1、人工智能在机器故障诊断中的运用方向

所谓机器故障诊断，便是通过机器运行中的干系信息来识别其技能状态是否正常，确定故障的性子与部位，探求故障起因，预报故障趋势，并提出相应对策；它以故障机理和技能检测为根本，以旗子暗记处理和模式识别为其基本理论与方法。
一样平常的机器系统故障诊断系统从物理上划分为机器丈量、监视与保护、数据采集、振动状态剖析、网络数据传输五个部分；从功能上，机器系统状态监测与故障诊断系统又可分成数据采集、状态监测、故障诊断三个部分。

随着当代工业设备和系统日益大型化和繁芜化，机器设备的可靠性、可用性、可维修性与安全性的问题日益突出，从而促进了人们对机器设备故障机理及诊断技能的研究。
并且随着打算机技能及数字旗子暗记处理技能的迅速发展，机器设备振动监测与故障诊断技能被广泛运用于电力、石油化工、冶金等行业的大型、高速旋转机器中。

目前这种技能己成为设备当代化管理和提高企业综合效益的技能根本。
国内外实践表明，以振动监测与故障诊断技能为根本的设备预知维修能节省大量的维修用度，取得显著的经济效益，而且还能担保设备的安全运行，预防和减少恶性事件的发生，肃清故障隐患，保障人身和设备安全，提高生产率。

传统的诊断方法和理论对单过程、单故障和渐发性故障的大略系统可以发挥较好的浸染，对付多过程、多故障和突发性故障以及繁芜弘大、高度自动化的大型设备和系统，例如汽轮发动机组等，就具有较大的局限性。
当前，范例的机电一体化产品——数控机床、互换伺服驱动装置等正在向数字化、小型化、高精度等方向发展，为监控带来新的寻衅，由于模糊神经网络掌握不依赖掌握工具和数学模型，具有较强的鲁棒性，是一种非线性的掌握方法，在办理此类问题中有很好的上风。

而专家系统紧张用于繁芜的机器系统，能够战胜基于模型的故障诊断方法对模型的过分依赖性。
而人工神经网络对付故障的模式识别具有独特的优点。
将人工智能的理论和方法运用于机器故障诊断，发展智能化的机器故障诊断技能，是机器故障诊断的一个新的路子。
智能化的机器故障诊断专家系统现已得到广泛的运用，成为机器故障诊断的一个主要方向。

2、人工智能在机器故障诊断中的运用方法

人工智能紧张研究用人工的方法和技能来模拟、延伸及扩展人的智能，从而实现机器智能。
运用机器故障诊断系统的AI技能传统上可以分为专家系统(ES)、人工神经网络(ANN)、模糊集理论(FST)三大类。

2.1 专家系统(Expert System. ES)

专家系统（Expert system，简称ES）是20世纪60年代初产生的一门实用学科，目前是人工智能技能中较生动、较成功的领域之一。
它是一个由知识库、推理机和人机接口等三个紧张部分组成的打算机软件系统，在知识表达方面，利用产生式规则进行知识表达，一方面得有益于现有人工智能措辞，另一方面，是它的表达合乎人的生理逻辑，便于进行知识获取，利于人们接管，利用框架进行知识表达得到了越来越多的运用。

在诊断推理方面，紧张表现在对推理逻辑和推理模型的研究，在人工智能领域，存在着许多推理逻辑，在专家系统中广泛利用模糊推理逻辑降落系统繁芜性，在机器系统故障诊断上能产生很好的效果。
其威力在于所拥有的专家知识和利用知识解题的推理机制。

由于建立在冯·诺伊曼打算机体系构造之上，专家系统在其发展过程中逐渐暴露出以下问题:知识获取的“瓶颈”、知识“窄台阶”、推理组合爆炸和无穷递归、智能水平低、系统层次少和在线实用性差等。

机器故障诊断专家系统的研究与开拓机器故障诊断专家系统的涌现与逐渐成熟是机器故障诊断领域最显著的造诣之一。
由于人类关于机器故障诊断与维修的科一学知识每每掉队于专家的实践和履历知识，从而为专家系统供应了广阔的运用前景。

