瀝青攤鋪機故障診斷系統的開發與實現

葉保寧

（曲靖公路局，云南曲靖 655000）

0 引言

工程施工作業期間，攤鋪機設備需要面對各種比較惡劣的工況，不僅作業環境十分復雜，同時施工周期也比較漫長，設備在工作過程中的負荷變化頻率較高，瀝青攤鋪機設備在工作過程中難免出現故障問題。為更加快速的找出攤鋪機故障原因，降低設備故障對后續施工進度造成的不良影響，開發出一種更加高效的新型瀝青攤鋪機故障診斷系統，減少設備檢修時間，并產生可觀的經濟效益，具備良好的發展前景。

1 系統總體結構設計

一般情況下，系統主要包括6 個方面內容：人機交互界面；知識庫模塊；推理機模塊；解釋模塊；數據庫模塊；學習模塊[1]。系統總體結構如圖1 所示。

圖1 系統總體結構

1.1 人機界面

目前，用戶與專家能夠借助人機交互界面完成對系統的操作，用戶還能夠借助系統對設備出現故障的具體原因進行準確查找，專家可對系統中設置的知識庫管理功能模塊、數據庫功能模塊和知識庫功能模塊進行再一次的更新處理，主要包括輸入界面與輸出界面兩部分內容[2]。

1.2 知識庫

現有知識庫模塊的主要結構如下：樣本知識庫；BP神經網絡結構知識庫；故障描述知識庫；故障原因知識庫；解決方案知識庫等。不同類型的知識庫用于存放相應的知識內容，所以，知識庫屬于系統中的核心部分，同時也是儲備大量知識的模塊[3]。知識、參數和相關數據的主要來源是同領域的專業文獻或專家，對各種不同型號攤鋪機出現故障的征兆、故障誘因及解決方案的設定，在將上述相關內容進行有效整理和分類以后，即可產生關聯性，以此為基礎，為后續檢修提供支持。

1.3 推理模塊

對于推理機而言，可以調用系統知識庫中儲備的各種相關內容，然后結合數據庫對攤鋪機實際運行參數的設定和對用戶端輸入故障的信息征兆，即可預定初步推理方式，最終得到誘發故障的主要原因，并給出相應的妥善處理方案。在系統設計中，推理模塊主要分為兩部分內容：①基于專家系統的推理模塊；②基于BP 神經網絡的推理模塊。在完成推理任務期間，如果無法在專家系統中找到相關搜索結果，則需要再次轉換至BP 神經網絡模塊完成后續推理任務，即可得出最終的診斷結果。推理模塊的設計結構如圖2 所示。

圖2 推理機模塊設計結構

1.4 解釋模塊

在用戶使用設備檢測功能的過程中，會輸入相應的攤鋪機故障征兆參數和其他有關的參考輔助信息，在系統解釋模塊節接收到這些信息內容后，即可轉化成符合機器系統要求的可識別信息，然后再將最終的診斷結果以及相應解決方案進行統一整理，最終轉化成用戶可以直接閱讀和使用的信息模式[4]。

1.5 數據庫模塊

系統數據庫的主要作用是存放數據資料，借助對數據庫的調用，能夠對系統內儲存的相關知識內容進行及時的更新、修改或者添加等操作，確保知識庫中的內容可以不斷完善，充分滿足用戶所需。

1.6 知識庫管理模塊

系統知識庫管理功能模塊的主要作用是知識獲取，同時還可以將故障診斷知識進行轉化和升級，形成新的知識庫，持續豐富知識庫中的儲備內容。

2 推理模塊的建立

2.1 基于專家系統的推理模塊的建立

以專家系統為基礎的故障樹定性檢測分析方法如下：通過攤鋪機故障征兆判斷、故障原因分析和解決方法的設定，使系統的診斷知識可以變得更加清晰合理，同時還可以有效降低數據庫知識內容的獲取難度，從而成功解決規則知識方面的獲取瓶頸問題。在此期間，推理機屬于一種以專家系統為核心的思維機構，具備求解問題的基本功能。所以，推理機可以將用戶提供的所有初始故障征兆參數作為基點進行分析，并使用系統設定好的相應推理方法完成圖推理任務，根據實際情況，選擇合適的控制策略便能夠在知識庫內搜索到與用戶問題相匹配的故障信息[5]。

在推理環節中，系統會得到一部分與最終診斷結果具有直接關系的中間診斷結論，此后，系統會再以這部分中間數據作為故障證據，進一步推導出與結論相關的中間數據內容，持續上述的推理步驟，即可推出最接近真實結果的處理結論，可為后續階段的檢測和維修工作奠定良好的基礎。

