1996 年年 3 月月 硕士学位论文硕士学位论文 1 第一章 概述 §1.1 故障诊断技术发展综述 随着科学技术与生产的发展， 现代机械设备的工作性能越来越好， 工作强度越来 越大，自动化程度和生产效率越来越高与此同时，设备的结构也越来越复杂，各部 分的关联越来越密切，往往某处稍有故障，就导致轻则停机、重则机毁，损失巨大 设备是生产发展的基本要素之一工欲善其事，必先利其器”，良好的设备维 护依赖于准确、及时的故障诊断所谓故障诊断（Fault Diagnosis,FD），是根据设 备运行过程中产生的各种信息来判断其正常或异常， 识别是否发生故障及发生故障的 部位和原因FD 作为一门新兴综合性学科，在当今的科技大潮中，其理论和实施技 术正不断得到丰富和完善 纵观 FD 学科的发展史可知，FD 从六十年代起步，七十年代逐步完善，八十年代 进入实用，九十年代迈向智能化具体地说，其发展历程分两大阶段： （一） 第一代（八十年代前） FD 技术的研究最早起源于美国1961 年开始执行“阿波罗计划”后出现的一系 列因设备故障造成的悲剧，导致 1967 年美国机械故障预防小组（MFPG）的成立，该 小组主要从事故障机理的探索、检验、诊断和预防技术以及可靠性理论的研究。
美国 机械工程师学会（ASME）应用声发射技术对静设备 FD 的研究也取得较大进展此外， SPIRE 公司的军用机械轴和轴承诊断技术， TEDECO 公司的润滑油分析诊断技术都在国 际居领先地位 六十年代末期，以 R.A.Collacott 为首的英国机器保健中心最先在英国开始 FD 技术的研究其后曼彻斯特大学成立了沃福森工业维修公司（WIMU）英国的南安普 顿大学、莱塞斯特工业学院都成立了类似的专业化维修公司，并展开了 FD 理论与技 术的研究 FD 技术在欧洲其它国家也有发展，如瑞典 SPM 公司的轴承监测诊断技术、挪威 的船舶诊断技术以及丹麦 B&K 公司的振动监测诊断和声发射监测技术及仪器都独树 一帜 日本的FD技术起步稍晚，但发展迅速，新日铁在 1971 年率先开展研究，1976 年 步入实用阶段我国的FD技术起步约在七十年代末，但在国家的支持、行业与部门的 配合、高校和研究单位的努力下，以较快的步伐跨出了短暂的起步阶段，使许多诊断 技术相继走向实用化[1，2] （二） 第二代（80 年代起） 八十年代开始， 利用计算机对设备故障进行有效的辅助监测和辅助诊断已成为重 要的诊断手段， 而且国内外对计算机诊断系统积极地进行研制并应用于实际对象， FD 技术逐渐步入了实用系统化的时代。
例如， 日本三菱公司的 “旋转机械保健管理系统” （MHM 系统）、美国西屋公司的“移动诊断中心”、我国的“微机化机组监测与故障 诊断系统”（3MD-1 系统），等等这些系统都配有自动诊断软件，实现了设备信号李斌：基于模糊神经网络技术的智能故障诊断专家系统的研究李斌：基于模糊神经网络技术的智能故障诊断专家系统的研究 1996 年年 3 月月 2 数据采集、分析、计算、显示、打印、绘图等过程的自动化当设备发生故障时可自 动预报或通过计算机进行故障模式的识别， 并将大量的设备运行资料存储起来， 随时 通过人机对话查阅其历史运行资料 总之，FD 这一新兴学科正日臻完善，但这远远不是其发展过程的终结随着计 算机技术、测试技术、信号处理技术、人工智能、三论科学（系统论、信息论、控制 论）、可靠性理论等现代科学技术的迅速发展并不断向 FD 技术领域渗透，FD 的基础 理论与实施技术不断得以充实，智能化程度不断提高，该学科不断向更高的水平、更 深的内涵和更广阔的应用前景发展 §1.2 故障诊断基本理论 1.2.1 有关名词解释 1. 故障（Fault,Failure） 指一台设备（或其零部件）在其应达到的功能上丧失 了能力； 2. 故障诊断（FD） 是利用测取设备在运行中或相对静态条件下的状态信息，通过 对所测信号的处理和分析， 并结合诊断对象的历史状况， 来定量识别设备及其组 成部件的实时技术状态，并预知有关异常、故障和预测其未来技术状态，从而确 定必要对策的技术； 3. 故障诊断专家系统（FD-ES） 是人们根据长期的实践经验和大量的故障信息知 识， 设计出一种智能计算机程序系统， 以解决复杂的难以用数学模型来精确描述 的系统故障诊断问题； 4. 模糊逻辑故障诊断（FL-FD） 指运用模糊数学与模糊逻辑理论，依据设备所发 生故障的模糊征兆， 进行故障模式模糊识别、 模糊推理并作出决策的智能诊断方 法； 5. 神经网络故障诊断（NN-FD） 指利用神经网络所具备的快速并行处理、联想记 忆、 自组织和自学习以及非线性映射能力， 对设备发生的故障进行故障模式识别、 神经网络推理并作出决策的智能诊断方法； 6. 模糊神经网络故障诊断专家系统（FNN-FD-ES） 指综合运用模糊逻辑、神经网 络、专家系统三种智能信息处理技术，对故障信息处理、故障模式识别、故障领 域专家知识的组织与处理等进行高度智能化处理的综合智能诊断方法。
