故障樹與案例推理在數(shù)控機(jī)床故障診斷專家系統(tǒng)中的應(yīng)用研究

朱傳敏，周潤青，陳 明，李營壘

（1. 同濟(jì)大學(xué) 機(jī)械工程學(xué)院，上海 201804；2. 同濟(jì)大學(xué) 中德工程學(xué)院，上海 201804）

0 引言

數(shù)控機(jī)床作為機(jī)電一體化的精密制造設(shè)備，其結(jié)構(gòu)復(fù)雜、功能繁多，同時(shí)其加工精度要求越來越苛刻、加工工藝越來越繁復(fù)，從而導(dǎo)致設(shè)備發(fā)生故障的可能性大大增加、故障的形式更加復(fù)雜多樣，設(shè)備某一局部的故障往往造成整個(gè)設(shè)備的生產(chǎn)停頓，引發(fā)安全隱患和經(jīng)濟(jì)損失。因此，對(duì)數(shù)控機(jī)床設(shè)備的故障診斷方法進(jìn)行研究具有重要的實(shí)際應(yīng)用價(jià)值。

隨著智能故障診斷技術(shù)的發(fā)展，其應(yīng)用領(lǐng)域越來越廣泛，但在數(shù)控機(jī)床故障診斷方面的應(yīng)用研究相對(duì)較少[1,2]，文獻(xiàn)[3]應(yīng)用了粗糙集理論生成故障診斷規(guī)則并簡化了不必要的屬性，但規(guī)則提取所需數(shù)據(jù)量和處理量較大，專家經(jīng)驗(yàn)利用較少；文獻(xiàn)[4, 5]采用Sugeno模糊模型和神經(jīng)網(wǎng)絡(luò)的方法對(duì)數(shù)控機(jī)床故障進(jìn)行診斷，避免了專家經(jīng)驗(yàn)使用的隨意性和診斷的容錯(cuò)性，但對(duì)于解決復(fù)雜問題的穩(wěn)定性及知識(shí)的可擴(kuò)展性有待提高。文獻(xiàn)[6]融合了故障樹與案例推理的方法，但沒有很好把故障樹轉(zhuǎn)化為規(guī)則知識(shí)。

本文探討了一種故障樹和案例推理相融合的診斷方法，該方法通過將故障樹轉(zhuǎn)化得到產(chǎn)生式規(guī)則，同時(shí)根據(jù)數(shù)控設(shè)備的診斷特征值將歷史診斷結(jié)果轉(zhuǎn)化為案例，存儲(chǔ)在專家系統(tǒng)的知識(shí)庫中，然后通過規(guī)則推理與案例推理相結(jié)合的方法對(duì)數(shù)控機(jī)床的故障進(jìn)行診斷，不僅解決了專家系統(tǒng)知識(shí)獲取的“瓶頸”，同時(shí)提高了系統(tǒng)的穩(wěn)定性及可擴(kuò)展性。

1 故障診斷專家系統(tǒng)的框架模型

1.1 專家系統(tǒng)概述

專家系統(tǒng)內(nèi)部含有大量的某個(gè)領(lǐng)域?qū)＜宜降闹R(shí)與經(jīng)驗(yàn)，能夠利用人類專家的知識(shí)和解決問題的方法來處理該領(lǐng)域問題，并對(duì)診斷結(jié)果給出解釋推理路徑和推理依據(jù)，基于規(guī)則的故障診斷專家系統(tǒng)具有表達(dá)直觀、形式統(tǒng)一、模塊性強(qiáng)和推理機(jī)制簡單等特點(diǎn),一直是診斷專家系統(tǒng)中應(yīng)用最廣泛的一種模式，但存在知識(shí)“瓶頸”，缺乏有效的知識(shí)表達(dá)方式等局限性，通過與描述對(duì)象結(jié)構(gòu)、功能和關(guān)系的故障樹技術(shù)有機(jī)結(jié)合，可以保證診斷知識(shí)的結(jié)構(gòu)性與條理性，同時(shí)也充分發(fā)揮故障診斷專家系統(tǒng)快速有效的特點(diǎn)，同時(shí)針對(duì)某些系統(tǒng)機(jī)理過于復(fù)雜，規(guī)則提取困難的情況，結(jié)合案例推理的方法作為故障診斷的補(bǔ)充，降低了知識(shí)獲取的負(fù)擔(dān)，也改善了系統(tǒng)的擴(kuò)展性。

