Agent中，信念、愿望、意图、行为规则组成 Agent的意识空间，所有的动作都是承诺的结果，Agent执行动作包括以下步骤：处理新消息；决定在当前条件下哪条规则被应用； 执行这些规则定义的动作； 根据
31、规则进行精神状态的更新。 Agent在生成时，就由初始信念、初始愿望、初始意图和行为规则所初始化。图 1.1 Agent 基本框架Fig 1.1 Basic frame of Agent行为规则决定了Agent在运行时应遵循的规则， Agent在其所了解的外界环境的条件下，应该作出的反应。如果规则的条件满足，在规则处于激发的状态，定义的动作被激发。行为规则可以视为WHEN-IF-THEN语句。规则的结构为：NAME Rule NameWHENMessage Conditions(s)IFMental Conditions(s)ThenPrivate Actions(s)Mental Chang
32、e(s)Message Actions(s)WHEN部分包括了对 Agent 所处的环境变化的描述，包括所有从其他 Agent收到的信息。IF 部分将 Agent 当前的精神状态与规则激发的条件作比较，在这一部分包括信念、承诺、能力。 THEN 部分定义了 Agent 的动作和精神状态的更新、私有动作和消息发送。3重庆大学硕士论文通信模块处理信息交互，发送信息请求并接收外界的信息传入，确定消息的发送者和它的信息优先级，启动信息接收规则对消息进行确认和处理，能够以一定的优先级和数据传输速率发送自己的消息。感知和学习模块响应信息传入，对传入的信息进行学习，通过 Agent 心智，对信息进行分析，体
33、现了 Agent 的初步学习机制，是 Agent 适应环境变化、实现知识增值不可缺少的重要组成部分。协调模块确定可执行行为集，将 Agent 的心智模型与行为规则集进行匹配，确定满足条件的行为规则，将该规则标记为可执行的动作并加入就绪任务队列。决策机制是 Agent 的重要组成部分，对可执行的动作创建相应的规划，并以一定的策略对任务队列进行调度，提供问题求解的知识、策略与动作。全局知识库代表可被多个 Agent共享的全局知识的普遍形式， 是与每个 Agent内在规则等私有知识相对应的，全局知识在模型中以知识单元的形式进行封装。1.2.2 Agent 的形式化描述13智能体可表示为六元组 Age
34、nti：= ，组中六元组分别代表智能体标识、智能体任务求解器、智能体领域知识、智能体协作知识、智能体信息黑板、智能体通信，其中：IDi：= 智能体标识由智能体姓名、地址、地位三部分组成，是对智能体在系统中的身份约定。TS i：=任务求解器由能力表、执行机两部分组成。：=智能体本体模型是对智能体自主行为能力的定义，以能力表的形式表示，每一表项表示为， 即该智能体在条件 Condition 满足情况下能对 Object 采取行为 Action。： =智能体执行机完成不同智能体承担的不同任务，反映了该智能体任务求解的全过程，Decion, R-Eval和 Mangement分别代表广义上的任务求解决
35、策、结论自我评价和求解流程管理，依据任务和角色的差异，具体流程各有不同。DKi：=智能体领域知识由能力表、知识库、数据库以及决策库等组成。它既可以是独立的智能系统，和智能体具有特定的接口；也可以内嵌在智能体的内部。智能体领域知识提供了对智体局部问题求解的智能支持。CKi：=智能体协作知识由计划与协作模块 PCM、智能体协同进化模块 C-E、熟人模型和其它智能体知识，它们分别形式化表示如下：=智能体规划与协作模块 PCM用以对任务进行评估，决定该任务是否需要和其他智能体协作完成。41 绪 论：=智能体协同进化模块C-E用执行自身和其它智能体的协作要求，按照协同进化机制给出一个问题求解策略，CE-
