莊如平

摘要：近幾十年來(lái)人工智能技術(shù)的迅速發(fā)展，特別是專(zhuān)家系統(tǒng)、人工神經(jīng)網(wǎng)絡(luò)和模糊理論在診斷領(lǐng)域中的進(jìn)一步應(yīng)用，為智能診斷開(kāi)辟了新的途徑。隨著人們對(duì)故障診斷技術(shù)的不斷深入研究，認(rèn)識(shí)到對(duì)于復(fù)雜系統(tǒng)的故障診斷僅僅依靠單一智能技術(shù)很難獲得令人滿(mǎn)意的效果。因此，多種不同的智能技術(shù)結(jié)合起來(lái)的混合診斷系統(tǒng)是智能故障診斷研究的一個(gè)發(fā)展趨勢(shì)。

關(guān)鍵詞：智能故障診斷；專(zhuān)家系統(tǒng)；解釋器；神經(jīng)網(wǎng)絡(luò)

中圖分類(lèi)號(hào)：TP311文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1009-3044(2008)18-2pppp-0c

Reasearch on Intelligent Fault Diagnosis System of Electonic Equpiment

ZHUANG Ru-ping

(Zhangzhou City Vocational College,Zhangzhou 363000,China)

Abstract: As artificial intelligence technology's rapid development in recent years, especially the

application of Expert System, Artificial Neural Network and Fuzzy Theory, all of these provide a new approach in the development of intelligent faultdiagnosis system. With the in-depth research into fault diagnosis, we have found that single intelligent diagnosis technology can't guarantee satisfactoryresults on complicated electronic equipments. So the idea of integration of several intelligent technologies to form a hybrid fault diagnosis system isintroduced.

key words:intellignet fault diagosis;expert system;complier;neutral network

在電子設(shè)備中，尤其是在以集成電路為核心的現(xiàn)代微電子電路中，由于設(shè)備的規(guī)模越來(lái)越大，性能及構(gòu)成也更加復(fù)雜和完善，設(shè)備中任何一個(gè)元器件的故障都可能導(dǎo)致部分功能失效甚至整個(gè)設(shè)備失靈。所以伴隨著電子技術(shù)的發(fā)展，電子電路集成化程度日益提高，對(duì)電子電路的可靠性、可維修性和自動(dòng)故障診斷的要求也日益迫切：

1 電子設(shè)備故障定義及其分類(lèi)：

所謂電子設(shè)備故障指的是設(shè)備喪失了規(guī)定功能，使系統(tǒng)表現(xiàn)出所不期望的特性。故障可以按不同的原則進(jìn)行分類(lèi)。對(duì)于電子電路來(lái)說(shuō)，按故障的程度可以分成軟故障和硬故障[5]。軟故障又稱(chēng)為漸變故障或部分故障，指元件參數(shù)超出容差范圍而造成的故障。這時(shí)元件功能通常并沒(méi)有完全喪失，而僅引起功能的變化。例如一個(gè) 5.6(1±5％)的電阻，其實(shí)阻值為 6.1；一個(gè)漏電流不允許超過(guò) 10 uA 的 6 uF/12 V 的電解電容器，其實(shí)測(cè)漏電流為 150 uA，則可以認(rèn)為是軟故障，因?yàn)樗鼈儾](méi)有導(dǎo)致電路功能的完全喪失。當(dāng)然，軟故障有時(shí)是可以容忍的，有時(shí)則是不許可的，特別是處于電路關(guān)鍵之處的元件。對(duì)軟故障，通常除了要判定故障元件之外，還應(yīng)計(jì)算元件參數(shù)對(duì)標(biāo)稱(chēng)值的偏離量。硬故障又稱(chēng)為突變故障或完全故障，例如一個(gè)電阻阻值變得特別高以至開(kāi)路；一個(gè)二極管陽(yáng)極與陰極短路等。這樣的故障往往引起電路功能的完全喪失、直流電平的劇烈變化等現(xiàn)象。對(duì)這種故障，通常只要判定故障位置即可。

