鄭文青 山東科技大學(xué)

隨著工業(yè)4.0時(shí)代的到來(lái)，設(shè)備自動(dòng)化水平程度越來(lái)越高。在設(shè)備給人們的生產(chǎn)生活帶來(lái)極大便利的同時(shí)，設(shè)備出現(xiàn)故障造成的經(jīng)濟(jì)損失也越來(lái)越大。設(shè)備故障是設(shè)備運(yùn)行過(guò)程中不可避免的行為，如何事先發(fā)現(xiàn)設(shè)備運(yùn)行中的問(wèn)題，提前對(duì)其進(jìn)行修復(fù)，保證其安全生產(chǎn)與運(yùn)行，這是長(zhǎng)期困擾設(shè)備管理人員的問(wèn)題。在早期的故障診斷過(guò)程中，設(shè)備故障處理更多的是憑借著使用者的經(jīng)驗(yàn)判斷和維修人員已有的一些常規(guī)處理方式解決，缺乏一定的系統(tǒng)性與安全性，并不能真正意義上排除設(shè)備對(duì)相關(guān)人員生命安全財(cái)產(chǎn)的隱患。與此同時(shí)，設(shè)備故障處理效果不夠穩(wěn)定，一個(gè)故障的處理甚至?xí)l(fā)新的故障，給用戶帶來(lái)更大的麻煩與損失。

故障診斷作為一門(mén)專(zhuān)門(mén)的科學(xué)，在歷經(jīng)數(shù)十年的發(fā)展過(guò)程中，初步形成了自身的一套研究體系?，F(xiàn)階段故障處理往往有兩大類(lèi)型，一個(gè)是基于非模型的故障處理模式，另一個(gè)是基于系統(tǒng)數(shù)學(xué)模型的故障處理。這兩大故障處理類(lèi)型極大的促進(jìn)了故障診斷理論的進(jìn)步與發(fā)展，由于故障的出現(xiàn)往往具有突發(fā)性和非線性等特點(diǎn)，這使得其處理判斷規(guī)則較為模糊，人工解決較為困難。為此，基于人工智能的系統(tǒng)成為了識(shí)別故障、故障診斷、處理故障的良好選擇。通過(guò)人工智能神經(jīng)網(wǎng)絡(luò)，構(gòu)成具有適應(yīng)性的單院互聯(lián)網(wǎng)絡(luò)系統(tǒng)，模擬生物神經(jīng)系統(tǒng)對(duì)于現(xiàn)實(shí)世界做出的反映，有效的識(shí)別診斷問(wèn)題。因此，基于神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)研究，其本身具有一定的理論和實(shí)踐意義。

1 現(xiàn)階段故障診斷中存在的問(wèn)題

故障診斷最早起源于設(shè)備維修檢驗(yàn)過(guò)程中，最初是通過(guò)原始的經(jīng)驗(yàn)分析判斷，后來(lái)隨著技術(shù)于方法的進(jìn)步，故障診斷逐漸強(qiáng)調(diào)通過(guò)監(jiān)測(cè)設(shè)備了解設(shè)備運(yùn)行的狀態(tài)參數(shù)，以前發(fā)現(xiàn)設(shè)備可能存在的一些異常狀況，了解設(shè)備故障的原因，幫助使用者了解預(yù)測(cè)設(shè)備未來(lái)的運(yùn)行狀態(tài)?，F(xiàn)階段我國(guó)設(shè)備診斷技術(shù)雖然取得了較快的發(fā)展，但是許多設(shè)備診斷技術(shù)于方法還有待提升的空間。隨著計(jì)算機(jī)技術(shù)與互聯(lián)網(wǎng)信息的迅猛發(fā)展，設(shè)備診斷也逐步進(jìn)入了智能化階段，其在工業(yè)生產(chǎn)中地位也越來(lái)越重要?，F(xiàn)階段故障診斷中遇到的常見(jiàn)的難題：第一，故障定位問(wèn)題。故障發(fā)生后，如何快速的定位故障、找出故障、排除故障，這是困惱故障處理人員的重大難題。第二，故障信息提取問(wèn)題。由于不同環(huán)節(jié)故障的信息處理沒(méi)有一套統(tǒng)一的標(biāo)準(zhǔn)，不同的環(huán)節(jié)處理與信息翻譯，給故障的排除與維護(hù)帶來(lái)了困難。第三，適應(yīng)問(wèn)題。故障排除與零件替換后，往往存在著一個(gè)磨合與環(huán)境適應(yīng)問(wèn)題。如何縮短磨合時(shí)間，自動(dòng)適應(yīng)設(shè)備運(yùn)行環(huán)境，這也是故障處理不可避免的難題。

