朱傳敏，周潤青，陳 明，李營壘

（1. 同濟(jì)大學(xué) 機械工程學(xué)院，上海 201804；2. 同濟(jì)大學(xué) 中德工程學(xué)院，上海 201804）

0 引言

數(shù)控機床作為機電一體化的精密制造設(shè)備，其結(jié)構(gòu)復(fù)雜、功能繁多，同時其加工精度要求越來越苛刻、加工工藝越來越繁復(fù)，從而導(dǎo)致設(shè)備發(fā)生故障的可能性大大增加、故障的形式更加復(fù)雜多樣，設(shè)備某一局部的故障往往造成整個設(shè)備的生產(chǎn)停頓，引發(fā)安全隱患和經(jīng)濟(jì)損失。因此，對數(shù)控機床設(shè)備的故障診斷方法進(jìn)行研究具有重要的實際應(yīng)用價值。

隨著智能故障診斷技術(shù)的發(fā)展，其應(yīng)用領(lǐng)域越來越廣泛，但在數(shù)控機床故障診斷方面的應(yīng)用研究相對較少[1,2]，文獻(xiàn)[3]應(yīng)用了粗糙集理論生成故障診斷規(guī)則并簡化了不必要的屬性，但規(guī)則提取所需數(shù)據(jù)量和處理量較大，專家經(jīng)驗利用較少；文獻(xiàn)[4, 5]采用Sugeno模糊模型和神經(jīng)網(wǎng)絡(luò)的方法對數(shù)控機床故障進(jìn)行診斷，避免了專家經(jīng)驗使用的隨意性和診斷的容錯性，但對于解決復(fù)雜問題的穩(wěn)定性及知識的可擴(kuò)展性有待提高。文獻(xiàn)[6]融合了故障樹與案例推理的方法，但沒有很好把故障樹轉(zhuǎn)化為規(guī)則知識。

本文探討了一種故障樹和案例推理相融合的診斷方法，該方法通過將故障樹轉(zhuǎn)化得到產(chǎn)生式規(guī)則，同時根據(jù)數(shù)控設(shè)備的診斷特征值將歷史診斷結(jié)果轉(zhuǎn)化為案例，存儲在專家系統(tǒng)的知識庫中，然后通過規(guī)則推理與案例推理相結(jié)合的方法對數(shù)控機床的故障進(jìn)行診斷，不僅解決了專家系統(tǒng)知識獲取的“瓶頸”，同時提高了系統(tǒng)的穩(wěn)定性及可擴(kuò)展性。

1 故障診斷專家系統(tǒng)的框架模型

1.1 專家系統(tǒng)概述

專家系統(tǒng)內(nèi)部含有大量的某個領(lǐng)域?qū)＜宜降闹R與經(jīng)驗，能夠利用人類專家的知識和解決問題的方法來處理該領(lǐng)域問題，并對診斷結(jié)果給出解釋推理路徑和推理依據(jù)，基于規(guī)則的故障診斷專家系統(tǒng)具有表達(dá)直觀、形式統(tǒng)一、模塊性強和推理機制簡單等特點,一直是診斷專家系統(tǒng)中應(yīng)用最廣泛的一種模式，但存在知識“瓶頸”，缺乏有效的知識表達(dá)方式等局限性，通過與描述對象結(jié)構(gòu)、功能和關(guān)系的故障樹技術(shù)有機結(jié)合，可以保證診斷知識的結(jié)構(gòu)性與條理性，同時也充分發(fā)揮故障診斷專家系統(tǒng)快速有效的特點，同時針對某些系統(tǒng)機理過于復(fù)雜，規(guī)則提取困難的情況，結(jié)合案例推理的方法作為故障診斷的補充，降低了知識獲取的負(fù)擔(dān)，也改善了系統(tǒng)的擴(kuò)展性。

1.2 系統(tǒng)框架

基于故障樹與案例推理的數(shù)控機床故障診斷專家系統(tǒng)的總體系統(tǒng)框架模型如圖1所示，它由知識庫、綜合數(shù)據(jù)庫及各庫的管理維護(hù)模塊、推理機模塊、解釋處理系統(tǒng)和人機接口為主要組成部分。其中，知識庫和推理機是整個專家系統(tǒng)的核心。