按故障存在的時(shí)間又可分為永久性和間歇性故障。永久性故障是指一旦出現(xiàn)就長(zhǎng)期存在的故障，在任何時(shí)刻進(jìn)行檢測(cè)均可檢測(cè)到；間歇性故障是指在某種特定條件下出現(xiàn)的隨機(jī)性的、存在時(shí)間短暫的故障。由于難以把握其出現(xiàn)的規(guī)律與時(shí)機(jī)，這種故障不易檢測(cè)。

按同時(shí)出現(xiàn)故障的數(shù)量又可分為單故障和多故障。若某一時(shí)刻僅有一個(gè)故障，稱(chēng)為單故障；若同時(shí)可能發(fā)生若干個(gè)故障，則稱(chēng)為多故障。通常診斷多故障比診斷單故障更為困難。

故障診斷技術(shù)主要包括四個(gè)方面的內(nèi)容：故障檢測(cè)、故障診斷、故障隔離、故障辨識(shí)。從本質(zhì)上講，故障診斷技術(shù)是一個(gè)模式分類(lèi)與識(shí)別的問(wèn)題，即把系統(tǒng)的運(yùn)行狀態(tài)分為正常和異常兩類(lèi)，判別異常的信號(hào)樣本究竟屬于哪種故障，這又屬于一個(gè)模式識(shí)別問(wèn)題。現(xiàn)有的故障診斷方法，概括起來(lái)可分為三大類(lèi):：

(1)基于信號(hào)處理的方法 所謂基于信號(hào)處理的方法，通常是利用信號(hào)模型，如相關(guān)函數(shù)、頻譜、自回歸滑動(dòng)平均、小波變換等，直接分析可測(cè)信號(hào)，提取諸如方差、幅值、頻率等特征值，從而檢測(cè)出故障。如旋轉(zhuǎn)機(jī)械中的滾動(dòng)軸承在出現(xiàn)疲勞脫落、壓痕或局部腐蝕等故障時(shí)，其振動(dòng)信號(hào)就會(huì)出現(xiàn)相應(yīng)的反應(yīng)，利用這種反應(yīng)就可診斷系統(tǒng)故障。近年來(lái)出現(xiàn)的基于信號(hào)處理的方法主要有小波變換方法、主元分析、利用δ 算子和利用 Kullback 信息準(zhǔn)則的故障檢測(cè)法。

(2)基于解析模型的方法 基于解析模型的方法是在明了診斷對(duì)象數(shù)學(xué)模型的基礎(chǔ)上，按一定的數(shù)學(xué)方法對(duì)被測(cè)信息進(jìn)行診斷處理，可分為狀態(tài)估計(jì)法和參數(shù)估計(jì)法。

(3)基于知識(shí)的故障診斷方法 近年來(lái)人工智能及計(jì)算機(jī)技術(shù)的飛速發(fā)展，為故障診斷技術(shù)提供了新的理論基礎(chǔ)，產(chǎn)生了基于知識(shí)的診斷方法。此方法由于不需要對(duì)象的精確數(shù)學(xué)模型，而且具有“智能”的特性，因此是一種很有生命力的方法。

2 專(zhuān)家系統(tǒng)和智能故障診斷：

2.1 專(zhuān)家系統(tǒng)簡(jiǎn)介：

專(zhuān)家系統(tǒng)(Expert System)通常是指一類(lèi)具有大量專(zhuān)門(mén)知識(shí)的計(jì)算機(jī)智能信息系統(tǒng)(或智能程序)，它運(yùn)用特定領(lǐng)域的專(zhuān)門(mén)知識(shí)和人工智能中的推理技術(shù)來(lái)求解和模擬通常要由人類(lèi)專(zhuān)家才能解決的各種復(fù)雜、具體的問(wèn)題，達(dá)到與專(zhuān)家具有同等解決問(wèn)題的能力，它可使專(zhuān)家的專(zhuān)長(zhǎng)不受時(shí)間和空間的限制，以發(fā)揮專(zhuān)家更大的作用和效益。專(zhuān)家系統(tǒng)是研究中最重要也是最活躍的一個(gè)應(yīng)用領(lǐng)域。表1是一些電子學(xué)專(zhuān)家系統(tǒng)。