2 神經(jīng)網(wǎng)絡(luò)故障診斷優(yōu)點(diǎn)

人工神經(jīng)網(wǎng)絡(luò)憑借著其獨(dú)特的優(yōu)點(diǎn)迅速發(fā)展，一方面神經(jīng)網(wǎng)絡(luò)具有可逼近任意連續(xù)有界非線性函數(shù)的能力，這種能力使得其有助于幫助故障系統(tǒng)建立非數(shù)學(xué)模型，實(shí)現(xiàn)故障診斷的跨越式發(fā)展；另一方面，神經(jīng)網(wǎng)絡(luò)具有令人驚訝的數(shù)據(jù)分類(lèi)能力，能夠幫助設(shè)備進(jìn)行故障模式分類(lèi)與學(xué)習(xí)，從而診斷出故障。因此，神經(jīng)網(wǎng)絡(luò)憑借其物理模型方法和數(shù)學(xué)模型方法的結(jié)合，實(shí)現(xiàn)兩者的互補(bǔ)協(xié)作，發(fā)揮兩者長(zhǎng)處，從而使得故障診斷的范圍更寬，準(zhǔn)確性更高，效果也將更加明顯。

3 神經(jīng)網(wǎng)絡(luò)用于故障診斷的可行性與前景展望

神經(jīng)網(wǎng)絡(luò)診斷與傳統(tǒng)的故障診斷方法相比，實(shí)現(xiàn)了內(nèi)部知識(shí)表達(dá)方式的統(tǒng)一。在神經(jīng)網(wǎng)絡(luò)診斷中，知識(shí)規(guī)則可以利用范例的學(xué)習(xí)，將信息存儲(chǔ)于同一個(gè)神經(jīng)網(wǎng)絡(luò)連接權(quán)重重，使得知識(shí)庫(kù)的通用性更加，管理更加方便于規(guī)范。與此同時(shí)，大量的知識(shí)存儲(chǔ)于一個(gè)相對(duì)小的多的神經(jīng)網(wǎng)絡(luò)中，有助于故障診斷速度的改善與提升。與此同時(shí)，基于神經(jīng)網(wǎng)絡(luò)的故障診斷，能夠利用神經(jīng)網(wǎng)絡(luò)數(shù)據(jù)庫(kù)，實(shí)現(xiàn)知識(shí)的自動(dòng)獲取，來(lái)適應(yīng)環(huán)境的變化。傳統(tǒng)故障診斷中的“匹配沖突”“組合爆炸”“無(wú)窮遞歸”等問(wèn)題，可以借用這一載體得到有效解決，實(shí)現(xiàn)推理速度的提升與進(jìn)步。最后，基于神經(jīng)網(wǎng)絡(luò)的故障診斷系統(tǒng)，其本身具有聯(lián)想、記憶和類(lèi)比的形象思維能力，克服了以往系統(tǒng)中的“知識(shí)窄臺(tái)階”問(wèn)題。即使是未接觸過(guò)的學(xué)習(xí)知識(shí)外的范圍，也不會(huì)對(duì)其造成困惱，因?yàn)樯窠?jīng)網(wǎng)絡(luò)將知識(shí)表示、存儲(chǔ)與推理進(jìn)行融合，幫助其實(shí)現(xiàn)真正意義上知識(shí)遷徙與拓展。因此，從未來(lái)的發(fā)展前景看，基于神經(jīng)網(wǎng)絡(luò)的故障診斷在以下方面具有獨(dú)特的發(fā)展前景：

3.1 知識(shí)存儲(chǔ)