2.2 人工神经网络(Artificial Neural Network. ANN)

人工神经网络简称神经网络，它是由大量大略的处理单元（称为神经元）广泛相互连接而形成的繁芜网络，是对生物神经系统的仿照，其信息处理功能是由网络的单元的输入输出特性（激活特性）、网络的拓扑构造（神经元的连接办法）所决定。
为了使系统具有良好的透明性，在神经网络的推理中引用了模糊规则，为人工神经网络建立良好的阐明机制供应了方便。

由于神经网络具有原则上容错、构造拓扑鲁棒、遐想、推测、影象、自适应、自学习、并行和处理繁芜模式的功能，使其在工程实际存在着大量的多故障、多过程、突发性故障、弘大繁芜机器和系统的监测及诊断中发挥着较大浸染。

系统故障有层次性、干系性、延时性和不愿定性，这就使得设备故障诊断问题变得十分繁芜和困难，利用单个子神经网络办理问题须要大量的故障样本、适于诊断多类故障的网络构造难以确定，纵然确定，也易陷入局部极小，自适应调度和偏差函数的改进、加速收敛；对初始随机权值在量级上进行限定，战胜了局部最小问题。

在机器故障诊断中的运用办法有：从模式识别角度运用神经网络作为分类器进行故障诊断；从预测角度运用神经网络作为动态预测模型进行故障预测；利用神经网络极强的非线性动态跟踪能力进行基于构造映射的故障诊断；从知识处理角度建立基于神经网络的诊断专家系统等。
目前，为提高神经网络在实用中的学习和诊断性能，紧张从神经网络模型本身改进和模块化模型诊断策略两方面开展研究；同时，与模糊逻辑的结合研究也是一个研究热点。

2.3 模糊集理论(Fuzzy Sets Theory. FST)

研究职员们一贯在努力探求科学地处理不完全性和不愿定性的有效路子,实践证明,1965年zadeh创立的模糊集理论是处理不愿定性的一种很好的方法。
人的认知天下包含大量的不愿定之时，这就须要对所获信息进行一定的模糊化处理，以减少问题的繁芜度。

模糊逻辑可认为是多值逻辑的扩展，能够完成传统数学方法难以做到的近似推理。
基于多类电量测试信息模糊领悟的仿照电路故障诊断方法已经提出。
基于k故障节点诊断法和最小标准差法的元件故障从属函数布局方法，以及基于可测点电压与不同测试频率下电路增益的模糊信息领悟诊断算法也已阐述。
分别利用此两类测试信息及k故障诊断法和最小标准差法,对电路进行初步诊断,再利用模糊变换及故障定位规则,得到领悟的故障诊断结果。
仿照实验结果表明,所提方法大大提高了机器系统故障定位的准确率。

3、人工智能在机器故障诊断中的发展趋势

人工智能中的四种紧张工具，即专家系统、人工神经网络、模糊集理论，各有优点和局限。

虽然ES在许多领域已有广泛运用，仍存在知识获取的“瓶颈”、知识难以掩护、运用面窄、诊断能力弱等问题。
然而，随着干系学科和技能的发展与渗透，专家系统的理论与方法也有了很大改进，上述问题逐渐有所缓解或肃清。
要看重与模糊逻辑、故障树、机器学习等方法相结合。

虽然ANN具有较强的自组织、自学习能力、鲁棒性高免去推理机的布局，且推理速率与规模大小无明显关系，很快引起人们的重视。
而且运用神经网络技能可以填补办理传统专家系统在运用中碰着的问题。
但在故障诊断中仍存在不少局限性，表现为：

（1）ANN外推时偏差较大，难以担保解的准确性和容错性能；

（2）系统构造发生变革，则有可能须要改变ANN的组成构造，或增加新的样本重新学习得到新知识；

（3）ANN难以实现基于构造化知识的逻辑推理；

（4）缺少阐明能力，诊断结果不易于运行职员理解。

其余，如何确保ANN演习时收敛的快速性和避免陷入局部最小，也是每一个基于ANN的诊断系统必须面对的问题。
FST的加入，使各相应智能诊断系统在机器系统故障诊断在剖析不愿定性成分问题上事理更成熟，技能更完善，容错性等性能得到相应提高。
但仍存在可掩护性问题，对不愿定性成分的处理只能是有限度的改进。

