基于CBR技術(shù)的數(shù)控機床故障診斷專家系統(tǒng)

陳永強

基于CBR技術(shù)的數(shù)控機床故障診斷專家系統(tǒng)

陳永強

(蕪湖職業(yè)技術(shù)學院機械工程學院，安徽蕪湖241006）

在使用和維護數(shù)控機床的過程中，要求使用者掌握較強的專業(yè)技能,并能快速處理故障問題。利用基于CBR推理技術(shù)，構(gòu)建了數(shù)控機床故障診斷專家系統(tǒng)，并且進行了原型系統(tǒng)的驗證。通過對數(shù)控機床故障案例特征的研究，梳理故障知識結(jié)構(gòu)，構(gòu)建數(shù)控機床故障案例庫，利用根據(jù)數(shù)控機床特征，為不同的故障屬性設(shè)置權(quán)重，利用基于相似系數(shù)的方法，將提出的問題與故障案例庫中的案例進行相似性對比，選出相似性最高的案例作為故障診斷方案，以實現(xiàn)數(shù)控機床故障診斷推理。

數(shù)控機床；CBR；專家系統(tǒng)；案例庫

0 引言

由于數(shù)控機床在工業(yè)領(lǐng)域，特別是制造業(yè)領(lǐng)域使用比例高，并且其原理涉及的多個領(lǐng)域高新技術(shù)融合，所以數(shù)控機床的使用維護顯得至關(guān)重要。合理的使用數(shù)控機床、正確的維護數(shù)控機床、準確的維修數(shù)控機床，對于保障生產(chǎn)制造的高效、穩(wěn)定進行顯得尤為重要。

數(shù)控機床的自動化程度高、集成化程度高，其加工對象、加工條件及加工類型復雜多變，因此在使用過程中故障發(fā)生點較多，故障隨機性大，給故障診斷和排除帶來了不少困難。人工智能技術(shù)中的CBR(Case-Based Reasoning)技術(shù),在解決這一問題時具有獨特的優(yōu)勢。本文研究基于CBR的數(shù)控機床故障診斷推理理論與方法。通過研究過去數(shù)控機床故障案例特征，梳理故障知識結(jié)構(gòu)，構(gòu)建數(shù)控機床故障案例庫，利用數(shù)控機床特征，為不同的故障屬性設(shè)置權(quán)重，利用基于相似系數(shù)的方法，將提出的問題與故障案例庫中的案例進行相似性對比，選出相似性最高的案例，作為故障診斷方案，以實現(xiàn)數(shù)控機床故障診斷推理。

基于CBR技術(shù)的數(shù)控機床故障專家系統(tǒng)的提出，可以及時響應(yīng)機床設(shè)備的故障處理，并且其完備的知識可以彌補實際操作、維護、維修技術(shù)人員的專業(yè)技術(shù)知識的缺乏，對提高工業(yè)生產(chǎn)效率，改善制造水平具有一定的實際意義。

1 CBR技術(shù)

基于案例的推理(Case-Based Reasoning，CBR)。CBR的推理方式非常獨特并且有著廣泛而成功的應(yīng)用，目前已成為人工智能領(lǐng)域一種新興的問題求解方法，得到國際學術(shù)界的廣泛關(guān)注。

傳統(tǒng)的基于RBR(Rule-Based Reasoning)的專家系統(tǒng)工作流程是人類與計算機溝通交流處理解決問題，這種推理方法優(yōu)勢在于便于解釋，使用者容易理解，而缺點是難以獲取知識、維護及推理難度大，當信息量大時難以處理。

基于CBR的專家系統(tǒng)案例的工作過程與基于RBR的推理方式類似，但推理方式有了較大的變化，人機交互比例降低，使用者只需提供較少的信息便可獲得具體全面的解答，較傳統(tǒng)的專家系統(tǒng)有了更強的信息處理能力[1]。

1.1 CBR的工作過程及相關(guān)技術(shù)

在利用案例推理技術(shù)進行問題求解的時候，有一套完整的CBR工作流程，具體涉及到的內(nèi)容如圖1所示，它包括案例檢索、案例重用、案例修改和案例保留等。