與以往傳統(tǒng)的故障診斷相比，訓(xùn)練過(guò)的神經(jīng)網(wǎng)絡(luò)能夠有效的改善故障診斷的知識(shí)存儲(chǔ)模式。通過(guò)引用神經(jīng)網(wǎng)絡(luò)，能夠?qū)⒃\斷過(guò)程中需要存儲(chǔ)的相關(guān)過(guò)程性的知識(shí)，直接進(jìn)行定量的、歷史的學(xué)習(xí)。這與之前的零散性、分散化的故障診斷存儲(chǔ)模式相比，具有明顯的優(yōu)勢(shì)。基于神經(jīng)網(wǎng)絡(luò)的故障診斷，能夠根據(jù)對(duì)象的正常歷史數(shù)據(jù)訓(xùn)練，將信息與測(cè)量數(shù)據(jù)對(duì)比，進(jìn)行對(duì)比分析，確定故障，解決故障。

3.2 信息處理

在今后的故障診斷系統(tǒng)中，人工神經(jīng)網(wǎng)絡(luò)將在信息處理方面大大改善故障處理能力。由于人工神經(jīng)網(wǎng)絡(luò)具有獨(dú)特的濾除噪聲能力，使得其能夠在噪音干擾的情況下，排除噪聲狀況，準(zhǔn)確定位，得出正確的故障結(jié)論。神經(jīng)網(wǎng)絡(luò)特殊的噪聲信息處理能力，可以使得其在噪聲環(huán)境中，依然規(guī)范有效地工作，提升人工神經(jīng)網(wǎng)絡(luò)在線故障檢測(cè)與診斷的技巧與能力，幫助故障診斷處理者克服傳統(tǒng)故障診斷與處理的弊端。

3.3 分辨識(shí)別

基于神經(jīng)網(wǎng)絡(luò)的故障診斷，能夠有效改善傳統(tǒng)故障診斷中故障識(shí)別與診斷的效率，提高故障定位與診斷的能力，分辨故障問(wèn)題產(chǎn)生的原因，辨析不同的故障類(lèi)型，大大提升故障處理效率與能力。事實(shí)上，面向設(shè)備故障診斷的神經(jīng)網(wǎng)絡(luò)子系統(tǒng)，其本身具有復(fù)雜的網(wǎng)絡(luò)設(shè)計(jì)，能夠以最快的速度，幫助設(shè)備故障處理者自動(dòng)分辨故障。同時(shí)，神經(jīng)網(wǎng)絡(luò)也能夠利用其下屬成千上萬(wàn)的子系統(tǒng)，詳細(xì)發(fā)揮子系統(tǒng)的功能與特點(diǎn)，使得子系統(tǒng)整合組合成新的框架模式，實(shí)現(xiàn)智能診斷的預(yù)期效果。

將神經(jīng)網(wǎng)絡(luò)應(yīng)用于故障診斷，這是故障診斷的進(jìn)步與趨勢(shì)。從目前的發(fā)展現(xiàn)狀看，人工神經(jīng)網(wǎng)絡(luò)對(duì)于故障診斷的精確性、多樣性、結(jié)構(gòu)性與全面性依舊還處于初級(jí)階段。在以后的發(fā)展過(guò)程中，診斷理論與神經(jīng)網(wǎng)絡(luò)將得到更好的結(jié)合，信號(hào)處理與神經(jīng)網(wǎng)絡(luò)契合度將會(huì)進(jìn)一步提升，網(wǎng)絡(luò)結(jié)構(gòu)的改進(jìn)，設(shè)備故障診斷的微型化，將得到進(jìn)一步的改進(jìn)與提升。由于主客觀條件的限制，本文對(duì)于故障診斷的方法與理論研究還不夠深入，對(duì)于神經(jīng)網(wǎng)絡(luò)的探討還不夠成熟與全面，但隨著技術(shù)與經(jīng)驗(yàn)的進(jìn)步與積累，基于神經(jīng)網(wǎng)絡(luò)的故障診斷必將得到更好的發(fā)展，相信神經(jīng)網(wǎng)絡(luò)在故障診斷中將發(fā)揮越來(lái)越重要的作用，幫助兩者實(shí)現(xiàn)更好的銜接與進(jìn)步。