鄭文青 山東科技大學

隨著工業(yè)4.0時代的到來，設備自動化水平程度越來越高。在設備給人們的生產(chǎn)生活帶來極大便利的同時，設備出現(xiàn)故障造成的經(jīng)濟損失也越來越大。設備故障是設備運行過程中不可避免的行為，如何事先發(fā)現(xiàn)設備運行中的問題，提前對其進行修復，保證其安全生產(chǎn)與運行，這是長期困擾設備管理人員的問題。在早期的故障診斷過程中，設備故障處理更多的是憑借著使用者的經(jīng)驗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備對相關人員生命安全財產(chǎn)的隱患。與此同時，設備故障處理效果不夠穩(wěn)定，一個故障的處理甚至會引發(fā)新的故障，給用戶帶來更大的麻煩與損失。

故障診斷作為一門專門的科學，在歷經(jīng)數(shù)十年的發(fā)展過程中，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型，一個是基于非模型的故障處理模式，另一個是基于系統(tǒng)數(shù)學模型的故障處理。這兩大故障處理類型極大的促進了故障診斷理論的進步與發(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，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)成為了識別故障、故障診斷、處理故障的良好選擇。通過人工智能神經(jīng)網(wǎng)絡，構成具有適應性的單院互聯(lián)網(wǎng)絡系統(tǒng)，模擬生物神經(jīng)系統(tǒng)對于現(xiàn)實世界做出的反映，有效的識別診斷問題。因此，基于神經(jīng)網(wǎng)絡的故障診斷系統(tǒng)研究，其本身具有一定的理論和實踐意義。

1 現(xiàn)階段故障診斷中存在的問題

故障診斷最早起源于設備維修檢驗過程中，最初是通過原始的經(jīng)驗分析判斷，后來隨著技術于方法的進步，故障診斷逐漸強調通過監(jiān)測設備了解設備運行的狀態(tài)參數(shù)，以前發(fā)現(xiàn)設備可能存在的一些異常狀況，了解設備故障的原因，幫助使用者了解預測設備未來的運行狀態(tài)?，F(xiàn)階段我國設備診斷技術雖然取得了較快的發(fā)展，但是許多設備診斷技術于方法還有待提升的空間。隨著計算機技術與互聯(lián)網(wǎng)信息的迅猛發(fā)展，設備診斷也逐步進入了智能化階段，其在工業(yè)生產(chǎn)中地位也越來越重要?，F(xiàn)階段故障診斷中遇到的常見的難題：第一，故障定位問題。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，故障信息提取問題。由于不同環(huán)節(jié)故障的信息處理沒有一套統(tǒng)一的標準，不同的環(huán)節(jié)處理與信息翻譯，給故障的排除與維護帶來了困難。第三，適應問題。故障排除與零件替換后，往往存在著一個磨合與環(huán)境適應問題。如何縮短磨合時間，自動適應設備運行環(huán)境，這也是故障處理不可避免的難題。

2 神經(jīng)網(wǎng)絡故障診斷優(yōu)點

人工神經(jīng)網(wǎng)絡憑借著其獨特的優(yōu)點迅速發(fā)展，一方面神經(jīng)網(wǎng)絡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)學模型，實現(xiàn)故障診斷的跨越式發(fā)展；另一方面，神經(jīng)網(wǎng)絡具有令人驚訝的數(shù)據(jù)分類能力，能夠幫助設備進行故障模式分類與學習，從而診斷出故障。因此，神經(jīng)網(wǎng)絡憑借其物理模型方法和數(shù)學模型方法的結合，實現(xiàn)兩者的互補協(xié)作，發(fā)揮兩者長處，從而使得故障診斷的范圍更寬，準確性更高，效果也將更加明顯。