圖1 基于案例的推理問題求解過程

1.2 數(shù)控機床故障診斷系統(tǒng)案例庫的構(gòu)建

專家系統(tǒng)案例庫的案例結(jié)構(gòu)應(yīng)能反映出領(lǐng)域內(nèi)研究對象的基本物理結(jié)構(gòu)和邏輯關(guān)系，易于分解和再次組合，在獲取、調(diào)整、回收的算法設(shè)計上能降低其空間時間復雜度，且要考慮到為適應(yīng)難度較高的問題所需的處理能力，需要豐富案例背景信息。

為了更加深入的分析判斷數(shù)控機床故障，提高診斷效率，可以根據(jù)故障原因、故障性質(zhì)、故障部位、故障頻率和故障后果對數(shù)控機床故障進行分類，見表1。

表1 數(shù)控機床的故障分類

根據(jù)數(shù)控機床故障診斷的特征，以及案例庫構(gòu)建的方法，我們采用Microsoft Access作為后臺數(shù)據(jù)庫，按照故障位置、故障現(xiàn)象、故障原因、排除方法四個屬性作為數(shù)控機床故障診斷案例庫結(jié)構(gòu)。如圖2所示。

圖2 數(shù)控機床故障診斷案例庫屬性結(jié)構(gòu)

根據(jù)對數(shù)控機床故障診斷的知識的分析，本故障診斷系統(tǒng)案例庫中，一共記錄了1 223條數(shù)控機床故障診斷領(lǐng)域的案例。

1.3 案例的檢索與匹配

（1）案例檢索與匹配原理

如何分析當前待解決問題的案例，與案例庫中的案例相比較，通過計算得出最佳解決案例方法，是基于CBR的專家系統(tǒng)研究的核心問題。在這一過程中使檢索出的案例盡量與求解問題相接近，能與求解問題匹配，檢索結(jié)果的數(shù)量要保持較低的水平，以保證檢索效率。

（2）案例檢索與匹配過程

案例檢索首先是提出查詢，當遇到一個新的問題時，由用戶輸入問題的描述與特征提出查詢。再進行檢索與選擇，通過人機交互，系統(tǒng)將用戶輸入的新問題賦予初始特征值，確定與其相關(guān)的故障檢索子空間和征兆可信度，完成案例征兆匹配，再采用加權(quán)檢索法進行相似度計算，確定出與新問題相關(guān)或者相似的案例。

本文所研究的數(shù)控機床故障診斷系統(tǒng)需由用戶首先對故障現(xiàn)象進行文字描述，為了實現(xiàn)案例匹配及相似度計算必須將文字信息轉(zhuǎn)換為數(shù)字信息。

例如：對于滾珠絲杠副在工作過程中運動受阻這一癥狀，用數(shù)值0表示運動正常；用數(shù)值1表示嚴重受阻；用0～1之間的數(shù)值表示運動受阻的中間狀態(tài)。對加工過程中主軸發(fā)出的聲音進行描述，用數(shù)值0表示主軸工作聲音正常；用數(shù)值1表示產(chǎn)生巨大的噪音；用0～1之間的數(shù)值表示主軸加工時音量的中間狀態(tài)。具體的表示方法,如表2所示。

表2 文字信息向數(shù)字信息轉(zhuǎn)換

由于句法特征和詞義特征均較為復雜，因此我們選擇關(guān)鍵詞特征作為計算相似度時的主要依據(jù)。利用描述語句中的關(guān)鍵詞構(gòu)成向量空間，再計算兩個描述語句的向量，將向量夾角的余弦值作為相似度數(shù)據(jù)。這種轉(zhuǎn)換形式將用戶對于故障的文字性描述轉(zhuǎn)換為數(shù)字信息與案例庫中的案例進行匹配。