1.2 系統(tǒng)框架

基于故障樹與案例推理的數(shù)控機(jī)床故障診斷專家系統(tǒng)的總體系統(tǒng)框架模型如圖1所示，它由知識(shí)庫、綜合數(shù)據(jù)庫及各庫的管理維護(hù)模塊、推理機(jī)模塊、解釋處理系統(tǒng)和人機(jī)接口為主要組成部分。其中，知識(shí)庫和推理機(jī)是整個(gè)專家系統(tǒng)的核心。

圖1 專家系統(tǒng)總體框架

通過以太網(wǎng),數(shù)控機(jī)床的測(cè)試數(shù)據(jù)與控制信息由通訊接口提交到故障診斷專家系統(tǒng)。知識(shí)庫用來存儲(chǔ)領(lǐng)域?qū)＜覍?duì)于數(shù)控設(shè)備診斷的經(jīng)驗(yàn)知識(shí)，其中包括故障樹轉(zhuǎn)化的規(guī)則知識(shí)與診斷過程中的典型案例知識(shí)，并且能夠通過人機(jī)接口不斷擴(kuò)充更新；數(shù)據(jù)庫用來儲(chǔ)存數(shù)控設(shè)備的基本參數(shù)、運(yùn)行狀態(tài)信息、統(tǒng)計(jì)數(shù)據(jù)和推理過程中的中間數(shù)據(jù)；推理機(jī)根據(jù)知識(shí)庫和數(shù)據(jù)庫的診斷信息采用有效的推理機(jī)制對(duì)征兆知識(shí)進(jìn)行推理，先進(jìn)行基于故障樹的規(guī)則推理，如無法得出相應(yīng)匹配關(guān)系，再進(jìn)行實(shí)例推理，如仍然無法得出診斷結(jié)果或?qū)嵗Y(jié)果相似度較低，則進(jìn)行人工診斷并把案例添加入知識(shí)庫，從而得到數(shù)控設(shè)備的故障并實(shí)現(xiàn)系統(tǒng)的可擴(kuò)展性；解釋處理系統(tǒng)統(tǒng)一處理推理機(jī)輸出的診斷結(jié)果，進(jìn)行解釋并提供相應(yīng)的維護(hù)策略，使用戶了解診斷、決策的過程,增加用戶對(duì)系統(tǒng)推理結(jié)果的信任度,也便于對(duì)知識(shí)庫的核實(shí)和測(cè)試；最后經(jīng)由人機(jī)接口顯示相應(yīng)的診斷結(jié)果反饋給操作人員或領(lǐng)域?qū)＜?，?shí)現(xiàn)人機(jī)交互的功能，用戶還可通過知識(shí)維護(hù)模塊、綜合數(shù)據(jù)庫管理模塊對(duì)知識(shí)庫和綜合數(shù)據(jù)庫進(jìn)行維護(hù)、瀏覽等操作。

2 故障的知識(shí)表示

2.1 故障樹的建立

故障樹是用于大型復(fù)雜系統(tǒng)可靠性、安全性分析以及故障診斷的一個(gè)有力工具。故障樹分析首先選定某一影響最大的系統(tǒng)故障作為頂事件，然后將造成系統(tǒng)故障的原因逐級(jí)分解為中間事件，直到把不能或不需要分解的基本事件作為底事件為止，體現(xiàn)了故障傳播的層次性和子節(jié)點(diǎn)（即下層故障源）與父節(jié)點(diǎn)（即上層故障現(xiàn)象）之間的因果關(guān)系[7]，各事件間相互關(guān)系通過與門、或門、非門等邏輯門表示。通過故障樹的定性分析，能有效找出導(dǎo)致頂事件發(fā)生的所有可能的故障模式,即尋找故障樹的全部最小割集，通過最小割集可判斷系統(tǒng)最薄弱環(huán)節(jié),指明故障源及故障原因,提供改進(jìn)方案和維修建議。