目前，系統規則知識可以使用置信度進行表示，此時的規則置信度與系統規則下的條件具有較高相似性，能夠對規則結論的最終描述奠定基礎，同時也可以為故障診斷貢獻。其中，規則置信度需要由領域專家系統進行最終設定，此后的推理機設計則需要由系統中的領域專家模塊設定一個專門的規則置信度參考值，在執行深度優先搜索任務的過程中，需要先找出具備匹配能力的故障結點參數，在此之后，系統則會自動將專家置信度不滿足閱值要求的規則排除在系統外，并在后續的故障排查環節不考慮這些參數。

2.2 基于BP 神經網絡的推理模塊的建立

針對神經網絡系統的計算過程分析如下：由已知系統輸入模式為基礎，即征兆向量，借助神經計算可得出最終的輸出模式參數，即故障向量，所以，后續神經網絡的應用，可以通過正向推理機制完成對相關內容的檢索和處理，流暢度較高。與傳統的專家系統中比較常見的正向推理機制展開對比，這種以神經網絡為基礎的推理方式，不僅可以大幅提升推理速度，同時還可以有效克服推理環節中的各種突發性問題。在系統設計中，系統神經網絡一共分為3 層，依次為：①輸入層；②隱層；③輸出層。

BP 神經網絡系統推理模塊算法如下：①對系統內的所有權值以及閥值進行統一的初始化設置，其中，權值可隨機給定；②在系統中輸入準備好的學習樣本資料，由系統記錄實時的數據輸入量以及參數的期望輸出量水平；③計算得出隱層對應的輸出參數以及輸出層的輸出參數值；④準確計算出各層存在的反向傳播誤差范圍；⑤針對各層對應的權值以及閥值做出合理修正；⑥反復循環上述過程，直至所有誤差值均可達到合格要求即可。

2.3 系統推理機制的建立

常規情況下，系統本身需要具有較為完整的知識庫，同時這也是保證系統后續推理準確性和推理速度的初始條件，對于推理機制而言，需要為系統后續推理過程提供準確保障。在系統設計中，以專家系統與BP神經網絡為基礎，是一種可以對設備故障問題進行快速診斷的新型系統，在對專家系統與BP 神經網路進行綜合運用后，充分發揮出二者的各自優勢，成功克服各自的不足。系統推理過程詳情如圖3 所示。

圖3 系統推理流程

3 系統的實現

主系統設計主要包括數據庫設計和界面設計。其中，數據庫設計需要確保系統相關知識的有效存儲與后期階段的維護秩序性。與之相對應的界面設計，主要由系統功能決定，此系統主要包括：①普通用戶；②專家用戶。在輸入不同類型的用戶名以后，系統會對用戶的身份和類別進行自動判定，并顯示出相應的系統權限。故障診斷界面可以準確展現出系統故障產生的各種原因，并準確提供出相應的解決方案。

當用戶成功點擊故障診斷選項以后，即可在故障征兆對話框內輸入相應的攤鋪機故障征兆信息，然后再點擊診斷，準確執行上述操作后，系統即可按照輸入的故障征兆參數完成故障診斷推理，并在所有推理環節結束后整理出相應的故障信息，并在顯示端給出可能出現故障的具體原因及類型。最后，系統還會將故障處理方案的最優解推薦給用戶。

在借助系統故障自動診斷對設備故障問題進行準確分析后，相關人員即可按照系統推薦的解決方案采取相應處理措施，并在故障問題得到有效處理后，再次進入到對應的歷史記錄中完成對系統數據庫內容的更新和反饋，此后系統即可按照反饋的具體內容完成相應學習任務，不斷提升診斷系統自身的診斷結果準確性。

此外，如果在使用故障診斷系統以前便已經知道鋪機的那一部分發生故障問題，同樣可以對設備的故障部位進行針對性診斷，在這樣的情況下，系統診斷速度更快，給出的推薦解決方案也會更加具體。

4 結束語

故障診斷系統在工作過程中，會對數據庫內容、知識庫內容、專家系統內容和BP 神經網絡內容中的理論知識進行統一分析和設計，成功建立起以攤鋪機故障問題為核心的針對性診斷推理機制，此后，還可以進一步確定系統的最終推理流程，逐一完成后續環節的其他故障診斷功能開發。系統可以對專家系統與BP神經網絡進行綜合運用，并對攤鋪機設備在工作過程中可能出現的故障問題進行有效分析并給出更加適合的解決方案，通過這種方式為公路工程施工進度的正常推進提供有效保障。