B.基于狀態(tài)估計(jì)的方法是通過(guò)估計(jì)系統(tǒng)的狀態(tài)并結(jié)合適當(dāng)模型進(jìn)行故障診斷。首先重構(gòu)被診斷過(guò)程的狀態(tài)，并構(gòu)成殘差序列，殘差序列中包含各種故障信息�；谶@個(gè)序列，通過(guò)構(gòu)造適當(dāng)?shù)哪Ｐ筒⒉捎媒y(tǒng)計(jì)檢驗(yàn)法，才能把故障從中檢測(cè)出來(lái)并做進(jìn)一步的分離、估計(jì)和決策。狀態(tài)估計(jì)的方法通常是狀態(tài)觀測(cè)器及濾波器。
C.基于過(guò)程參數(shù)估計(jì)的方法與基于狀態(tài)估計(jì)的診斷方法不同，它不需要計(jì)算殘差序列，而是根據(jù)參數(shù)變化的統(tǒng)計(jì)特性來(lái)檢測(cè)故障的發(fā)生，而后進(jìn)行故障分離、沽計(jì)和分類(lèi)。由于可以建立故障與過(guò)程參數(shù)的精確聯(lián)系，因此這種方法比基于狀態(tài)估計(jì)的方法更有利于故障的分離。最小二乘法簡(jiǎn)單實(shí)用，是參數(shù)估計(jì)的首選方法。
基于數(shù)學(xué)模型的故障診斷方法，其優(yōu)點(diǎn)是能深人系統(tǒng)本質(zhì)的動(dòng)態(tài)性質(zhì)和實(shí)現(xiàn)實(shí)時(shí)診斷，缺點(diǎn)是當(dāng)系統(tǒng)模型未知、不確定或具有非線性時(shí)，這種方法不易實(shí)現(xiàn)。
（1）模糊邏輯推理引擎；（2）專(zhuān)家規(guī)則推理引擎；（3）神經(jīng)網(wǎng)絡(luò)推理引擎；對(duì)智能診斷系統(tǒng)平臺(tái)構(gòu)成的科學(xué)性，我們可以從如下三個(gè)方面來(lái)解釋?zhuān)?/DIV>
a.專(zhuān)家系統(tǒng)和模糊邏輯的知識(shí)處理，模擬的是人的邏輯思維，人工神經(jīng)網(wǎng)絡(luò)的知識(shí)處理所模擬的則是人的經(jīng)驗(yàn)思維機(jī)制；在人類(lèi)自身的思維過(guò)程中，邏輯思維、經(jīng)驗(yàn)思維、創(chuàng)造性思維是缺一不可并且是非常巧妙地互相結(jié)合而形成的有機(jī)整體。
b.模糊診斷是根據(jù)模糊集合論征兆空間與故障狀態(tài)空間的與故障狀態(tài)空間的某種映射關(guān)系，由征兆來(lái)診斷故障。
c.由于神經(jīng)網(wǎng)絡(luò)具有原則上容錯(cuò)、結(jié)構(gòu)拓?fù)漪敯�、�?lián)想、推測(cè)、記憶、自適應(yīng)、自學(xué)習(xí)、并行和處理復(fù)雜模式的功能，使其能在實(shí)際存在著大量的多故障、多過(guò)程、突發(fā)性故障、龐大復(fù)雜系統(tǒng)的監(jiān)測(cè)及診斷中發(fā)揮出較大作用。
4.3.3 故障智能診斷系統(tǒng)平臺(tái)的主要技術(shù)
系統(tǒng)的主要技術(shù)包括：智能化推理算法、數(shù)據(jù)處理器、圖形化模糊神經(jīng)網(wǎng)絡(luò)專(zhuān)家知識(shí)庫(kù)、綜合的動(dòng)態(tài)聯(lián)接庫(kù)數(shù)據(jù)通訊模塊。
智能化推理算法：系統(tǒng)巧妙地將專(zhuān)家系統(tǒng)推理機(jī)、神經(jīng)網(wǎng)絡(luò)推理機(jī)、模糊邏輯推理機(jī)有機(jī)結(jié)合、并行運(yùn)行，充分發(fā)揮各個(gè)推理算法的優(yōu)勢(shì)，克服其中的不足，使智能推理達(dá)更加適用于多變量、多參數(shù)、多目標(biāo)及多過(guò)程的復(fù)雜系統(tǒng)。同時(shí)采用了M-ARY理論對(duì)推理結(jié)果進(jìn)行優(yōu)化，并且通過(guò)歷史數(shù)據(jù)分析和在線強(qiáng)化學(xué)習(xí)來(lái)調(diào)整專(zhuān)家知識(shí)、調(diào)整推理結(jié)構(gòu)，能充分保證推理結(jié)果的準(zhǔn)確性。通用化設(shè)計(jì)是該系統(tǒng)的重要特色，裝載不同領(lǐng)域的專(zhuān)家知識(shí)便能對(duì)不同領(lǐng)域的問(wèn)題進(jìn)行智能化推理決策。