建造故障樹是故障樹分析的關(guān)鍵，也是進(jìn)行故障樹分析的前提條件。本文以Φ160mm數(shù)控落地鏜銑床為研究對(duì)象，通過對(duì)機(jī)床主體、數(shù)控系統(tǒng)故障機(jī)理、模式及故障后果的分析建立相應(yīng)的故障樹，“”表示結(jié)果事件，“”表示或關(guān)系，“ ”表示基本事件。其中圖2為鏜銑床數(shù)控系統(tǒng)的硬件故障樹，列出了顯示屏白屏、NC鍵盤失效和系統(tǒng)無法啟動(dòng)等部分故障朕兆及進(jìn)一步的故障原因，圖3為鏜銑床主體的主軸故障樹，列出了主軸發(fā)熱和主軸噪聲等故障朕兆，并分析得知這與軸承、帶輪和齒輪故障等有關(guān)。

2.2 故障樹的知識(shí)表示

故障樹的頂事件對(duì)應(yīng)于專家系統(tǒng)要診斷的故障，其基本事件對(duì)應(yīng)于專家系統(tǒng)的推理結(jié)果，故障樹由頂?shù)降椎膶哟魏瓦壿嬯P(guān)系對(duì)應(yīng)于專家系統(tǒng)的推理過程,而最小割集是聯(lián)系故障樹與專家系統(tǒng)診斷知識(shí)庫的關(guān)鍵，故障樹的樹枝對(duì)應(yīng)于知識(shí)庫中的規(guī)則，故障樹的樹枝數(shù)等于知識(shí)庫所包含規(guī)則的個(gè)數(shù)，知識(shí)庫中的知識(shí)來源于故障樹。由圖2和圖3可以看出故障樹分別有12和15條樹枝，在專家系統(tǒng)中存儲(chǔ)為27條規(guī)則。

圖2 鏜銑床數(shù)控系統(tǒng)的硬件故障樹

圖3 鏜銑床主體的主軸故障樹

專家系統(tǒng)運(yùn)用知識(shí)來進(jìn)行推理和判斷，準(zhǔn)確的知識(shí)表示是進(jìn)行準(zhǔn)確判斷的一個(gè)重要前提[8]。為了在計(jì)算機(jī)中表達(dá)這樣的規(guī)則關(guān)系，在系統(tǒng)中采用產(chǎn)生式規(guī)則模型,其規(guī)則的表達(dá)形式為：IF （P） THEN（T）, 其中P是產(chǎn)生式可用的條件，T是指當(dāng)P所指的所有條件被滿足時(shí)所得到的結(jié)論或應(yīng)該執(zhí)行的操作，同時(shí)還需要增加一些附加信息如故障現(xiàn)象的檢測(cè)描述，處理策略和故障頻率等。在將故障樹轉(zhuǎn)化為專家系統(tǒng)規(guī)則的過程中，需要注意以下的轉(zhuǎn)化規(guī)則：子事件以“與”關(guān)系導(dǎo)致父事件的發(fā)生，對(duì)應(yīng)一條規(guī)則；子事件以“或”關(guān)系導(dǎo)致父事件的發(fā)生，其規(guī)則數(shù)對(duì)應(yīng)子事件的個(gè)數(shù)；以最小割集來轉(zhuǎn)化為規(guī)則時(shí)，一個(gè)最小割集對(duì)應(yīng)一條規(guī)則。在數(shù)控系統(tǒng)硬件故障樹的轉(zhuǎn)化中，其部分分支的規(guī)則提取如圖4所示，故障的父事件是“顯示器白屏”，分別有三個(gè)子事件，并且其關(guān)系為“或”，從而得出3條規(guī)則知識(shí)。