本系統(tǒng)的診斷模塊采用了加權(quán)檢索法，首先對故障問題狀態(tài)屬性的重要程度定義權(quán)值，再尋出與故障問題相似度最高的故障案例。案例特征屬性的權(quán)值確定是案例相似性度量中的關(guān)鍵問題，在此運用了案例特征項的權(quán)重系數(shù)計算方法，該方法用粗糙集理論判斷實例特征屬性的重要度，并將其權(quán)值化處理作為其權(quán)重系數(shù)，克服了傳統(tǒng)方法確定權(quán)重系數(shù)的主觀性。

1.4 案例相似度的計算

在案例匹配的基礎(chǔ)上再對整個案例的相似度計算。可用公式1計算兩個案例之間的相似度：

其中：Ss表示為案例C與C*的相似度；wi為各特征參數(shù)的權(quán)值因子；n表示所有征兆數(shù)；xi，yi分別表示案例C與C*的故障現(xiàn)象及故障結(jié)論，故障現(xiàn)象用經(jīng)過文字信息轉(zhuǎn)換后的狀態(tài)數(shù)值表示，而故障結(jié)論用可信度來表示，即在該故障狀態(tài)下所可能存在的故障原因的程度數(shù)值，該值由領(lǐng)域內(nèi)專家賦予。當Ss=1時，表明案例最為相似（完全匹配）；當Ss=0時，表明案例間無相似點（完全不同）。

通過下面的案例來說明案例相似度的計算過程：

（1）案例1

2.改革開放40年中國住房市場的調(diào)控和非市場化的住房供給。經(jīng)過改革開放20年住房市場化探索和房地產(chǎn)市場的培育，到21世紀初，中國房地產(chǎn)市場逐步形成和成熟。與之相應(yīng)，住房投資和投機過度等現(xiàn)象相伴而生，從21世紀初開始房價飛速上漲，高房價導致市場經(jīng)濟條件下的購房難，購房難導致民眾購房負擔沉重進而帶來新型住房難，使住房供給嚴重偏離民生需求。與此同時，房價飛速上漲還波及金融穩(wěn)定和安全，甚至帶來系統(tǒng)性金融風險。出于改善民生和金融安全的考慮，國家從2003年開始，一方面持續(xù)出臺房價調(diào)控政策，另一方面加大非市場化的保障房供給力度。

故障現(xiàn)象：切削加工時，主軸轉(zhuǎn)速增加，振幅增加（狀態(tài)值0.6），機床產(chǎn)生較大噪音（狀態(tài)值0.7）。

結(jié)論：軸頸和軸承偏心（可信度0.6）。

（2）案例2

故障現(xiàn)象：切削加工時，主軸轉(zhuǎn)速增加，振幅不變（狀態(tài)值0.5），主軸轉(zhuǎn)速增加到臨界速度時，振幅出現(xiàn)峰值（狀態(tài)值0.5），機床產(chǎn)生巨大噪音（狀態(tài)值1）。

結(jié)論：軸承在垂直和水平方向上機床軸承的剛度不等（可信度0.7）。

同時各影響因素的權(quán)值如表3。

表3 各影響因素的權(quán)值

根據(jù)公式（1）進行計算：

可以得出，案例1與案例2的相似度系數(shù)為0.684。

在數(shù)控機床故障診斷專家系統(tǒng)中，用戶可以簡單地通過系統(tǒng)的人機交互界面對機床故障現(xiàn)象進行描述，系統(tǒng)根據(jù)描述語句中的關(guān)鍵詞進行案例相似度計算，將檢索結(jié)果按照案例間的相似程度由高到低依次進行排列，相似度最高的案例即為通過基于案例推理所得出的故障診斷結(jié)果。

1.5 案例的修改與維護

在屬于新的案例屬性值之后，系統(tǒng)會計算出與案例庫中案例的相似系數(shù)。若沒有找到完全匹配的案例，則挑選出最相似的案例。與此同時系統(tǒng)也將同時修改此最相似案例，而后將這條案例新增進案例庫。

