在线观看日韩欧美综合黄片-午夜妓女一级妓女大毛片-中文字幕制服丝袜美腿-人妻精品久久一区二区

基于組合式智能預測的提升機故障診斷策略研究

1  引言

在人類自身的思維過程中，邏輯思維、經驗思維和創(chuàng)造性思維是確一不可的，并且非常巧妙地相互結合成一個有機的整體。
在日常智能活動中，最常發(fā)生的思維形式是經驗思維。這是一種潛層次的思維形式，即根據以往成功的實踐經驗，把已經成功處理過的問題劃分為幾種典型的模式，一旦遇到這些模式相同或相近的實際問題，就照以往的經驗來處理，故障診斷也不例外。因此，這類思維的實質就是模式識別。
當遇到經驗思維解決不了的實際問題時，通常就要轉向更深層次的邏輯思維，如果遇到邏輯思維也解決不了的新的復雜問題，又需要轉向創(chuàng)造性思維，通過提出新的假設，然后經過檢驗來發(fā)現新的理論和新的解決實際問題的方法。
近幾年來，故障診斷理論與實踐的發(fā)展已經證明，對于復雜系統(tǒng)和過程，任何單一的智能方法在信息處理、控制和故障預測的實際應用中，都受到一定的局限，難以獲得理想的效果。解決這一問題的最有效辦法是將多種智能診斷方法結合使用，進行有效的融合與集成。這樣做的主要原因是，由于這些算法在不同的工作條件和不同的數據輸入下，具有不同的優(yōu)勢，利用各種方法之間所具有的互補性，在診斷的置信度上相互補充，以達到取長補短的目的。
基于上述理由，本文提出了集專家系統(tǒng)、模糊邏輯、神經網絡和小波分析四種故障診斷技術與一體的組合式智能故障診斷方法，并能夠同時處理定性與定量信息。該診斷系統(tǒng)將人工智能的最新技術有機的融合，具有很強的通用性、適應性、容錯性和易實現性，同時，其特有的圖形化模糊神經網絡專家知識表達方式、分布式并行運行能力、迅速的推理及優(yōu)化和遠程分析能力，使系統(tǒng)達到了較高的智能化水平。

2  系統(tǒng)的基本設計思想

總的設計思想可以通過下面的例子來描述:對某一個控制系統(tǒng)的認識，可以有兩種情況，一種情況是認識的人本身是這個系統(tǒng)的制造者，但不一定是系統(tǒng)的使用者。他熟悉系統(tǒng)各個部件的運作情況、執(zhí)行規(guī)律。這種人在描述系統(tǒng)規(guī)律、預見系統(tǒng)運行狀態(tài)時，可以從系統(tǒng)的物理規(guī)律出發(fā)，建立數學模型，然后通過計算機仿真結果來分析認識系統(tǒng);另一種情況是認識的人本身只是系統(tǒng)的使用者，他可能是一個好的使用者，這種人對系統(tǒng)的認識不是來自數學模型，而是來自對系統(tǒng)長期使用的經驗總結。這種方式恰恰體現了人的思維能力，如果將這種思維能力和系統(tǒng)的物理規(guī)律、數學模型有機地結合，將能夠更好、更靈活地表征系統(tǒng)各個狀態(tài)。而本文所設計的系統(tǒng)正是力圖在得到足夠好的專家知識的基礎上，依靠優(yōu)化學習，調整專家知識，調整推理結構，并對系統(tǒng)運行狀態(tài)給出正確的判斷。

3  基本組成

本智能診斷系統(tǒng)包括了四種推理引擎和一個專家知識庫，如圖1 所示。四種推理引擎分別是:專家規(guī)則推理引擎、模糊邏輯推理引擎、遺傳神經網絡推理引擎和小波網絡分析推理引擎?？梢詮南铝腥齻€方面來解釋系統(tǒng)構成的科學性。

(1) 專家系統(tǒng)與模糊邏輯的知識處理，模擬的是人的經驗思維和邏輯思維，人工神經網絡的知識處理所模擬的是人的形象思維與創(chuàng)造性思維機制;在人類的自身思維過程中，經驗思維、邏輯思維和創(chuàng)造性思維是缺一不可的，并且三者非常巧妙的互相結合而形成一個有機的整體。
(2) 模糊診斷是根據模糊集合征兆空間與故障狀態(tài)空間的某種影射關系，由征兆來來診斷故障。
(3) 由于神經網絡具有原則上容錯、結構拓撲、魯棒、聯(lián)想、推測、記憶、自適應、自學習、并行處理復雜模式的功能，使其能在實際中存在著大量的多故障、多過程、突發(fā)性故障、龐大復雜系統(tǒng)的檢測與診斷中發(fā)揮出較大作用。
(4) 小波變換具有的良好的時頻局部化特性和對信號自適應變焦、多分辨率分析的能力，它不需要對象的數學模型，對輸入信號的要求較低，計算量也不大，可以進行在線實時故障檢測，靈敏度高，克服噪聲能力強，小波網絡具有對任意函數或信號有良好的逼近性能。
3.1 各部分的作用
(1) 人機接口
人機接口主要有輸入、輸出模塊和顯示模塊組成。輸入模塊提供輸入功能，使用戶或專家可方便的向知識庫添加知識，輸入人工排障指令、調用歷史數據庫中的數據指令、調用顯示模塊的指令和修改指令等。顯示模塊顯示相應決策模塊的計算結果，或以文字說明，或以圖表顯示。
(2) 協(xié)調機構
協(xié)調機構是綜合故障診斷專家系統(tǒng)的關鍵部分，它起著承上啟下的作用，使綜合故障診斷專家系統(tǒng)各部分有條不紊的工作，充分發(fā)揮各部分作用。協(xié)調機構由數據分類處理模塊、診斷結果匯總模塊和添加訓練模塊組成，如圖2所示。