2.3 故障案例的知識(shí)表示

案例推理診斷是一種基于過去的成功診斷案例和經(jīng)驗(yàn)來完成當(dāng)前故障診斷任務(wù)的方法[9]，通過對(duì)數(shù)控機(jī)床故障案例和機(jī)床信號(hào)采集的研究，把故障案例表示成五元組（故障案例類，故障狀態(tài)特征，故障特征權(quán)值，診斷結(jié)果，故障維修策略），CASE＝ {G，S，W，R，M}，其中G表示案例所屬的種類，與案例的狀態(tài)特征和權(quán)值有關(guān)； S＝{S1，S2，…，Sn},是故障特征的有限非空集合，S1S表示與數(shù)控機(jī)床部位或狀態(tài)相關(guān)的特征屬性，如故障部位，主軸轉(zhuǎn)速，電機(jī)電流等；W＝{W1，W2，…Wn}，0≤Wi≤1，是由領(lǐng)域?qū)＜姨峁┑墓收咸卣鲄?shù)的權(quán)重；R表示案例診斷的結(jié)果，rj＝{tr，cr}，tr表示診斷的結(jié)論，cr是非空有限集合，代表故障的原因；M表示相關(guān)的故障解決辦法和操作建議。

圖4 數(shù)控系統(tǒng)硬件故障部分故障樹的規(guī)則提取

3 故障診斷推理機(jī)制

在數(shù)控機(jī)床故障診斷過程中，首先根據(jù)設(shè)備的故障現(xiàn)象應(yīng)用故障樹轉(zhuǎn)化的規(guī)則進(jìn)行診斷，主要應(yīng)用于故障朕兆與設(shè)備故障關(guān)系明確的情況，規(guī)則推理可以分為正向推理、反向推理和正反向推理三種，本文主要采用正反向混合推理，其過程如圖5上部所示，在初始化系統(tǒng)后，先進(jìn)行反向推理，在知識(shí)庫搜索匹配規(guī)則，在推理達(dá)到底層事件的同時(shí)采用正向推理以檢測(cè)結(jié)果，最后給出推理解釋，即診斷結(jié)果和維修策略。在規(guī)則推理過程中無法找到相應(yīng)規(guī)則進(jìn)行診斷時(shí)，根據(jù)系統(tǒng)內(nèi)采集到的數(shù)控機(jī)床狀態(tài)信息進(jìn)行案例推理診斷，其過程如圖5下部所示。

圖5 規(guī)則推理與實(shí)例推理流程

在進(jìn)行案例推理的過程中，采用最近鄰居法中的歐氏距離來衡量實(shí)例間的相似性[10]。設(shè)X為新實(shí)例（待求解問題），Y為舊實(shí)例（包含在實(shí)例庫內(nèi)的實(shí)例），則它們之間的相似度定義為

式中：權(quán)重wi代表第i個(gè)屬性的重要度，w＝1（i＝1，2，…，n），n是實(shí)例的屬性個(gè)數(shù)；將xi和 yi分別表示新舊實(shí)例第i個(gè)屬性的值。在案例匹配過程中，設(shè)備類型、主軸轉(zhuǎn)速、電機(jī)電流、振動(dòng)峰值、速度平均值、故障特診頻率等作為實(shí)例的主要屬性值進(jìn)行相似度的計(jì)算。