1.2.2 故障诊断的基本思想和主要步骤 1. FD 的基本思想 诊断原为医学用语，指用各种手段对人体进行检查、化验，然后根据医学理论确 定是否患病和患有何种疾病的过程诊断就是由现象推断本质，由当前推测未来，由 局部推测整体的过程 在工程技术领域， 也需要根据设备各种可测量的物理现象和技 术参数的检测来推断设备是否正常运转、 判断故障原因和部位、 预测潜在故障发生等 因此，从仿生学角度，借用医学方面的术语，称之为故障诊断（FD） 人体和机电设备诊断的对应关系如图 1.1： 1996 年年 3 月月 硕士学位论文硕士学位论文 3 机电设备 诊断对象 人体 零部件 组成 组织 故障 劣化、异常 疾病 直观检查 直观观察 油液分析 检(监)测 状态检测 体检 生化检查 光学检测 光学检查 简易诊断 故障诊断 诊断 医学诊断 预诊 综合诊断 会诊 维修 恢复措施 治疗 图 1.1 人体和机电设备诊断对应关系图 图 1.1 人体和机电设备诊断对应关系图 设D、M为有 n种故障和m种征兆的有限诊断模型[ 3]。
P(D)、P(M)分别表示D、M的任意子集的集合设A是任意故障集，f(A)表示故障集A的全体征兆集；又设B是 诊断对象的征兆集，g(B)表示征兆集B所对应的故障集，即： 征兆映射 f：P(D)→P(M) 故障映射 g：P(M)→P(D) 诊断专家的推理结构: ∀A∈P(D), ∀B∈P(M), f(A)⊂B ⇔ g(B) ⊃A 用文字表述即为: 如果某些故障的征兆都出现在对象上， 那么就认为该对象确有 这些故障；如果某种故障的某个征兆不出现，那么就排除这种故障 从而，FD 实质上就是依据故障征兆向量对故障原因进行模式识别 2. FD 的主要步骤 设备的诊断过程可分为三个主要步骤： (1) 检测设备状态的特征信号； (2) 从所检测到的特征信号中提取征兆； (3) 根据这些征兆和其它诊断信息来识别识别的状态，从而完成 FD 根据 FD 的以上三个步骤，可对诊断方法进行合理分类，详见文[4]. §1.3 智能故障诊断 当今，各个学科之间的交叉、智能化已成为时代的强音基于启发性知识的智能 信息处理（IIP）技术向 FD 领域渗透，形成了一门新的技术---智能故障诊断（IFD） 技术。
本文提出如下的学科交叉、融合公式： IFD ≡ FD∩IIP ( 1.2.1 ) IIP ≡FL∪NN∪ES ( 1.2.2 ) 李斌：基于模糊神经网络技术的智能故障诊断专家系统的研究李斌：基于模糊神经网络技术的智能故障诊断专家系统的研究 1996 年年 3 月月 4 从而 IFD ≡ FD∩( FL∪NN∪ES ) ( 1.2.3 ) 其中，FD 表示 故障诊断（Fault Diagnosis）； IIP 表示 智能信息处理（Intelligent Information Processing）； IFD 表示 智能故障诊断（Intelligent Fault Diagnosis）； FL 表示 模糊逻辑( Fuzzy Logic )； NN 表示 神经网络( Neural Network )； ES 表示 专家系统( Expert System ）； ≡ 表示“基于”； ∩ 表示“学科交叉”； ∪ 表示“学科融合” 鉴于此， 将传统 FD 与 IIP 技术的 3 个活跃分支：ES、FL、NN 相结合，本文将 IFD 进行如下分类： 1. 基于 ES 的诊断，即故障诊断专家系统（FD-ES）； 2. 基于 FL 的诊断，即模糊逻辑故障诊断（FL-FD）； 3. 基于 NN 的诊断，即神经网络故障诊断（NN-FD）； 4. 基于 FL 和 NN 的诊断，即模糊神经网络故障诊断（FNN-FD）； 5. 基于 ES 和 FL 的诊断，即模糊逻辑故障诊断专家系统（FL-FD-ES）； 6. 基于 ES 和 NN 的诊断，即神经网络故障诊断专家系统（NN-FD-ES）； 7. 基于 ES、FL 和 NN 的诊断，即模糊神经网络故障诊断专家系统（FNN-FD-ES）。
从而，本文绘制出 FD 与 IIP 两个学科的学科交叉、融合示意图（如图 1.2 示）： FD ∩ IIP IFD FL-FD FL-FD- FNN-FD ES FNN-FD -ES FD-ES NN-FD NN-FD- ES 图 1.2 故障诊断与智能信息处理学科交叉、融合示意图 图 1.2 故障诊断与智能信息处理学科交叉、融合示意图 1996 年年 3 月月 硕士学位论文硕士学位论文 5 §1.4 本文研究的主要内容 本文构造了一个通用故障诊断模型（Fault Diagnostic Model, FDM），研究了 对该模型进行智能故障诊断（IFD）的一般性方法 首先， 对基于二值逻辑的诊断模型， 构造了一个通用故障诊断专家系统 （FD-ES） ， 对故障模式进行判别、对发生故障的部位进行定位、针对故障类型提出维修建议，用 Turbo-Prolog 语言编制该专家系统，并给出一个液压系统故障诊断的实例； 鉴于诊断信息的模糊性和二值逻辑的严重缺陷，引入模糊逻辑（FL），对基于 FL 的诊断模型进行模糊模式识别，根据用模糊语言表述的故障征兆，得出发生各种 故障的隶属度（可信度），用 MATLAB 语言实现该诊断程序，使用于小轿车的 FD 中； 考虑到 FL 的推理能力较弱， 自学习、 自适应能力及容错性差， 引入神经网络 （NN） 技术， 将 NN 作为诊断推理机， 构造一个神经网络诊断专家系统 （NN-FD-ES） ， 用 MATLAB 语言实现该系统，并用于。