為了保證案例庫中的案例達到最優(yōu)，對案例庫進行有效的維護是必不可少的。對案例庫的維護通常包括案例增加、案例修改和案例刪除等。基于CBR推理的專家系統(tǒng)會在進行診斷的過程中修改舊案例、增加一些新的案例，并且在修改或增加案例的同時，考慮到案例庫的邏輯推理關(guān)系，會刪除一些冗余、致使出錯的案例。

在基于CBR的數(shù)控機床故障診斷過程中，可以設(shè)定專門權(quán)限，人工增加案例。而案例的修改已經(jīng)在專家系統(tǒng)的自學習的過程中體現(xiàn)出來，這使專家系統(tǒng)更有自主性。還有一個自主性表現(xiàn)在案例的刪除功能上。為了系統(tǒng)對專家思維模仿的程度更高，系統(tǒng)還具有對知識的遺忘功能。即對專家系統(tǒng)運行一定的次數(shù)后，對于長時間沒有使用的案例進行刪除，以表現(xiàn)其遺忘的功能。這樣還使案例庫得到進一步的優(yōu)化和完善。

將數(shù)控機床故障診斷案例庫中的每一個案例增加一列訪問屬性，記錄每個案例被訪問的次數(shù)，也是就是案例在推理中使用的次數(shù)。對于剛被訪問的案例，其標記將重新計數(shù)。

2 基于CBR技術(shù)的數(shù)控機床故障診斷原型專家系統(tǒng)的實現(xiàn)

本文采用VB語言在Visual Basic 6.0平臺上建立一個基于CBR的數(shù)控機床故障診斷原型專家系統(tǒng)，對所提出的故障診斷方案的有效性、可行性進行驗證。該系統(tǒng)所使用的開發(fā)環(huán)境為Window XP，利用基于CBR的推理方法，對案例庫中的案例進行檢索和匹配操作。

為了開發(fā)出有效的數(shù)控機床故障診斷原型專家系統(tǒng)，確定系統(tǒng)目標如下：

(1)對數(shù)控機床的故障部位、故障現(xiàn)象、故障原因和解決方法等知識進行整理、存儲和診斷。

(2)在基于CBR的推理中，使用相似系數(shù)的方法進行案例推理，實現(xiàn)故障診斷功能。

數(shù)控機床故障診斷原型專家系統(tǒng)框架包括：系統(tǒng)人機接口、故障診斷推理機、故障診斷案例庫。其中案例庫具有重用、修改、學習功能，用于豐富其中的案例。系統(tǒng)框架如圖3所示。

圖3 數(shù)控機床故障診斷原型專家系統(tǒng)框架圖

圖4 系統(tǒng)主界面

系統(tǒng)主界面如圖4所示。用戶通過系統(tǒng)主界面，依據(jù)自己的需要選擇進入子頁面。其中，點擊“進入診斷界面”按鈕，系統(tǒng)轉(zhuǎn)到數(shù)控機床故障診斷頁面，可以針對數(shù)控機床出現(xiàn)的故障，進行診斷；點擊“數(shù)控機床知識”按鈕，系統(tǒng)轉(zhuǎn)到數(shù)控機床知識頁面，提供了有關(guān)數(shù)控機床一些科普知識；點擊“故障診斷常識”按鈕，系統(tǒng)轉(zhuǎn)到故障診斷常識知識頁面，提供了有關(guān)數(shù)控機床故障診斷的一些常用知識；點擊“系統(tǒng)使用說明”，系統(tǒng)轉(zhuǎn)到系統(tǒng)使用說明頁面，提供了有關(guān)本系統(tǒng)的具體操作步驟。

系統(tǒng)故障診斷界面如圖5所示，主要包括故障部位、故障現(xiàn)象、推理方式、故障原因和解決方法等幾個模塊。用戶可以根據(jù)實際情況，通過選擇故障部位和故障現(xiàn)象，然后點擊開始診斷按鈕，系統(tǒng)則開始進行故障診斷。系統(tǒng)進過推理診斷后，顯示出診斷結(jié)果，包括推理方式、故障原因和解決方法等。