協(xié)調機構主要負責將現場實時數據進行分類，然后將數據進行預處理，并將處理后的數據返回知識知識專家系統(tǒng)診斷模塊、模糊診斷模塊、模糊神經網絡診斷模塊、小波分析診斷模塊，使各診斷模塊協(xié)調有序地工作，同時又把各個診斷模塊的診斷結果進行匯總融合，利用M-ary理論，通過決策融合算法，得出最后的結論，并將結果送到相應的顯示模塊進行顯示，大大提高了故障診斷的效率，以滿足實時性的要求。協(xié)調機構利用協(xié)同計算機(自上而下)模式形成和模式識別相同的原理對現場實時數據進行預處理(數據去噪、數據修補等)，以保證送入各診斷模塊的初始數據準確可靠，從而大大提高系統(tǒng)故障診斷的準確率。在系統(tǒng)運行過程中，如果專家系統(tǒng)出現少量新知識、模糊神經網絡出現新樣本、模糊診斷模塊出現新的模糊集、協(xié)同計算機網絡出現少量新模式、小波分析診斷模塊出現類似的新信號時，協(xié)調機構負責新知識的添加、新診斷模塊的以及網絡的重新訓練，不斷綜合與提高智能診斷系統(tǒng)的功能。當出現大量新的知識樣本時，新知識添加和網絡訓練就要由人工完成。
 
(3) 診斷推理模塊
組合智能故障診斷系統(tǒng)中，每個診斷模塊是針對不同類型的故障設計的，各診斷模塊的功能介紹如下:
專家系統(tǒng)推理模塊:專家系統(tǒng)推理模塊是一個完整的專家系統(tǒng)。它主要負責診斷確定性故障和簡單的不確定性故障，知識表示主要采用故障樹表達法，以充分發(fā)揮知識專家系統(tǒng)故障診斷的準確性和快速性。
模糊邏輯推理模塊:系統(tǒng)的狀態(tài)有時是不明確的、不確定的，因此可以用模糊集來描述。通過采用模糊聚類分析將模糊集分為不同水平的子集，由此判別故障最可能屬于的子集。另一個有效的辦法是首先建立起故障與故障原因的模糊關系矩陣R，如果當前故障的故障成因向量的模糊隸屬度為C(Charactoristic),則故障F(Fault)通過模糊合成加以確定。模糊診斷模塊是一種半定量方法，在表述知識和推理方面有獨到之處。因此，通常把模糊方法與其他方法結合，以期得到更好的結果。
模糊神經網絡(FNN)推理模塊:FNN診斷模塊由若干子模塊組成，主要負責診斷復雜系統(tǒng)的不確定性故障及從未出現過的故障。每個子模塊是一個相對獨立的診斷單元，分別負責診斷提升機控制系統(tǒng)運行時某些部位的故障。為提高故障診斷的準確率，每個子模塊設計成多級模糊神經網絡結構。每一級都采用輸入層、輸出層、模糊化層、模糊推理層、反模糊化層等5層結構來學習變量間的模糊影射關系。
每個神經網絡在學習階段，對所選擇的訓練樣本進行學習和訓練，在故障診斷時，模糊神經網絡診斷子模塊，則對輸入到本級的數據進行智能判別，判別包括兩種情況:診斷輸出和拒絕輸出。假定在第n級模糊神經網絡診斷子模塊，輸入樣本是恰當的，能有效的進行故障診斷。這些樣本在這級神經網絡被成功地診斷出，其余的樣本由于特征不明顯或含糊不清，被拒絕診斷。被拒絕診斷的樣本則被送到下一級，則被送到下一級子模塊進行進一步診斷，每一級子模塊給出各自的診斷結果，整個模塊的拒絕診斷輸出由最后一級模糊神經網絡子模塊給出，其對應的樣本為新出現的樣本。在這種情況下，要么重新訓練網絡，要么修改網絡結構后再訓練網絡。
小波分析診斷模塊:由于模糊神經網絡的故障診斷模塊不能對所有的故障進行診斷，特別是某些信號難以判定。因此，在系統(tǒng)中加入了小波分析診斷模塊。在小波分析診斷模塊中采用了多種小波函數模塊，對信號進行層層過濾式識別來診斷故障。對不能識別出來的故障，再進一步選用或增加新的小波函數模塊來識別。
決策融合算法模塊:系統(tǒng)采用M-ARY理論對推理結果進行優(yōu)化，并且通過歷史數據分析和在線強化學習來調整專家知識調整推理結構，能充分保證推理結果的準確性。
總之，在故障診斷技術中，各種方法都有自己的優(yōu)點，但都不能解決所有的問題，由于診斷方法的多樣性和互補性，綜合性智能診斷系統(tǒng)的發(fā)展就成為必然的趨勢。