圖1 專家系統(tǒng)總體框架

通過以太網(wǎng),數(shù)控機床的測試數(shù)據(jù)與控制信息由通訊接口提交到故障診斷專家系統(tǒng)。知識庫用來存儲領(lǐng)域?qū)＜覍τ跀?shù)控設(shè)備診斷的經(jīng)驗知識，其中包括故障樹轉(zhuǎn)化的規(guī)則知識與診斷過程中的典型案例知識，并且能夠通過人機接口不斷擴(kuò)充更新；數(shù)據(jù)庫用來儲存數(shù)控設(shè)備的基本參數(shù)、運行狀態(tài)信息、統(tǒng)計數(shù)據(jù)和推理過程中的中間數(shù)據(jù)；推理機根據(jù)知識庫和數(shù)據(jù)庫的診斷信息采用有效的推理機制對征兆知識進(jìn)行推理，先進(jìn)行基于故障樹的規(guī)則推理，如無法得出相應(yīng)匹配關(guān)系，再進(jìn)行實例推理，如仍然無法得出診斷結(jié)果或?qū)嵗Y(jié)果相似度較低，則進(jìn)行人工診斷并把案例添加入知識庫，從而得到數(shù)控設(shè)備的故障并實現(xiàn)系統(tǒng)的可擴(kuò)展性；解釋處理系統(tǒng)統(tǒng)一處理推理機輸出的診斷結(jié)果，進(jìn)行解釋并提供相應(yīng)的維護(hù)策略，使用戶了解診斷、決策的過程,增加用戶對系統(tǒng)推理結(jié)果的信任度,也便于對知識庫的核實和測試；最后經(jīng)由人機接口顯示相應(yīng)的診斷結(jié)果反饋給操作人員或領(lǐng)域?qū)＜?，實現(xiàn)人機交互的功能，用戶還可通過知識維護(hù)模塊、綜合數(shù)據(jù)庫管理模塊對知識庫和綜合數(shù)據(jù)庫進(jìn)行維護(hù)、瀏覽等操作。

2 故障的知識表示

2.1 故障樹的建立

故障樹是用于大型復(fù)雜系統(tǒng)可靠性、安全性分析以及故障診斷的一個有力工具。故障樹分析首先選定某一影響最大的系統(tǒng)故障作為頂事件，然后將造成系統(tǒng)故障的原因逐級分解為中間事件，直到把不能或不需要分解的基本事件作為底事件為止，體現(xiàn)了故障傳播的層次性和子節(jié)點（即下層故障源）與父節(jié)點（即上層故障現(xiàn)象）之間的因果關(guān)系[7]，各事件間相互關(guān)系通過與門、或門、非門等邏輯門表示。通過故障樹的定性分析，能有效找出導(dǎo)致頂事件發(fā)生的所有可能的故障模式,即尋找故障樹的全部最小割集，通過最小割集可判斷系統(tǒng)最薄弱環(huán)節(jié),指明故障源及故障原因,提供改進(jìn)方案和維修建議。

建造故障樹是故障樹分析的關(guān)鍵，也是進(jìn)行故障樹分析的前提條件。本文以Φ160mm數(shù)控落地鏜銑床為研究對象，通過對機床主體、數(shù)控系統(tǒng)故障機理、模式及故障后果的分析建立相應(yīng)的故障樹，“”表示結(jié)果事件，“”表示或關(guān)系，“ ”表示基本事件。其中圖2為鏜銑床數(shù)控系統(tǒng)的硬件故障樹，列出了顯示屏白屏、NC鍵盤失效和系統(tǒng)無法啟動等部分故障朕兆及進(jìn)一步的故障原因，圖3為鏜銑床主體的主軸故障樹，列出了主軸發(fā)熱和主軸噪聲等故障朕兆，并分析得知這與軸承、帶輪和齒輪故障等有關(guān)。

2.2 故障樹的知識表示

故障樹的頂事件對應(yīng)于專家系統(tǒng)要診斷的故障，其基本事件對應(yīng)于專家系統(tǒng)的推理結(jié)果，故障樹由頂?shù)降椎膶哟魏瓦壿嬯P(guān)系對應(yīng)于專家系統(tǒng)的推理過程,而最小割集是聯(lián)系故障樹與專家系統(tǒng)診斷知識庫的關(guān)鍵，故障樹的樹枝對應(yīng)于知識庫中的規(guī)則，故障樹的樹枝數(shù)等于知識庫所包含規(guī)則的個數(shù)，知識庫中的知識來源于故障樹。由圖2和圖3可以看出故障樹分別有12和15條樹枝，在專家系統(tǒng)中存儲為27條規(guī)則。

