機電設備故障診斷模糊推理機研究

孫文革

（新疆職業(yè)大學機械電子工程學院，烏魯木齊830013）

機電設備故障診斷模糊推理機研究

孫文革

（新疆職業(yè)大學機械電子工程學院，烏魯木齊830013）

通過分析機電設備的故障機理，運用模糊理論及其推理方法設計了一種機電設備故障診斷模糊推理機。重點對基于模糊數(shù)學理論和模糊推理方法的推理機制進行了研究，該推理機能夠有效處理由于知識的模糊性所引起的不確定性問題。

故障診斷；模糊推理機；語義距離；推理機制

1 引 言

隨著科技進步和現(xiàn)代化生產(chǎn)的發(fā)展，機電設備向多性能、高精度、多層次、大型化、自動化方向快速發(fā)展，設備結(jié)構(gòu)復雜，規(guī)模龐大，功能越來越多，性能指標也逐漸提高。這對機電設備故障診斷與維修提出了越來越嚴峻的挑戰(zhàn)［1］。

專家系統(tǒng)是智能控制領域中的一個最活躍的分支，能在特定領域及給定推理機制控制下，利用專家豐富的經(jīng)驗和知識，對某一特定問題進行評價與決策。專家系統(tǒng)推理及控制功能的實現(xiàn)對其推理控制機制（即推理機）的先進程度有著很強的依賴性［2］。

基于模糊理論及推理方法，文章設計的機電設備故障診斷模糊推理機可有效解決由于機電設備系統(tǒng)知識的模糊性引起的不確定性問題，可以較好的實現(xiàn)設備的狀態(tài)監(jiān)測及故障診斷。

2 機電設備故障機理分析

機電設備主要由各種器件、模塊及復雜的電子線路組成。目前的故障檢測手段主要使用各種檢測技術(shù)，根據(jù)多次的試驗數(shù)據(jù)以及日常操作運行中的維修數(shù)據(jù)統(tǒng)計表進行記錄，設備故障模式主要指測試參數(shù)個體形態(tài)和群體屬性狀態(tài)的異常，如表1所示。故障原因及分類如圖1所示。

表1 設備的故障模式分析

參數(shù)群體屬性的故障模式測試對于故障定位有著重要的指導意義。通過分析逐項參數(shù)個體性態(tài)故障模式，并由此判斷該項參數(shù)的合格程度，是判斷是否存在故障的一個重要依據(jù)［3］。如，若故障模式為“所有參數(shù)未測到”，可判斷存在如未加激勵、采樣開關未工作、A／D轉(zhuǎn)換器不工作等故障，而“個別參數(shù)超差”一般可判斷是由隨機擾動引起的。

通過對維修數(shù)據(jù)統(tǒng)計表進行分析，可發(fā)現(xiàn)設備的故障信息具有兩個明顯特征：模糊性和精確性［4］。從故障模式分析，“參數(shù)測試不到”、“個別參數(shù)未測到”、“大量參數(shù)未測到”、“所有參數(shù)未測到”均為準確的故障模式信息；“略有超差”、“較大超差”、“嚴重超差”、“個別參數(shù)超差”均為模糊的故障模式信息。超差邊界的定義較為模糊，測試參數(shù)的合格與否，界限同樣較為模糊。在某些情況下，隨機干擾會引起某些數(shù)據(jù)的超差，并不代表設備發(fā)生故障。而從故障原因分類進行分析，“存在工藝問題”、“元器件故障”、“操作失誤”、“線路設計問題”、“軟件設計問題”、“外界環(huán)境因素”等明確的原因記錄則表現(xiàn)出精確的故障原因信息，“偶然原因或原因不詳”則表現(xiàn)出了故障原因信息的不確定性。

圖1 設備故障原因分類

從以上分析可以看出，機電設備故障信息的主要特征是故障信息的模糊性。

3 模糊推理機的設計

推理機實質(zhì)上是一個計算機推理及控制程序，其主要功能是對整個系統(tǒng)進行協(xié)調(diào)控制，決定如何對知識庫中的有關知識進行選取，對用戶提供的條件數(shù)據(jù)進行推理，最終解答用戶提出的特定問題［5］。模糊推理機是針對機電設備故障信息的模糊性而設定的。