4  建立系統(tǒng)開發(fā)平臺結構框架

在煤礦提升機故障智能診斷預報系統(tǒng)開發(fā)中，需要開發(fā)一個系統(tǒng)平臺來進行智能推理和專家知識的搭建。其設計思想是:將人類的思維能力、系統(tǒng)的物理規(guī)律和數學模型有機地結合，更好、更靈活地表征系統(tǒng)的各個狀態(tài)，力圖在得到足夠好的專家知識的基礎上，依靠優(yōu)化和學習，調整專家知識和推理結構。系統(tǒng)將人工智能的最新技術有機的融合，具有很強的通用性、適應性、容錯性及易實現性，同時，特有的圖形化模糊神經網絡專家知識表達方式、分布式并行運行能力、迅速的推理及優(yōu)化和遠程分析能力，使系統(tǒng)達到較高的智能化水平。系統(tǒng)的基本構成如圖1所示。
提升機智能故障診斷系統(tǒng)的主要技術包括:智能化推理算法、數據處理器、圖形化模糊神經網絡專家知識庫、綜合的動態(tài)聯(lián)接庫數據通訊模塊和計算機網絡技術。
(l) 智能化推理算法。
系統(tǒng)應巧妙地將專家系統(tǒng)推理機、神經網絡推理機、模糊邏輯推理機有機結合，并行運行，充分發(fā)揮各個推理算法的優(yōu)勢，并克服各自的不足，使智能推理法更加適用于多變量、多參數、多目標及多過程的復雜系統(tǒng)。同時，系統(tǒng)應采用M-ARY理論對推理結果進行優(yōu)化，并且通過歷史數據分析和在線強化學習來調整專家知識﹑調整推理結構，能充分保證推理結果的準確性。該系統(tǒng)是以專家系統(tǒng)、神經網絡、模糊邏輯集成的組合型智能系統(tǒng)。專家系統(tǒng)與模糊邏輯模擬的是人的經驗思維和邏輯思維，人工神經網絡所模擬的則是人的形象思維與創(chuàng)造型思維機制，因此，這種組合型系統(tǒng)便構成了理想的通用智能分析系統(tǒng)。
(2) 數據處理器的設計。
在特征數據提取過程中，可以進行數據的求和、求差、求積、對比、三角函數、微分等運算，模糊隸屬函數的自適應調整使之具有較強的變工況和時變參數的處理能力。同時，為更好地解決數據的抗噪能力，系統(tǒng)采用模糊閾值對測量數據進行模糊化，保證了系統(tǒng)數據的抗干擾能力。
(3) 圖形化的模糊神經網絡專家知識庫。
系統(tǒng)采用圖形化模糊神經網絡專家知識表達方式，突破了共性知識和專家知識的學習、獲取、表達與利用的瓶頸問題，為解決智能化系統(tǒng)知識問題提供了一條嶄新的途徑。專家知識采用圖形化輸入方法，使代碼的編寫、調試和系統(tǒng)集成于一體，既節(jié)約了時間，也減少了人為出錯的可能性。系統(tǒng)有一個獨特地結構用來方便地、遞增地收集和存儲專家知識，而不需要任何模型。這對于沒有數學模型存在的地方特別有用，它使用戶易于理解利用專家知識來解決實際問題的思路與方法。圖形化模糊神經網絡專家知識庫具有分散式、容錯性、重點性、模糊性及原則上容錯、結構拓撲、魯棒、聯(lián)想、推測、記憶、自適應、自學習、并行處理復雜模式等特點和功能。
(4) 綜合地動態(tài)聯(lián)接庫數據通訊模塊。通訊地整體結構按分布式設計，分為兩個層次:一方面，通訊模塊與推理機之間采用客戶機/服務器的方式，采用TCP/IP協(xié)議，數據通訊服務器一旦設置好，就始終處于運行狀態(tài)，推理機一旦需要申請數據，就向數據通訊模塊提出數據請求表，數據通訊模塊根據綜合各個推理機地數據請求表向相應的對象提出數據請求，再將從對象得到數據分配給各推理機;另一方面，數據通訊模塊與特定對象之間采用調用動態(tài)聯(lián)接庫地辦法進行通訊，針對不同的對象調用不同的動態(tài)聯(lián)接庫就可以實現數據通訊。

5  結束語

組合智能故障診斷方法具有適應能力強、速度快、預測精度高的特點。我們利用該診斷法開發(fā)了礦井提升機智能故障診斷預報系統(tǒng)，實際應用表明，該系統(tǒng)各項性能指標均滿足要求，取得了顯著的經濟效益和社會效益，具有良好的應用前景。