36、Operation代表协同进化算子，Evaluation代表评价，Pop代表相应的进化群体。：=智能体熟人模型中包含熟人姓名、协作任务、请求变量以及结果返回值。每个智能体的熟人模型以关系表形式表示，每一表项构成了智能体的一个协作通道。BBi:=用于存储 Agent 内部各模块输出信息。COMMi:=通信模型负责接收和发送消息，由通信通道、通信语言和通信环境构成。通信通道定义了信息发送者向信息接受者的通路；通信语言定义了智能体间交互信息的语言规范；通信环境限定了智能体的交互环境和平台。1.3 国内外研究现状在基于免疫机理的多 Agent 诊断系统研究中，涉及到多个学科领域的交叉知识，和论文内容密
37、切相关，借鉴别人已有的研究成果不仅能够简化和加快相关研发过程，也在一定程度上保证新方案的健壮性和可用性。在整个研究过程中，要尽可能地吸纳前人在相关领域的已有研究成果，并针对多 Agent 诊断系统研究的需要， 加以发展， 其中某些领域的技术作为论文中的关键技术讨论 （如诊断技术） ，某些作为论文研究的理论基础（如免疫学理论），下面将简要介绍一下和本文研究内容密切相关的研究领域及其发展现状。1.3.1 复杂系统故障诊断研究现状随着现代化企业的机械、电控等大型设备的不断复杂化，设备与生产过程集合日益紧密，并且自动化水平越来越高，不仅各个设备之间紧密配合，而且设备内部不同的工业部件之间在生产过程中也
38、相互关联在这个复杂的大系统中，一旦出现了故障，就可能导致整个系统不能正常运转，甚至于全面瘫痪，从而造成巨大的经济损失，而且设备本身的也价格高昂，对其工况的监控及诊断显得日趋重要。因此，研究如何能够切实保障现代工业复杂系统可靠、安全地运行，并且在出现问题后能及时有效、准确的定位故障源，使设备能最大的发挥效益，显得具有十分重要的意义，这也正是故障诊断技术的努力方向和终极目标1-2。概括来说， 现有的故障检测与诊断方法 （Fault Detection and DiagnosisFDD） ，可以分为以下四大类：基于状态估计的 FDD方法；基于参数估计的 FDD方法；基于信号处理的 FDD方法；基于知
39、识的 FDD方法。前两者又统称为基于解析模型的诊断方法，核心思想是用解析冗余取代硬件冗余，通过构造观测器估计出系5重庆大学硕士论文统的输出值，将其同输出测量值相比较，从中获取故障信息。该方法获得了深入的研究，但在工程实践中，由于获得系统精确模型的困难性，限制了其使用范围和效果；基于信号处理的诊断方法，利用信号模型，如相关函数、频谱等，提取诸如方差、幅值、频率等特征值，检测出故障，随着小波变换、分形等分析技术的不断引入，研究和应用领域在迅猛地拓展；基于知识的诊断方法不需要对象的精确数学模型，诊断对象作为一个有机整体被研究，以知识处理技术为基础，诊断问题的求解致力于通过模拟领域专家在推理过程中控制
40、和运用各种诊断知识的行为而获得解决，目前研究工作发展迅速、成果迭出。对于复杂系统的故障诊断，由于其功能单元很多，各个单元及其组合部件都可能产生不同的故障，巨大的数量使得很难对其进行精确地状态描述和完整模拟各种故障情况。如果采用传统的推理检测方法进行系统故障诊断，难以实时、准确地判别出故障原因，同时复杂系统内部相互制约因素很多，一个故障的形成往往是众多因素造成的结果，而各因素之间既存在十分复杂的联系，又各自对最终故障贡献的“权重”十分模糊。因此，无法用精确的状态模型进行表示，而如果采用一些常用的简化方法进行处理，又不能如实反映出复杂系统的本身特性，这使得近年来基于知识的智能故障诊断系统成为了复杂