3.1 對象間的距離定義

一般來說，客觀世界中的對象都可用元組進行描述，可以把存在屬意加權(quán)模糊值的模糊關系數(shù)據(jù)模型看作是最一般的模糊關系模型的一種，要定義兩對象的“相近距離”，首先需要對定義元組間的“語義距離”進行定義。

假設論域的元數(shù)間定義了距離ρ（x，y），則兩個以模糊區(qū)間數(shù)表示的模糊數(shù)f1＝［a1，b1］／p1，f2＝［a1，b1］／p2之間的語義距離定義為：

（1）SD（φ1，φ2）＝u1×［ρ（a1，a2）＋ρ（b1，b2）］＋u2×｜p1－p2｜，其中u1，u2為兩個權(quán)系數(shù)，且u1，u2≥0，u1＋u2＝1；

3.2 模糊匹配

一般情況下，匹配指精確匹配（即完全相同），但在一些匹配對象比較復雜的情況下，幾乎不可能同時存在兩個完全相同的對象，要求完全相同是很不現(xiàn)實的。因此，精確匹配只適用于理論對象中。

可以用模糊對象之間的“語義距離”來衡量其相似程度，對象間語義距離越小就越相似［6］，但若因兩者完全不同因此來診斷不相似的話，其診斷結(jié)果誤差往往會很大，這里采用模糊匹配法。認為兩對象間是模糊匹配并存在一定差異，會影響到真度T（Pi），本文設T（Pi）＝1為語義距離。

3.3 加權(quán)模糊邏輯

在一些文獻中雖然引進了推理規(guī)則的前提及本身可信度、結(jié)論可信度等概念，但在搜索可用規(guī)則時，仍要求全部前提完全匹配，即要求規(guī)則事實的謂詞全都與知識庫中預先存放的前提匹配時才能證明該規(guī)則可用［1］，但在實際情況中，一個推理規(guī)則前提的各子前提的“重要性”往往不盡相同。

在專家知識庫中首先對每個規(guī)則的各個子前提置“權(quán)”，在推理規(guī)則中采用加權(quán)模糊邏輯，對每個原子邏輯公式P都約定一個“真度”T（P）與之對應（－1≤T（P）≤1）。

加權(quán)合式邏輯公式及其“真度”的定義如下：

（1）每個原子邏輯公式P都是一個加權(quán)合式邏輯公式，其真度為該原子邏輯公式的真度T（P）。

（2）設x為一合式加權(quán)邏輯公式，則ΓX也為一加權(quán)合式邏輯公式，叫做x的非式，其真度為－T（x）。

由上式可見，加權(quán)模糊邏輯的合取式的真度是各子項真度的加權(quán)累加和，對于系統(tǒng)的故障診斷問題非常適用。

若有幾個子式真度未知，可將設計空值的子條件的真度設定為零，因為整個條件式的真度是按公式（2），由各條件的真度加權(quán)公式累加出來的，所以這種處理相當于忽略了未知條件，而這種忽略對整個條件式的真度影響則由相應的權(quán)決定，全式的真度會隨著子式真度的增加而增加，真的子式個數(shù)越多，全式真度就會越高，與實際中的直覺較為符合。

3.4 推理機制

本推理機采用加權(quán)模糊邏輯推理機制，具體過程如下：

（1）將已知事實從知識庫中抽取出并與其發(fā)生程度加權(quán)值一起放入中間數(shù)據(jù)庫。

（2）設置估價函數(shù)。若中間數(shù)據(jù)庫中至少有一條事實與第1條知識中的事實符合，則將第1條知識估價值取1，否則為0；只有估價函數(shù)值為1時才對第1條知識進行匹配。

（3）在對第1條知識進行匹配過程中，若這條知識中存在n個事實，則檢查中間數(shù)據(jù)庫中是否已對每個事實進行記載，若中間數(shù)據(jù)庫沒有對該事實進行過記載，記T（Pi）＝0，若某一事實已經(jīng)被記載，則取出其發(fā)生程度計算其真度T（Pi），計算方法如下：