表1 電子學(xué)專(zhuān)家系統(tǒng)

2.2 專(zhuān)家系統(tǒng)的組成部分：

圖1描述了一個(gè)基于知識(shí)庫(kù)的專(zhuān)家系統(tǒng)的基本結(jié)構(gòu)。用戶(hù)提供事實(shí)和一些其他信息給專(zhuān)家系統(tǒng)，相應(yīng)地收到專(zhuān)家給出的建議。專(zhuān)家系統(tǒng)內(nèi)部包括兩個(gè)主要部分：知識(shí)庫(kù)和推理機(jī)。知識(shí)庫(kù)包含有為推理機(jī)(Inference Engine)所使用的知識(shí)，利用這些知識(shí)可以得出推理結(jié)論，從而對(duì)用戶(hù)的詢(xún)問(wèn)做出響應(yīng)。

圖1 專(zhuān)家系統(tǒng)基本結(jié)構(gòu)

下面把專(zhuān)家系統(tǒng)的主要組成部分歸納如下：

(1)知識(shí)庫(kù)(knowledge base) 知識(shí)庫(kù)用于存儲(chǔ)某領(lǐng)域?qū)＜蚁到y(tǒng)的專(zhuān)門(mén)知識(shí)，包括事實(shí)、可行操作與規(guī)則等。為了建立知識(shí)庫(kù)，要解決知識(shí)獲取和知識(shí)表示問(wèn)題。知識(shí)獲取涉及知識(shí)工程師(knowledge engineer)如何從專(zhuān)家那里獲得專(zhuān)門(mén)知識(shí)的問(wèn)題；知識(shí)表示則要解決如何用計(jì)算機(jī)能夠理解的形式表達(dá)和存儲(chǔ)知識(shí)的問(wèn)題。例如，它可能包含醫(yī)生所提供的用來(lái)診斷血液疾病的知識(shí)、投資顧問(wèn)所提供的部門(mén)規(guī)劃知識(shí)或者石油工程師所提供的用來(lái)解釋地球物理調(diào)查數(shù)據(jù)的知識(shí)。

(2)綜合數(shù)據(jù)庫(kù)(global database) 綜合數(shù)據(jù)庫(kù)又稱(chēng)全局?jǐn)?shù)據(jù)庫(kù)或總數(shù)據(jù)庫(kù)，它用于存儲(chǔ)領(lǐng)域問(wèn)題的初始數(shù)據(jù)和推理過(guò)程中得到的中間數(shù)據(jù)(信息)。

(3)推理機(jī)(reasoning machine) 推理機(jī)用于記憶所采用的規(guī)則和控制策略，使整個(gè)專(zhuān)家系統(tǒng)能夠以邏輯方式協(xié)調(diào)地工作。推理機(jī)能夠根據(jù)知識(shí)進(jìn)行推理和導(dǎo)出結(jié)論，而不是簡(jiǎn)單地搜索現(xiàn)成的答案。

(4)解釋器(interpreter) 解釋器能夠向用戶(hù)解釋專(zhuān)家系統(tǒng)的行為，包括解釋推理結(jié)論的正確性以及系統(tǒng)輸出其他候選解的原因。

(5)接口(interface) 接口又稱(chēng)界面，它能夠使系統(tǒng)與用戶(hù)進(jìn)行對(duì)話，使用戶(hù)能夠輸入必要的數(shù)據(jù)、提出問(wèn)題和了解推理過(guò)程及推理結(jié)果等。系統(tǒng)則通過(guò)用戶(hù)接口，要求用戶(hù)回答提問(wèn)，并回答用戶(hù)提出的問(wèn)題，進(jìn)行必要的解釋。