圖2 鏜銑床數(shù)控系統(tǒng)的硬件故障樹

圖3 鏜銑床主體的主軸故障樹

專家系統(tǒng)運用知識來進(jìn)行推理和判斷，準(zhǔn)確的知識表示是進(jìn)行準(zhǔn)確判斷的一個重要前提[8]。為了在計算機中表達(dá)這樣的規(guī)則關(guān)系，在系統(tǒng)中采用產(chǎn)生式規(guī)則模型,其規(guī)則的表達(dá)形式為：IF （P） THEN（T）, 其中P是產(chǎn)生式可用的條件，T是指當(dāng)P所指的所有條件被滿足時所得到的結(jié)論或應(yīng)該執(zhí)行的操作，同時還需要增加一些附加信息如故障現(xiàn)象的檢測描述，處理策略和故障頻率等。在將故障樹轉(zhuǎn)化為專家系統(tǒng)規(guī)則的過程中，需要注意以下的轉(zhuǎn)化規(guī)則：子事件以“與”關(guān)系導(dǎo)致父事件的發(fā)生，對應(yīng)一條規(guī)則；子事件以“或”關(guān)系導(dǎo)致父事件的發(fā)生，其規(guī)則數(shù)對應(yīng)子事件的個數(shù)；以最小割集來轉(zhuǎn)化為規(guī)則時，一個最小割集對應(yīng)一條規(guī)則。在數(shù)控系統(tǒng)硬件故障樹的轉(zhuǎn)化中，其部分分支的規(guī)則提取如圖4所示，故障的父事件是“顯示器白屏”，分別有三個子事件，并且其關(guān)系為“或”，從而得出3條規(guī)則知識。

2.3 故障案例的知識表示

案例推理診斷是一種基于過去的成功診斷案例和經(jīng)驗來完成當(dāng)前故障診斷任務(wù)的方法[9]，通過對數(shù)控機床故障案例和機床信號采集的研究，把故障案例表示成五元組（故障案例類，故障狀態(tài)特征，故障特征權(quán)值，診斷結(jié)果，故障維修策略），CASE＝ {G，S，W，R，M}，其中G表示案例所屬的種類，與案例的狀態(tài)特征和權(quán)值有關(guān)； S＝{S1，S2，…，Sn},是故障特征的有限非空集合，S1S表示與數(shù)控機床部位或狀態(tài)相關(guān)的特征屬性，如故障部位，主軸轉(zhuǎn)速，電機電流等；W＝{W1，W2，…Wn}，0≤Wi≤1，是由領(lǐng)域?qū)＜姨峁┑墓收咸卣鲄?shù)的權(quán)重；R表示案例診斷的結(jié)果，rj＝{tr，cr}，tr表示診斷的結(jié)論，cr是非空有限集合，代表故障的原因；M表示相關(guān)的故障解決辦法和操作建議。

圖4 數(shù)控系統(tǒng)硬件故障部分故障樹的規(guī)則提取

3 故障診斷推理機制

在數(shù)控機床故障診斷過程中，首先根據(jù)設(shè)備的故障現(xiàn)象應(yīng)用故障樹轉(zhuǎn)化的規(guī)則進(jìn)行診斷，主要應(yīng)用于故障朕兆與設(shè)備故障關(guān)系明確的情況，規(guī)則推理可以分為正向推理、反向推理和正反向推理三種，本文主要采用正反向混合推理，其過程如圖5上部所示，在初始化系統(tǒng)后，先進(jìn)行反向推理，在知識庫搜索匹配規(guī)則，在推理達(dá)到底層事件的同時采用正向推理以檢測結(jié)果，最后給出推理解釋，即診斷結(jié)果和維修策略。在規(guī)則推理過程中無法找到相應(yīng)規(guī)則進(jìn)行診斷時，根據(jù)系統(tǒng)內(nèi)采集到的數(shù)控機床狀態(tài)信息進(jìn)行案例推理診斷，其過程如圖5下部所示。

圖5 規(guī)則推理與實例推理流程

在進(jìn)行案例推理的過程中，采用最近鄰居法中的歐氏距離來衡量實例間的相似性[10]。設(shè)X為新實例（待求解問題），Y為舊實例（包含在實例庫內(nèi)的實例），則它們之間的相似度定義為