圖5 系統(tǒng)故障診斷界面

3 結(jié)語

本文利用基于CBR推理技術(shù)，構(gòu)建了數(shù)控機床故障診斷專家系統(tǒng)，并且進行了原型系統(tǒng)的驗證。該系統(tǒng)不僅可以及時響應(yīng)機床設(shè)備的故障處理，保證故障診斷的正確率，并且其完備的知識可以彌補實際操作、維護、維修技術(shù)人員的專業(yè)技術(shù)知識的缺乏，對提高工業(yè)生產(chǎn)效率，改善制造水平提供了參考方法。

針對在系統(tǒng)開發(fā)過程中遇到的問題，今后的研究重點將著重解決以下兩個方面：

（1）數(shù)控機床型號和種類繁多，數(shù)控機床故障診斷涉及學科內(nèi)容多，范圍廣，案例整理具有一定難度。因此，下一步需要研究選擇案例關(guān)鍵屬性的方法，構(gòu)建合理結(jié)構(gòu)的案例庫。

（2）在數(shù)控機床故障診斷專家系統(tǒng)中，CBR診斷推理的核心是相似系數(shù)算法，系統(tǒng)利用相似系數(shù)的算法，計算案例的屬性及其權(quán)值，判斷案例的相似性。因此，權(quán)值的選取尤為重要，下一步研究案相似性算法中案例屬性權(quán)值選取的方法。

[1]卞世暉.專家系統(tǒng)中不確定性推理的研究與應(yīng)用[D].合肥:安徽大學，2010.

[2]段雋喆.基于故障樹的故障診斷專家系統(tǒng)研究[J].科學技術(shù)與工程,2009,12（3）：1915-1917.

[3]張建國，陳宜參，孫洪龍等.談國內(nèi)發(fā)動機故障診斷專家系統(tǒng)的現(xiàn)狀及發(fā)展[J].江蘇航空，2006,19(2)：22-23.

[4]江志農(nóng),王慧,魏中青.基于案例與規(guī)則推理的故障診斷專家系統(tǒng)[J].計算機工程,2011(1):238-240.

[5]海新,雷英杰.基于加權(quán)相似性測度的直覺模糊近似推理[J].計算機工程與設(shè)計,2010(21)：4678-4681.

[6]王瑩瑩,任賢,龍鵬飛.中文短語文本相似度計算新方法[J].軟件導刊,2011(1):79-81.

[7]邢躍,楊進寶,譚愛.文本相似度比較系統(tǒng)設(shè)計與實現(xiàn)[J].綿陽師范學院學報,2010(11)：93-97.

[8]李玉琴,潘祖聰,劉琳嬌.數(shù)控機床常見故障診斷方法及實例[J].安徽水利水電職業(yè)技術(shù)學院學報,2010(1)：76-78.

Expert system of CNC Machine Faulty Diagnosis Based on CBR

CHEN Yong-qiang
(School of Mechanical Engineering，Wuhu Institute of Technology,Wuhu，Anhui 241006,China)

It requires staff to have high expertise to deal with faulty quickly during using and maintaining the CNC machine.This paper constructs the expert system of CNC machine faulty diagnosis and verifies prototype system based on CBR reasoning technology.According to research the characteristics of CNC machine faulty diagnosis to carding faulty structure and construct CNC machine faulty case base.Setting weight of different faulty attribute based on CNC machine characteristics.Due to the similar coefficient sum to compare problems to cases which in the faulty case base to select the most similar one as faulty diagnosis case in order to realize the reasoning of CNC machine faulty diagnosis depends.

CNC machine；CBR；expert system；case base

TG659

A

1673-1891（2016）01-0040-04

10.16104/j.issn.1673-1891.2016.01.012

2015-12-18

安徽省2015年高等學校省級質(zhì)量工程項目“精密檢測工程實踐教育基地”（2015sjjd068）；安徽省2015年高等學校省級質(zhì)量工程項目“數(shù)控設(shè)備應(yīng)用與維護”特色專業(yè)（2015tszy047）。

陳永強（1982—），男，安徽蕪湖人，講師，碩士，研究方向：控制工程。