3 神經(jīng)網(wǎng)絡(luò)與智能故障診斷系統(tǒng)：

3.1 BP 網(wǎng)絡(luò)的介紹及其改進(jìn)：

由于人工神經(jīng)網(wǎng)絡(luò)具有函數(shù)近似、數(shù)據(jù)聚集、模式分類(lèi)等諸多功能，因此被廣泛應(yīng)用于人工智能、自動(dòng)控制、機(jī)器人等領(lǐng)域的信息處理。目前人們提出的神經(jīng)網(wǎng)絡(luò)模型己有上百種，其中在故障診斷領(lǐng)域中用的最多也最有成效的就是誤差逆?zhèn)鞑ド窠?jīng)網(wǎng)絡(luò)，也就是 BP 網(wǎng)絡(luò)。

BP 網(wǎng)絡(luò)是一種具有三層或三層以上的多層神經(jīng)元網(wǎng)絡(luò)，當(dāng)一種學(xué)習(xí)模式提供給網(wǎng)絡(luò)后，其神經(jīng)元的激活值將從輸入層經(jīng)各中間層向輸出層傳播，在輸出層的各神經(jīng)元輸出對(duì)應(yīng)于輸入模式的網(wǎng)絡(luò)響應(yīng)。然后，按照減少希望輸出與實(shí)際輸出之間誤差的原則，從輸出層經(jīng)各中間層、最后回到輸入層逐層修正各連接權(quán)。隨著這種誤差逆?zhèn)鞑ビ?xùn)練的不斷進(jìn)行，網(wǎng)絡(luò)對(duì)輸入模式響應(yīng)的正確率也不斷提高。由于 BP 網(wǎng)有處于中間位置的隱含層，并有相應(yīng)的學(xué)習(xí)規(guī)則可循，可通過(guò)訓(xùn)練這種網(wǎng)絡(luò)，使其具有非線性模式的識(shí)別能力。BP 網(wǎng)的學(xué)習(xí)過(guò)程主要由四部分組成：

(1)輸入模式順傳播(輸入模式由輸入層經(jīng)中間層向輸出層傳播計(jì)算)；

(2)輸出誤差逆?zhèn)鞑?輸出的誤差由輸出層經(jīng)中間層傳向輸入層)；

(3)循環(huán)記憶訓(xùn)練(順傳播與誤差逆?zhèn)鞑サ挠?jì)算過(guò)程交替循環(huán)進(jìn)行)；

(4)學(xué)習(xí)結(jié)果判別(判定全局誤差是否趨向極小值)。

3.2 神經(jīng)網(wǎng)絡(luò)在電子設(shè)備智能故障診斷中的應(yīng)用：

現(xiàn)代電子設(shè)備集成度越來(lái)越高，許多設(shè)備內(nèi)的模塊都是由核心集成電路外接一些分立元器件構(gòu)成的，無(wú)法對(duì)整個(gè)模塊建立可以電路仿真的數(shù)學(xué)模型(或者整個(gè)模型過(guò)于復(fù)雜以至于無(wú)法在實(shí)際中應(yīng)用)。神經(jīng)網(wǎng)絡(luò)由于并行運(yùn)算和非線性逼近的特點(diǎn)，適合用于對(duì)這種情況進(jìn)行建模。對(duì)應(yīng)模塊電路的神經(jīng)網(wǎng)絡(luò)，其訓(xùn)練用的樣本數(shù)據(jù)可以從設(shè)備運(yùn)行過(guò)程中收集的正常狀態(tài)和故障狀態(tài)的數(shù)據(jù)中取得。

