計算智能在機械設備故障診斷中的運用

【摘要】在工業生產中，離不開機械設備的支撐，但是，機械設備的故障概率也非常高，所以，為了有效的發揮出機械設備的功能，就需要采取有效的對策對其進行檢測與診斷。對此文章通過下文對計算智能在機械設備故障診斷中應用的相關內容進行了論述，從而為有關單位及工作人員在實際工作中提供一定的方法理論支撐。

【關鍵詞】計算智能；機械設備；故障診斷

進入21世紀以來，我們已經向著智能化、網路化的時代邁進，在很多領域中都應用了智能化技術。計算智能診斷技術在對機械設備中所存在的故障進行診斷時發揮著重要的作用，克服了傳統診斷中所不能解決和攻克的難題。

一、分析計算智能故障診斷

由模擬人腦功能的硬件、軟件、人、外部設備和物理器件等構成了智能故障診斷系統。診斷對象與智能故障診斷系統之間的關系可以通過下圖進行表示。

對比傳統的基于信號處理技術與傳感器技術的故障診斷法，這種診斷方法的優點有：將很多專家的最佳經驗融合到了一起，功能水平與專家水平相差無幾，使人機聯合診斷成為了現實，能夠快速的診斷分析多過程、突發性的故障。

二、在機械設備故障診斷中應用計算智能

1、模糊輪

該論述主要對人的邏輯思維進行模擬，然后對有著模糊性的信息進行處理，能夠定性分析復雜的大型系統。

從主觀角度進行分析，工作人員習慣通過模糊性或者本身的感受不精確的描機械系統的運行狀態。例如噪聲與振動的溫度、壓力高低和大小等，這樣經常導致有不確定性和不精確性存在于運行狀態參數測量中。因為這些原因的存在，這就都會有相應的模糊性存在于設備的故障征兆中。就那些復雜的大型機械設備而言，難以通過精確的數學模型描述征兆和故障之間的關系，所以，在故障診斷中，我們可以將模糊理論應用進去。對于以前的而二值邏輯，通過模糊理論診斷故障時，同人類的語言表達方式及思維能夠更加接近。其中，可以按照這樣幾部完成模糊故障診斷：將診斷矩陣R構建起來，將模糊算子o確定出來，uY（x）為隸屬度函數。X為新廠測量數據的故障征兆；組成模糊方程：xoR=Y，進而將診斷理論得出來。

1、建立模糊神經網系統

模糊邏輯能夠對人腦的邏輯思維進行模仿，能夠有效的表達出結構性知識，在模糊理論基礎上，可以將非常直觀、明確的模糊診斷模型物理概念構建起來，這樣就可以在模糊關系矩陣中直接存入領域專家用語言描述的事件。并且，可以很容易的理解模糊診斷表達的知識，對啟發性知識可以更好的進行引入，跟蹤推理程序。結合起模糊邏輯和神經網絡，可以將二者的優點綜合起來，在計算智能領域中，這是一個研究的重點。

現階段，主要將神經網網絡和模糊系統的串聯型結構應用到了故障診斷領域的模糊神經網絡中，在神經網絡輸入的模糊化預處理中應用模糊理論，然后將模糊規則通過神經網絡提取出來，從而將推理過程展現出來。通過大量的實踐研究證明，在對分類邊界模糊數據進行處理時這種方法發揮著巨大的作用。

2、進化驗算

為了對自然及生物進化規律進行模擬，而提出了進化計算法，這種方法通過簡易的編碼技術將一些復雜的機械故障問題表示出來，利用對編碼優勝劣汰的自然選擇與遺傳操作，然后，確定搜索方向與指導學習，這種算法能夠對解空間的多個區域進行搜索。將并行處理的計算機機制隱含于其中，有著自適應、自學習和自組織的特征，并且，搜索空間限制條件不會對其帶來影響，不用別的信息來輔助完成。由三個部分一同構成了進化計算：進化規劃、進化策略和遺傳算法。其中，在機械故障診斷中廣泛的應用了遺傳算法，這種算法首先將一組可能解選擇出來當作初始群體完成編碼處理，之后在遺傳變異理論與生物進化理論的基礎上，雜交、變異和選擇性操作編碼，持續重復推進，從而將全局范圍內適值較好的解得出來。現階段，在對機械設備的優化問題進行處理時，會經常的應用到遺傳算法，在神經網絡訓練學習中會應用到這種算法，對調整連接權值是所產生的局部極值問題可以進行處理。因為可以通過一個基于節約覆蓋集理輪的網絡來定義故障診斷問題，所以，可以按照優化問題應用遺傳算法將故障問題且解決出來，通過大量的實踐證明，在診斷問題和解決多故障時，遺傳算法在其中發揮著重要的作用。

3、粗糙集法

在對不精確不完整知識進行處理時，可以應用到粗糙集理輪，能夠直接的分析處理不精確不完整的信息。該理論出發于不可分辨性，在已經條件的基礎上，劃分給定問題的論域，從而將隱藏于數據中的規律和關系提取出來，對各種屬性對劃分的意義進行評價，而且，在此基礎上完成屬性的約簡，然后通過最為合理的方式表達知識。近幾年，該理論發展速度不斷加快，被廣泛的應用于決策分析、機械設備故障診斷、機械學習和模式識別領域。例如，將滾動軸承噪聲與振動的頻率特征當作故障問題，然后，對各種征兆對診斷規則的重要性，通過粗糙集理輪進行研究分析，從而將更加簡易的規則獲取了出來。

在機械設備故障診斷中才剛剛開始應用粗糙集理輪，通過這個理論能夠分析處理機械設備的狀態數據信息，從而將診斷規則提取出來，或者再處理已經存在的診斷決策規則，對其中可能存在的冗余條件進行約簡處理。通過粗糙集理論處理故障診斷知識，對智能故障診斷系統的開發及在具體工程中的應用都會有著較大的應用價值。

結語

文章通過上文首先介紹了計算智能診斷的技術的，然后著重的分析與闡述了其在機械設備故障診斷中應用的相關內容，從而為促進我國機械故障診斷工作的順利發展而奠定良好的基礎，更好的適應社會發展的需要。

參考文獻：

[1]馮志鵬，宋希庚，馮志鴻，趙全慶.計算智能在機械設備故障診斷中的應用[J].汽輪機技術.2013（06）：56-57.

[2]曹龍漢，孫穎楷，曹長修.基于粗糙集理論的連鑄坯缺陷診斷預報系統[J].重慶大學學報，2011，24（01）：95-98

[3]夏勇，商斌梁，張振仁，薛模根，郭明芳.分形幾何在內燃機振動信號分析中的應用[J].振動與沖擊，2014，20（01）：59-61.