淺析高速公路機(jī)電系統(tǒng)故障智能診斷的幾種方法

1、淺析高速公路機(jī)電系統(tǒng)故障智能診斷的幾種方法摘要:高速公路機(jī)電系統(tǒng)的運(yùn)行和維護(hù)是當(dāng)前高速公路管理中的一個重要課題，通過對智能故障技術(shù)的研究和當(dāng)前機(jī)電系統(tǒng)故障處理的分析，提出一種適用于高速公路機(jī)電系統(tǒng)故障的智能診斷系統(tǒng)。關(guān)鍵詞:高速公路機(jī)電系統(tǒng)智能故障診斷故障樹專家系統(tǒng)隨著高速公路機(jī)電工程建設(shè)的迅速發(fā)展，規(guī)模不斷擴(kuò)大，如何做好機(jī)電系統(tǒng)的運(yùn)行管理和維護(hù)成為人們關(guān)注的焦點。高速公路機(jī)電設(shè)備有著不間斷運(yùn)行、工作負(fù)荷大、工作環(huán)境惡劣等特點，在日常維護(hù)工作中會碰到很多棘手的故障，所以只有查明原因及時排除故障，才能保障設(shè)備正常運(yùn)行。目前，智能故障診斷技術(shù)已成為一個十分活躍的研究領(lǐng)域。近幾十年來，國內(nèi)外故障診斷

2、技術(shù)得到了廣泛的研究與發(fā)展提出了眾多可行的方法。本文通過對幾種主要智能診斷技術(shù)的介紹結(jié)合現(xiàn)有高速公路機(jī)電系統(tǒng)的特點，提出相應(yīng)的診斷策略。1基于專家系統(tǒng)的方法專家系統(tǒng)故障診斷方法，主要用于那些沒有精確數(shù)學(xué)模型或很難建立數(shù)學(xué)模型的復(fù)雜系統(tǒng)。其診斷過程是當(dāng)計算機(jī)接收到故障信息后綜合運(yùn)用各種規(guī)則（專家經(jīng)驗）,進(jìn)行一系列的推理，快速找到最終故障或最有可能的故障。故障診斷專家系統(tǒng)是診斷領(lǐng)域引人注目的發(fā)展方向之一，也是研究最多、應(yīng)用最廣的一類智能故障診斷技術(shù)。這種方法不依賴于系統(tǒng)的數(shù)學(xué)模型，而是根據(jù)人們長期的實踐經(jīng)驗和大量的故障信息知識設(shè)計出的一套智能計算機(jī)程序，以此來解決復(fù)雜系統(tǒng)的故障診斷問題。對于復(fù)雜系

3、統(tǒng)的故障診斷，這種基于專家系統(tǒng)的故障診斷方法尤其有效。專家系統(tǒng)主要具有以下特點：具有豐富的經(jīng)驗和高水平的技術(shù)及專家水平的專門知識；能夠進(jìn)行符號操作；能夠根據(jù)不確定的知識進(jìn)行推理;具有自我知識；知識庫和推理機(jī)明顯分離，這種設(shè)計方法使系統(tǒng)易于擴(kuò)充；具有獲取知識的能力；具有靈活性、透明性及交互性；具有一定的復(fù)雜性和難度。但由于客觀現(xiàn)實的復(fù)雜多樣性，使得專家的領(lǐng)域知識，有時很難提煉到規(guī)則這一地步，這使專家系統(tǒng)的發(fā)展受到了一定的限制。2故障樹故障診斷方法故障樹分析法（FaultTreeAnalysis簡稱FTA,是系統(tǒng)安全分析中廣泛應(yīng)用的一種方法，它采用邏輯方法，形象地進(jìn)行故障分析工作，體現(xiàn)了以系統(tǒng)工程

4、方法研究安全問題的系統(tǒng)性、準(zhǔn)確性和預(yù)測性。由美國貝爾電話實驗室的H.A.Walson首先提出，它是一種系統(tǒng)可靠性分析方法。利用故障樹分析法不僅可以尋找潛在故障或進(jìn)行故障診斷：而且可以進(jìn)一步預(yù)測系統(tǒng)故障發(fā)生的概率。故障樹分析法是一種由果到因、自上而下的邏輯分析方法，其過程可概括為：從結(jié)果（即某一故障事件）開始，找出導(dǎo)致該事件發(fā)生的直接因素。然后對諸因素分別尋找其各自的直接原因，重復(fù)執(zhí)行該過程，直至把形成設(shè)備故障的基本事件分析出來為止。依照此方法分析系統(tǒng)發(fā)生故障的各種途徑和可靠性特征量,然后對各基本事件賦予先驗概率值，就可以應(yīng)用故障樹模型進(jìn)行可靠性分析以及診斷決策。故障樹由3種符號構(gòu)成：事件符號、