3 電子設(shè)備智能故障診斷系統(tǒng)概述：

3.1 系統(tǒng)總體結(jié)構(gòu)：

現(xiàn)代電子設(shè)備結(jié)構(gòu)復(fù)雜、集成度高，總體來(lái)說(shuō)有兩個(gè)基本的特點(diǎn)：

(1)系統(tǒng)模塊化；

(2)模塊電路高度集成，缺乏內(nèi)部詳細(xì)的電路原理圖。

根據(jù)現(xiàn)代電子設(shè)備的這些特點(diǎn)，本文研究的電子設(shè)備智能故障診斷系統(tǒng)分成系統(tǒng)級(jí)故障診斷子系統(tǒng)和模塊級(jí)故障診斷子系統(tǒng)兩個(gè)層次，逐層對(duì)故障進(jìn)行分析和定位。

圖2 故障診斷系統(tǒng)結(jié)構(gòu)圖

系統(tǒng)級(jí)故障診斷子系統(tǒng)是基于規(guī)則的模糊專(zhuān)家系統(tǒng)，應(yīng)用領(lǐng)域?qū)＜抑R(shí)(規(guī)則)，顯式地進(jìn)行模糊推理，把故障定位到模塊級(jí)；模塊級(jí)故障診斷子系統(tǒng)利用事先訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)隱式地進(jìn)行推理，對(duì)模塊內(nèi)的故障進(jìn)行診斷，最終把故障定位到元器件。

3.2 故障診斷流程：

通過(guò)用戶(hù)界面，用戶(hù)選擇要進(jìn)行故障診斷的電子設(shè)備類(lèi)型和具體型號(hào)，然后診斷系統(tǒng)會(huì)詢(xún)問(wèn)用戶(hù)電子設(shè)備的故障現(xiàn)象，用戶(hù)提交故障現(xiàn)象后診斷系統(tǒng)進(jìn)行故障診斷，得出診斷結(jié)果(證據(jù)充分)，或者繼續(xù)詢(xún)問(wèn)用戶(hù)問(wèn)題(證據(jù)不充分)。故障診斷的流程如圖3所示。

圖3 故障診斷流程圖

4 結(jié)束語(yǔ)

針對(duì)電子設(shè)備故障診斷的現(xiàn)狀，隨著對(duì)故障診斷技術(shù)不斷深入的研究，隨著人工智能技術(shù)的飛速發(fā)展，近年來(lái)出現(xiàn)了不少電子設(shè)備故障定位的新技術(shù)，如專(zhuān)家系統(tǒng)技術(shù)、模糊診斷方法、神經(jīng)網(wǎng)絡(luò)診斷方法、粗糙集用于規(guī)則的自動(dòng)產(chǎn)生方法、多傳感器信息融合診斷方法等。這些智能故障診斷技術(shù)能夠以人類(lèi)思維的信息加工和認(rèn)識(shí)過(guò)程為推理基礎(chǔ)，通過(guò)有效地獲取、傳遞、處理、再生和利用診斷信息，模擬人類(lèi)專(zhuān)家，以靈活的診斷策略對(duì)監(jiān)控對(duì)象的運(yùn)行狀態(tài)和故障做出正確判斷和決策，從而具有學(xué)習(xí)功能和自動(dòng)獲取診斷信息對(duì)故障進(jìn)行實(shí)時(shí)診斷的能力。

參考文獻(xiàn)：

[1]恩云飛,羅宏偉.電子元器件失效分析及技術(shù)發(fā)展失效分析與預(yù)防,2006,1(1):40-44.

[2]左萬(wàn)里,武小悅.電子設(shè)備智能故障診斷技術(shù)發(fā)展綜述.系統(tǒng)工程與電子技術(shù),2003,25(12):1572-1575.

[3]周曉,楊成德,舒德強(qiáng),張景.復(fù)雜電子裝備的智能診斷技術(shù).武器裝備自動(dòng)化,2006,25(5):42-45.

[4]譚陽(yáng)紅,何怡剛.電子電路故障診斷的新方法.電路與系統(tǒng)學(xué)報(bào),2004,9(5): 72-75.

收稿日期：2008-03-10