41、系统故障诊断领域中最引人注目的发展方向之一，应用前景也更为广阔。智能故障诊断技术涉及广泛的学科领域，存在不同的定义、理解、分类和应用方向。智能诊断中的“智能化”主要体现领域专家知识在诊断过程中的干预行为，即在对故障信号进行检测与处理的基础上，结合领域知识和 AI技术进行诊断推理，应用到诊断过程中的领域专家知识主要可分为：浅知识和深知识，浅知识以启发性经验知识为主；深知识则以诊断对象的系统模型知识为核心。在复杂系统故障中诊断中，两者互为补充，缺一不可。对一个实用高效的智能诊断系统而言，诊断知识的获取、诊断结论的可靠性和系统解释功能是衡量智能诊断系统性能的几个关键方面。 单一模型的故障诊断方法及其
42、特点根据诊断知识的组织和运用形式，近几年，基于经验规则、基于结构和行为、基于范例、基于模糊逻辑和基于人工神经网络等五种智能诊断模型在智能故障诊断领域中研究和应用较多14-16。1）基于经验规则的诊断模型基于经验规则的诊断模型是通过对领域专家诊断经验采用规则形式加以描述，将征兆与潜在故障联系起来，诊断规则搜索的过程就是对领域专家在故障诊断过程中行为的模拟。该诊断模型经历了较长时期，采用可信度方法、证据方法、61 绪 论贝叶斯方法等可以实现不确定性信息处理，知识结构形式简洁明了、解释方便，在机械系统、电子系统及化工设备故障诊断等领域都已有很多成功的应用17-20。随着系统和故障成因的日益复杂，规则
43、模型对诊断对象的强依赖性、新知识形成时间长、自适应能力差等弱点逐渐暴露，对于新故障模式，如果不具备相关规则，诊断系统容易出现漏诊。2）基于结构和行为的诊断模型结构表达系统组件及组件之间的关系，行为描述组件正常工作模式，该诊断模型建立在系统工作正常基础之上， 从理论上能够识别诊断系统所有的故障模式，但对复杂系统或组件行为描述本身就是一个难点，模型建立和维护也需要较长的时间，应用上存在一定的困难。针对上述不足，物理学中定性模型方法逐渐引起人们重视。系统的定性模型是由一组表示系统物理参数的定性变量和一组各参数之间相互关系的定性方程组成，诊断中通过对系统和过程的定性描述和推理，能够有效揭示系统行为之间
44、的内在联系，当前的研究相当活跃，尤其在动态系统故障诊断3中。3）基于范例的诊断模型范例推理（CBR, Case-based Reasoning）作为人工智能中新兴的一种推理技术，适用于理论模型和领域知识不完整而经验丰富的决策问题。基于范例诊断的诊断推理主要通过对诊断范例的检索和匹配，获得对故障的诊断结果，即使在故障与范例之间不完全匹配的情况下，也能通过相似性度量，得出相似的解。范例的具体表示形式同诊断对象特性密切相关，一般而言，故障范例可以表示为五元组 C=N，S，R，P，E，其中 N、S、R、P、E为五个有限非空集合，分别代表故障范例名、故障征兆集、故障结论集、维修方案集和系统状态集。诊断推
45、理运用的知识是现场的具体故障范例，含义丰富，容易理解，大大降低了获取领域专家知识的难度，为快速诊断故障提供了一个途径。近年来，基于范例推理的诊断研究异常活跃， 国际上已经召开了多次关于 CBR的会议， 国内外的一些公司已经将 CBR 应用于复杂设备和系统的故障诊断、 维修和决策支持。 但由于范例组织结构的复杂性，基于范例的诊断模型存在着范例维护困难、新范例生成需要额外知识等不足之处。4）基于模糊逻辑的诊断模型故障诊断是通过研究故障与征兆之间的关系来判断系统状态， 由于语言表达、信息不完全等带来的模糊属性常常出现在对故障的征兆描述中，故障与征兆之间的关系很难用精确的数学模型来表示，导致某些故障状