4 故障診斷專家系統(tǒng)在工程實(shí)際中的應(yīng)用

本文以上海電氣臨港重型機(jī)械裝備有限公司的Φ160重型數(shù)控鏜銑床為主要研究對(duì)象，通過對(duì)機(jī)床設(shè)備技術(shù)資料及歷史數(shù)據(jù)的分析和挖掘，結(jié)合相關(guān)專家和現(xiàn)場(chǎng)人員的經(jīng)驗(yàn)和知識(shí)，以JSP2.0編程實(shí)現(xiàn)了Φ160重型數(shù)控鏜銑床故障診斷專家系統(tǒng)的開發(fā)。其主要模塊包括基于故障樹的規(guī)則推理故障診斷模塊，故障樹管理模塊，案例匹配診斷模塊，系統(tǒng)管理模塊等，圖6為針對(duì)帶輪傳動(dòng)動(dòng)平衡故障的診斷，并得出了相應(yīng)的解決方案。

5 結(jié)論

本文根據(jù)數(shù)控機(jī)床設(shè)備的特點(diǎn)和診斷中存在的問題，結(jié)合機(jī)床診斷資料和案例，探討了故障樹與案例推理融合診斷在專家系統(tǒng)故障診斷中的應(yīng)用。在建立了鏜銑床故障樹的基礎(chǔ)上，研究通過故障樹提取規(guī)則知識(shí)，同時(shí)根據(jù)故障診斷特征值存儲(chǔ)診斷案例，最后通過規(guī)則與案例混合推理實(shí)現(xiàn)了專家系統(tǒng)故障診斷，并且用JSP編程實(shí)現(xiàn)了相關(guān)的鏜銑床故障診斷專家系統(tǒng)的開發(fā)，結(jié)果顯示專家系統(tǒng)在數(shù)控機(jī)床診斷方面效果顯著，同時(shí)隨著其他人工智能技術(shù)的發(fā)展和融合，人工智能在故障診斷領(lǐng)域的發(fā)展前景廣闊，值得深入研究。

圖6 Φ160重型數(shù)控鏜銑床故障診斷系統(tǒng)

[1] KORBICZ J, KOSCIELNY J M, KOWALCZUK Z, et al. Fault diagnosis—models, artificial intelligence and applications[M]. Berlin: Springer, 2004.

[2] 汪木蘭, 陸紅偉, 嚴(yán)愛珍. 人工智能技術(shù)在數(shù)控系統(tǒng)中的應(yīng)用研究[J].組合機(jī)床與自動(dòng)化加工技術(shù),2001(9),16-17.

[3] 姚鑫驊, 徐月同, 傅建中, 陳子辰. 基于粗糙集理論的數(shù)控機(jī)床智能故障診斷研究[J]. 浙江大學(xué)學(xué)報(bào)(工學(xué)版),2008: 42(10), 1719-1724.

[4] 宋剛, 胡德金. 基于Sugeno模糊模型的數(shù)控機(jī)床故障診斷法[J]. 上海交通大學(xué)學(xué)報(bào), 2005, 39(1), 91-94.

[5] 朱曉春, 汪木蘭. 基于神經(jīng)網(wǎng)絡(luò)聯(lián)想記憶模型的數(shù)控機(jī)床故障診斷[J]. 中國機(jī)械工程, 2003, 14(15), 1275-1277.

[6] 唐宇, 劉宇, 劉傳菊. 基于案例推理和故障樹診斷的專家系統(tǒng)設(shè)計(jì)[J]. 廣西物理, 2008, 29(3), 25-27。

[7] 周東華, 葉銀忠. 現(xiàn)代故障診斷與容錯(cuò)控制[M]. 北京: 清華大學(xué)出版社, 2000.

[8] 羅永順. 數(shù)控機(jī)床故障信號(hào)分析與特征提取 [D]. 中南大學(xué). 2007.

[9] 王文杰, 葉世偉. 人工智能原理與應(yīng)用[M]. 北京: 人民郵電出版社, 2004.

[10] Fenton W G, T M McGinnity T M, Maguire L P. Fault diagnosis of electronic systems using intelligent techniques a review[J]. IEEE Transactions on Systems,Man, and Cybernetics, Part C: Applications and Reviews,2001, 31(3), 269-281.

[11] Xu LD. Case-based reasoning a major paradigm of artificial intelligence [J]. IEEE Potencials, 1995, 13(5): 10-13.