式中：權(quán)重wi代表第i個屬性的重要度，w＝1（i＝1，2，…，n），n是實例的屬性個數(shù)；將xi和 yi分別表示新舊實例第i個屬性的值。在案例匹配過程中，設(shè)備類型、主軸轉(zhuǎn)速、電機電流、振動峰值、速度平均值、故障特診頻率等作為實例的主要屬性值進(jìn)行相似度的計算。

4 故障診斷專家系統(tǒng)在工程實際中的應(yīng)用

本文以上海電氣臨港重型機械裝備有限公司的Φ160重型數(shù)控鏜銑床為主要研究對象，通過對機床設(shè)備技術(shù)資料及歷史數(shù)據(jù)的分析和挖掘，結(jié)合相關(guān)專家和現(xiàn)場人員的經(jīng)驗和知識，以JSP2.0編程實現(xiàn)了Φ160重型數(shù)控鏜銑床故障診斷專家系統(tǒng)的開發(fā)。其主要模塊包括基于故障樹的規(guī)則推理故障診斷模塊，故障樹管理模塊，案例匹配診斷模塊，系統(tǒng)管理模塊等，圖6為針對帶輪傳動動平衡故障的診斷，并得出了相應(yīng)的解決方案。

5 結(jié)論

本文根據(jù)數(shù)控機床設(shè)備的特點和診斷中存在的問題，結(jié)合機床診斷資料和案例，探討了故障樹與案例推理融合診斷在專家系統(tǒng)故障診斷中的應(yīng)用。在建立了鏜銑床故障樹的基礎(chǔ)上，研究通過故障樹提取規(guī)則知識，同時根據(jù)故障診斷特征值存儲診斷案例，最后通過規(guī)則與案例混合推理實現(xiàn)了專家系統(tǒng)故障診斷，并且用JSP編程實現(xiàn)了相關(guān)的鏜銑床故障診斷專家系統(tǒng)的開發(fā)，結(jié)果顯示專家系統(tǒng)在數(shù)控機床診斷方面效果顯著，同時隨著其他人工智能技術(shù)的發(fā)展和融合，人工智能在故障診斷領(lǐng)域的發(fā)展前景廣闊，值得深入研究。

圖6 Φ160重型數(shù)控鏜銑床故障診斷系統(tǒng)

[1] KORBICZ J, KOSCIELNY J M, KOWALCZUK Z, et al. Fault diagnosis—models, artificial intelligence and applications[M]. Berlin: Springer, 2004.

[2] 汪木蘭, 陸紅偉, 嚴(yán)愛珍. 人工智能技術(shù)在數(shù)控系統(tǒng)中的應(yīng)用研究[J].組合機床與自動化加工技術(shù),2001(9),16-17.

[3] 姚鑫驊, 徐月同, 傅建中, 陳子辰. 基于粗糙集理論的數(shù)控機床智能故障診斷研究[J]. 浙江大學(xué)學(xué)報(工學(xué)版),2008: 42(10), 1719-1724.

[4] 宋剛, 胡德金. 基于Sugeno模糊模型的數(shù)控機床故障診斷法[J]. 上海交通大學(xué)學(xué)報, 2005, 39(1), 91-94.

[5] 朱曉春, 汪木蘭. 基于神經(jīng)網(wǎng)絡(luò)聯(lián)想記憶模型的數(shù)控機床故障診斷[J]. 中國機械工程, 2003, 14(15), 1275-1277.

[6] 唐宇, 劉宇, 劉傳菊. 基于案例推理和故障樹診斷的專家系統(tǒng)設(shè)計[J]. 廣西物理, 2008, 29(3), 25-27。

[7] 周東華, 葉銀忠. 現(xiàn)代故障診斷與容錯控制[M]. 北京: 清華大學(xué)出版社, 2000.

[8] 羅永順. 數(shù)控機床故障信號分析與特征提取 [D]. 中南大學(xué). 2007.

[9] 王文杰, 葉世偉. 人工智能原理與應(yīng)用[M]. 北京: 人民郵電出版社, 2004.

[10] Fenton W G, T M McGinnity T M, Maguire L P. Fault diagnosis of electronic systems using intelligent techniques a review[J]. IEEE Transactions on Systems,Man, and Cybernetics, Part C: Applications and Reviews,2001, 31(3), 269-281.

[11] Xu LD. Case-based reasoning a major paradigm of artificial intelligence [J]. IEEE Potencials, 1995, 13(5): 10-13.