46、态也是模糊的。简易地用“是否有故障”来表达是不准确的，需要给出故障发生的可能性以及描述故障位7重庆大学硕士论文置和损坏程度等。模糊逻辑提供了表达和处理模糊逻辑概念的机制，能够处理故障诊断中的不确定信息和不完整信息21-23。模糊诊断方法是利用集合论中的隶属度函数和模糊关系矩阵的概念来解决故障与征兆之间的不确定关系。在模糊故障诊断中，构造隶属函数是实现模糊故障诊断的前提。目前，模糊故障诊断有两种基本方法，一种是先建立故障现象与故障征兆之间的模糊关系矩阵，再通过模糊关系方程进行故障诊断；另一种方法是先建立故障与征兆之间的模糊知识库，再进行模糊逻辑推理。模糊变量表示可读性强，模糊推理逻辑严谨，类似人
47、类思维过程，易于理解。但存在模糊关系较难确定、模糊数（隶属度）转换以及模糊诊断知识获取困难等技术难点。5）基于人工神经网络的诊断模型对于故障诊断而言，其核心技术是故障模式识别，而人工神经网络由于其本身信息处理特点，如并行性、自学习、自组织性、联想记忆等，使得能够出色地解决那些传统模式识别难以圆满解决的问题，所以故障诊断是人工神经网络的重要应用领域之一，已有不少应用系统的报道。总的说来，神经网络在诊断领域的应用研究主要集中在两个方面：一是从模式识别的角度应用作为分类器进行故障诊断，其基本思想是：以故障征兆作为人工神经网络的输入，诊断结果作为输出；二是将神经网络与其他诊断方法相结合而形成的混合诊断
48、方法。对用解析方法难以建立系统模型的诊断对象，人工神经网络有着很好的研究和应用前景。在故障诊断中，主要存在的问题是：知识无法直观表示、诊断行为的“黑箱”性等。 混合诊断模型方法的提出在人类专家进行故障处理过程中，不仅能用“直觉”式推理，也可以分析故障的“原因”和“结果”，能处理模糊信息，也能积累维修经验。专家进行故障诊断的过程，就是运用多种诊断推理方法共同作用的过程，因此发展集成多种不同智能技术的混合智能诊断系统是智能化故障诊断领域的大势所趋。集成研究的内容主要是：在基于知识的基础上，将多种知识表达方法和推理方法混合集成，融合多种信息，实现多角度、多层次的诊断集成，提高系统的灵活性，逼真模拟专
49、家诊断思维过程的目的。目前，国内外混合诊断系统大都采用了两种以上的推理模型，结构上多采用多推理机、多知识库、多模型库并存形式。对同一故障现象，多个推理模型大都起到“互相递补”的作用，即在某种推理模型得不到诊断结果时，系统才启用其它的推理模型，混合模型间并没有达到真正“互相融合”的程度，从多诊断模型之间组合关系（具体诊断思路）上大致可以分为三类，递补诊断；并行诊断，采81 绪 论用证据理论等合成最终诊断结论；关联诊断（所谓关联，特指模型间对关联故障信息处理有着事先约定的协作和逻辑关系），研究较多的方法主要有基于规则与ANN模型混合、CBR与 ANN模型混合、模糊逻辑、ANN和基于规则模型混合等等
50、。除了诊断模型之间的集成，深浅知识的集成形式也是一个研究的热点，定性模型和推理技术也逐渐被引入到定量诊断中。1.3.2 人工免疫系统理论研究现状免疫系统是哺乳动物抵御外来有害物质侵害的防御系统，动物一生始终处于复杂多变的、充满伤害的自然环境中，能够平安无事，进行正常的生命活动，免疫系统在其中起着重要的作用，具有高效防御能力的首要原因就是免疫系统作为一个高效的信息处理系统，具有免疫防护、免疫耐受、免疫记忆、免疫监视功能，尤其具有较强的自适应性、多样性、学习、识别和记忆等特点。对于免疫学的研究表明，免疫系统不仅仅是检测和消除非己物质，更重要的是通过免疫细胞学习非自我物质的模式， 不断进化自身模式，