①檢查該事實在第1條知識中的發(fā)生程度，根據(jù)表2得到區(qū)間值［a1，b1］，并記p1＝（a1＋b1）／2；

②檢查該事實在中間數(shù)據(jù)庫記錄的發(fā)生程度，根據(jù)表2得到區(qū)間［a2，b2］，并記p2＝（a21＋b21）／2；

表2 模糊量詞區(qū)間值

③計算語義距離：

結(jié)合實際使用情況，設置權(quán)系數(shù)u1，u2，u3。

④計算該事實在本條知識中的真度：

（4）對第1條知識所有事實如（3）所述步驟進行計算，并按照公式（5）（6）計算該知識前提的真度：

結(jié)論的真度：

式中：CF為規(guī)則的置信度（0≤CF≤1）。為便于工程操作，可結(jié)合實際使用情況，選定一些模糊量詞進行可信度的量化表示，如表3所示。

（5）若T（P）≥t（t為閾值，0＜t≤1）則認為有可能發(fā)生故障，發(fā)生的可能性為T（Q），并將結(jié)果放入中間數(shù)據(jù)庫。

表3 可信度模糊量詞的數(shù)值表示

（6）按（3）、（4）、（5）步驟對所有估價函數(shù)為1的知識進行匹配，將可能發(fā)生的所有故障類型在中間數(shù)據(jù)庫中進行記錄。

（7）如果出現(xiàn)了多個不同診斷結(jié)果，則對各個結(jié)論真度T（Q）取最大值，與最大真度符合的故障即為所求。

4 結(jié)束語

該推理控制機制基于Zadeh提出的模糊數(shù)學理論及模糊推理方法，對于解決由于知識的模糊性所引起的故障不確定性問題有著良好的效果。它用一種隸屬度或可能性代表故障的不確定性，定義了適合機械故障推理機的模糊算子用以反映各種不確定性傳播規(guī)律，運算靈活且富有針對性，較好的實現(xiàn)了機電設備的狀態(tài)監(jiān)測和故障診斷。

［1］ 曾光奇，胡均安，王東，等.模糊控制理論與工程應用［M］.武漢：華中科技大學出版社，2006：238-243.

［2］ 羅江華，陳平.機械故障診斷的模糊推理與神經(jīng)網(wǎng)絡并行推理的研究［J］.設備管理與維修，2006（4）：36-38.

［3］ 王睿，杜靜，何玉林，等.一種模糊知識庫系統(tǒng)及其推理機制研究［J］.計算機技術(shù)與發(fā)展，2007，17（3）：112-115.

［4］ 耿濤，趙金，劉洋.基于模糊推理的專家自整定PID控制器［J］.華中科技大學學報（自然科學版），2010，38（6）：4-7.

［5］ 鄭小霞，錢鋒.模糊神經(jīng)網(wǎng)絡推理的實時故障診斷專家系統(tǒng)［J］.計算機工程與應用，2006（3）：226-229.

［6］ 王隆杰.多變量系統(tǒng)模糊解耦自使用控制［J］.控制理論與應用，1997，14（2）：152-156.

Design of Fuzzy Inference Machine in Fault Diagnosis System of Electromechanical Equipment

SUNWen-ge
（Department of Mechatronic Engineering，Xinjiang Vocational University，Urmqi830013，China）

The paper designs a fuzzy inferencemachine in fault diagnosis system of electromechanical equipment by applying fuzzy theory and reasoning method.The fault mechanism of electromechanical equipment is analyzed and the inference mechanism based on fuzzy mathernatical theory and fuzzy reasoningmethod is researched.The inferencemachine can effectively resolve the uncertain problems due to the fuzziness knowledge.

Fault diagnosis；Fuzzy inferencemachine；Semantic distance；Inferencemechanism

10.3969／j.issn.1002-2279.2014.02.021

TP181

A

1002-2279（2014）02-0067-03

孫文革（1967-），男，甘肅人，本科，實驗師，主研方向：電子技術(shù)及自動控制技術(shù)。

2013-09-06