5、邏輯門符號、轉(zhuǎn)移符號。事件符號用于表示各種頂事件、中間事件和底事件;邏輯門符號用于表示各事件之間的邏輯關(guān)系；轉(zhuǎn)移符號則主要是為使圖形簡明、避免重復(fù)繪圖而設(shè)置的符號。3基于模糊推理的方法模糊邏輯的引入主要是為了克服由于過程本身的不確定性、不精確性以及噪聲等所帶來的困難，因而在處理復(fù)雜系統(tǒng)的大時滯、時變及非線性方面，顯示出它的優(yōu)越性。在模糊理論中引入了部分真”，咅“分假”的概念，這是與傳統(tǒng)的要么真（1）要么假（0）的認(rèn)識最大的區(qū)別與進(jìn)步。在模糊集理論中，對模糊集定義了一系列的操作，這與傳統(tǒng)集合的操作是相似的。模糊推理是利用模糊推理規(guī)則對有條件的和無條件的模糊命題或規(guī)則進(jìn)行操作。故障檢測時，特征信號

6、有時是連續(xù)變化的，這種變化易導(dǎo)致測量誤差和噪聲，因此，很難定義可靠的測量閾值。模糊邏輯通過使用部分重疊的語言變量給這個問題提供了很好的解決方法。故障診斷時，由于測量到的特征信號值不完全精確，因此，該過程的診斷也只是近似的?；谀：?guī)則的模糊推理系統(tǒng)對該問題提供了一種解決方法。4基于神經(jīng)網(wǎng)絡(luò)的方法人工神經(jīng)網(wǎng)絡(luò)(ArtificialNeuralNetwork,ANN)是由大量神經(jīng)元廣泛互連而成的復(fù)雜網(wǎng)絡(luò)系統(tǒng)。ANN是對人類大腦神經(jīng)細(xì)胞結(jié)構(gòu)和功能的模仿，具有與人腦類似的記憶、學(xué)習(xí)、聯(lián)想等能力。在ANN中,信息處理是通過神經(jīng)元之間的相互作用來實現(xiàn)的，知識與信息的存儲表現(xiàn)為分布式網(wǎng)絡(luò)元件之間的關(guān)聯(lián)，網(wǎng)絡(luò)

7、的學(xué)習(xí)和識別取決于各神經(jīng)元連接權(quán)值的動態(tài)演化過程。ANN是大規(guī)模并行結(jié)構(gòu)，信息可以分存儲，并且具有良好的自適應(yīng)性、自組織性和容錯性，因此,ANN在故障診斷領(lǐng)域已經(jīng)得到廣泛的應(yīng)用。隨著神經(jīng)網(wǎng)絡(luò)理論的發(fā)展，到目前為止也形成了許多種神經(jīng)網(wǎng)絡(luò)系統(tǒng)與算法，例如多層感知器網(wǎng)絡(luò)中經(jīng)典的BP網(wǎng)及算法徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)中RBF網(wǎng)及其算法，Hopfield網(wǎng)及其算法，自組織特征映射中SOFM結(jié)構(gòu)及其算法等。5基于案例的推理方法基于案例推理(Case-basedReasoning簡稱CBR)是近年來人工智能領(lǐng)域中興起的一項重要的推理技術(shù)。它通過訪問案例庫中的同類案例（源案例）的求解，從而獲得當(dāng)前問題（目標(biāo)案例）的解

8、決方法。CBR的基本過程是：當(dāng)遇到一個新的問題時，系統(tǒng)根據(jù)關(guān)鍵的特征在原始的案例庫中進(jìn)行檢索，找出一個與待求問題最相近的候選案例，重用此候選案例的解決方法。如果對此候選案例的解決方法不滿意，可以對它進(jìn)行修改以適應(yīng)待求問題，最后把修改過的案例作為一個新的案例保存在庫中，以便下次遇到類似的問題時作為參考。CBR以案例作為知識元，知識獲取和表示自然直接，并且具有自學(xué)習(xí)功能?；诎咐评砟芡ㄟ^修改相似問題的成功結(jié)果來求解新問題。它將獲取新知識作為案例來進(jìn)行學(xué)習(xí)，不需要詳細(xì)的應(yīng)用領(lǐng)域模型。CBR的主要技術(shù)包括案例表達(dá)和索引、案例檢索、案例修訂和案例學(xué)習(xí)等。總之,故障診斷是一門實用性很強(qiáng)的技術(shù)，因此只有在實際應(yīng)用中才能體現(xiàn)它的價值。目前在理論研究方面雖有不少進(jìn)展，但真正在工程實踐中成功應(yīng)用的實例還較少，因此，如何將先進(jìn)的故障診斷理論與方法應(yīng)用到實際中去還有待深入的研究。故障定位與處理是一門科學(xué)它對維護(hù)人員是的知識水平要求很高，維護(hù)人員不僅要了解系統(tǒng)的工作原理，而且要具有一定處理故障的思維方法，只有在工程中不斷積累經(jīng)驗,維護(hù)人員經(jīng)常交流故障處理方法，才能不斷提高維護(hù)水平，保障高速公路快速、安全、高效運(yùn)營?；诠收蠘涞膶＜蚁到y(tǒng)建立為故障的快速查找定位和處理提供一個有效的平臺，有助于高