3 神經(jīng)網(wǎng)絡用于故障診斷的可行性與前景展望

神經(jīng)網(wǎng)絡診斷與傳統(tǒng)的故障診斷方法相比，實現(xiàn)了內部知識表達方式的統(tǒng)一。在神經(jīng)網(wǎng)絡診斷中，知識規(guī)則可以利用范例的學習，將信息存儲于同一個神經(jīng)網(wǎng)絡連接權重重，使得知識庫的通用性更加，管理更加方便于規(guī)范。與此同時，大量的知識存儲于一個相對小的多的神經(jīng)網(wǎng)絡中，有助于故障診斷速度的改善與提升。與此同時，基于神經(jīng)網(wǎng)絡的故障診斷，能夠利用神經(jīng)網(wǎng)絡數(shù)據(jù)庫，實現(xiàn)知識的自動獲取，來適應環(huán)境的變化。傳統(tǒng)故障診斷中的“匹配沖突”“組合爆炸”“無窮遞歸”等問題，可以借用這一載體得到有效解決，實現(xiàn)推理速度的提升與進步。最后，基于神經(jīng)網(wǎng)絡的故障診斷系統(tǒng)，其本身具有聯(lián)想、記憶和類比的形象思維能力，克服了以往系統(tǒng)中的“知識窄臺階”問題。即使是未接觸過的學習知識外的范圍，也不會對其造成困惱，因為神經(jīng)網(wǎng)絡將知識表示、存儲與推理進行融合，幫助其實現(xiàn)真正意義上知識遷徙與拓展。因此，從未來的發(fā)展前景看，基于神經(jīng)網(wǎng)絡的故障診斷在以下方面具有獨特的發(fā)展前景：

3.1 知識存儲

與以往傳統(tǒng)的故障診斷相比，訓練過的神經(jīng)網(wǎng)絡能夠有效的改善故障診斷的知識存儲模式。通過引用神經(jīng)網(wǎng)絡，能夠將診斷過程中需要存儲的相關過程性的知識，直接進行定量的、歷史的學習。這與之前的零散性、分散化的故障診斷存儲模式相比，具有明顯的優(yōu)勢?；谏窠?jīng)網(wǎng)絡的故障診斷，能夠根據(jù)對象的正常歷史數(shù)據(jù)訓練，將信息與測量數(shù)據(jù)對比，進行對比分析，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)絡具有獨特的濾除噪聲能力，使得其能夠在噪音干擾的情況下，排除噪聲狀況，準確定位，得出正確的故障結論。神經(jīng)網(wǎng)絡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)絡在線故障檢測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 分辨識別

基于神經(jīng)網(wǎng)絡的故障診斷，能夠有效改善傳統(tǒng)故障診斷中故障識別與診斷的效率，提高故障定位與診斷的能力，分辨故障問題產(chǎn)生的原因，辨析不同的故障類型，大大提升故障處理效率與能力。事實上，面向設備故障診斷的神經(jīng)網(wǎng)絡子系統(tǒng)，其本身具有復雜的網(wǎng)絡設計，能夠以最快的速度，幫助設備故障處理者自動分辨故障。同時，神經(jīng)網(wǎng)絡也能夠利用其下屬成千上萬的子系統(tǒng)，詳細發(fā)揮子系統(tǒng)的功能與特點，使得子系統(tǒng)整合組合成新的框架模式，實現(xiàn)智能診斷的預期效果。

將神經(jīng)網(wǎng)絡應用于故障診斷，這是故障診斷的進步與趨勢。從目前的發(fā)展現(xiàn)狀看，人工神經(jīng)網(wǎng)絡對于故障診斷的精確性、多樣性、結構性與全面性依舊還處于初級階段。在以后的發(fā)展過程中，診斷理論與神經(jīng)網(wǎng)絡將得到更好的結合，信號處理與神經(jīng)網(wǎng)絡契合度將會進一步提升，網(wǎng)絡結構的改進，設備故障診斷的微型化，將得到進一步的改進與提升。由于主客觀條件的限制，本文對于故障診斷的方法與理論研究還不夠深入，對于神經(jīng)網(wǎng)絡的探討還不夠成熟與全面，但隨著技術與經(jīng)驗的進步與積累，基于神經(jīng)網(wǎng)絡的故障診斷必將得到更好的發(fā)展，相信神經(jīng)網(wǎng)絡在故障診斷中將發(fā)揮越來越重要的作用，幫助兩者實現(xiàn)更好的銜接與進步。