目前，短缺一种普遍有效的方法运用于机器系统的各个领域。
稠浊智能，即综合多种智能技能，成为AI的主要发展方向之一。
将多种不同的智能技能结合起来用以设计、掌握、监测机器系统成为新的发展趋势。
结合的办法紧张有基于规则的专家系统与神经网络相结合，CBR与基于规则系统和神经网络的结合，模糊逻辑、神经网络与专家系统的结合等。
个中模糊逻辑、神经网络与专家系统结合的诊断模型是最具发展前景的，也是目前人工智能领域的研究热点之一。

例如：模糊逻辑与神经网络的组合机理、组合后的算法、便于神经网络处理的模糊知识的表达办法等。
稠浊智能在机器系统故障诊断中的运用中有如下发展趋势：由基于规则的系统到稠浊模型的系统，由领域专家供应知识到机器学习、由非实时诊断到实时诊断、由单一推理掌握到稠浊推理掌握策略等。

4、人工智能在机器故障诊断中的运用实例

智能技能在机器故障诊断领域已经有了许多成功的运用。

Radial公司于1987年开拓的汽轮发电机组振动诊断专家系统（turbomac），在建立逻辑规则的根本上，设有表征振动过程各种身分与其可能故障源之间关系的概率数据，其搜集知识的了系统具有人一机对话形式。
该系统含有900条知识规则，有很大的库容。

美国boyce国际工程公司（royce engineering international，简称:bei）开拓的基于专家系统的状态监测与诊断系统datm4 (diagnostic analysis of turbo-machinery)具有多种参数的趋势剖析和预报功能。
该系统在1981至1990年景长到统共近1万多条规则的人工智能诊断规则库，个中包括:汽轮机3000多条，发电机近3600条，机器（包括辅机）近3200条。

美国西屋电气公司和卡内基一梅隆大学互助研制的汽轮发电机在线诊断专家系统aid于1984年在得克萨斯州达拉斯附近的发电厂投入利用，对三个电厂共七台大型发电机(个中645mw容量的机组四台，835mw容量的机组三台)进行在线监测和诊断。
其他已广泛投入利用的范例的状态监测与诊断系统包括:美国本特利公司的dm2000系统；

日本二菱重工的mhms系统、日立公司在1982年开拓的汽轮机寿命诊断装置hidic-08e;美国scientific atlanta公司的m6000、m8000系统；美国entek-ird公司推出的entrx系统；法国电力部门(ede)开拓的专家系统psad及其di-va子系统等。
其余，瑞士abb公司、德国西门子公司、丹麦b&k公司等都开拓出了各自的诊断系统。
海内方面，80年代初开始引入人工智能，刘占生等人在轴心轨迹特色提取中采取一种新的平面图形加权编码法，提高了图形辨识的准确率，从而减少了轴心轨迹神经网络识别系统的输入变元数，使演习后的神经网络的遐想能力得到较大提高，也加快了网络的演习速率及稳定性，提高了故障诊断专家系统的自动诊断水平。

虽然干系的运用实例还有很多，但它们中许多仍处于实验室或小范围运用状态，限于本钱、技能等问题，不能得到遍及运用，这将成为智能技能在机器故障诊断领域运用的“瓶颈”。

5、结束语

伴随打算机网络尤其是Internet的发展，加上多媒体技能、生物打算技能、分布式人工智能和知识创造等打算机技能的兴起，使得人工智能更有效的运用于机器故障诊断及其它领域。
面对日益激烈的机器行业的竞争，研发基于专家系统、神经网络、模糊逻辑等的稠浊智能设计、掌握、监测、诊断系统将成为一大研究热点。
虽然智能技能已运用于机器故障诊断的各个方面，如何将现有的前辈故障诊断设备和技能进一步推广运用、如何实现低本钱、高精度、高效率的诊断系统则成为亟待办理的问题。