數(shù)據(jù)處理器的設(shè)計(jì)：為更好地解決數(shù)據(jù)的抗噪能力，在系統(tǒng)中，用模糊閾值對(duì)測(cè)量數(shù)據(jù)進(jìn)行模糊化，保證系統(tǒng)數(shù)據(jù)的抗擾能力。
圖形化的模糊神經(jīng)網(wǎng)絡(luò)專(zhuān)家知識(shí)庫(kù)：系統(tǒng)采用圖形化模糊神經(jīng)網(wǎng)絡(luò)專(zhuān)家知識(shí)表達(dá)方式，可突破共性知識(shí)和專(zhuān)家知識(shí)的學(xué)習(xí)、獲取、表達(dá)與利用的瓶頸問(wèn)題，系統(tǒng)有一個(gè)獨(dú)特的結(jié)構(gòu)用來(lái)方便地、遞增地收集和存儲(chǔ)專(zhuān)家知識(shí)而不需要任何模型，這對(duì)于沒(méi)有數(shù)學(xué)模型存在的地方特別有用，它使用戶(hù)易于理解利用專(zhuān)家知識(shí)解決實(shí)際問(wèn)題的思路與方法。
綜合的動(dòng)態(tài)聯(lián)接庫(kù)數(shù)據(jù)通訊模塊：通訊的整體結(jié)構(gòu)按分布式設(shè)計(jì)，分為兩個(gè)層次：一方面，通訊模塊與推理機(jī)之間采用客戶(hù)機(jī)/服務(wù)器的方式，采用TCP/IP協(xié)議，數(shù)據(jù)通訊服務(wù)一旦設(shè)置好，就始終處于運(yùn)行狀態(tài)，推理機(jī)一旦需要申請(qǐng)數(shù)據(jù)，就向數(shù)據(jù)通訊模塊提出數(shù)據(jù)請(qǐng)求表，數(shù)據(jù)通訊模塊根據(jù)綜合各個(gè)推理機(jī)的數(shù)據(jù)請(qǐng)求表向相應(yīng)的對(duì)象提出數(shù)據(jù)請(qǐng)求，再將從對(duì)象得到數(shù)據(jù)分配給各推理機(jī)；另一方面，數(shù)據(jù)通訊模塊與特定對(duì)象之間采用調(diào)用動(dòng)態(tài)聯(lián)接庫(kù)的辦法進(jìn)行通訊，針對(duì)不同的對(duì)象調(diào)用不同的動(dòng)態(tài)聯(lián)接庫(kù)就可以實(shí)現(xiàn)數(shù)據(jù)通訊。
網(wǎng)絡(luò)化遠(yuǎn)程診斷：通過(guò)設(shè)備故障診斷技術(shù)與計(jì)算機(jī)技術(shù)的結(jié)合，用若干臺(tái)中心計(jì)算機(jī)作為服務(wù)器，重大企業(yè)重要關(guān)鍵設(shè)備上建立狀態(tài)監(jiān)測(cè)點(diǎn)，采集設(shè)備狀態(tài)數(shù)據(jù)，而在技術(shù)力量強(qiáng)的科研院所建立中心，對(duì)設(shè)備運(yùn)行進(jìn)行遠(yuǎn)程分析、診斷。
4.4 智能分析系統(tǒng)的設(shè)計(jì)開(kāi)發(fā)
4.4.1 圖形化的專(zhuān)家知識(shí)輸入引擎模塊
專(zhuān)家知識(shí)輸入引擎模塊內(nèi)容如圖4.3所示，該模塊的核心是用圖形化的方式建立診斷推理流程圖，該流程圖是由分布三個(gè)層次上的多個(gè)節(jié)點(diǎn)及節(jié)點(diǎn)間的連線所組成，如圖4.4。診斷推理流程圖中，底層為“數(shù)據(jù)”層，這里的數(shù)據(jù)，可以是測(cè)量參數(shù)、傳感器的輸出、工作狀態(tài)、檢修記錄等多種廣泛意義上的參數(shù)，中間層為“故障現(xiàn)象”層，這里的癥狀現(xiàn)象可以是能直接觀察到的現(xiàn)象（如工作條件、參數(shù)范圍、參數(shù)變化等），也可以是間接的現(xiàn)象，即多種廣泛意義上的現(xiàn)象。最上層為“故障原因”層。用連線相連彼此相關(guān)的“數(shù)據(jù)”與“故障現(xiàn)象”或“故障現(xiàn)象”與“故障原因”。這樣構(gòu)成診斷推理流程圖。
4.4.2 組合推理模塊的設(shè)計(jì)
推理模塊是一個(gè)隱藏于后臺(tái)的推理計(jì)算模塊，它的結(jié)構(gòu)如圖4.5，協(xié)調(diào)控制器用來(lái)管理各推理機(jī)的工作并協(xié)調(diào)推理執(zhí)行器與專(zhuān)家知識(shí)輸入引擎模塊可知，對(duì)一示同的故障，其“數(shù)據(jù)層”、“故障現(xiàn)象層”、“故障原因?qū)印奔捌渌鼈冎g的連線關(guān)系絕不相同，協(xié)調(diào)控制器就是將“數(shù)據(jù)層”、“故障現(xiàn)象層”、“故障原因?qū)印奔捌渌鼈冎g的連線關(guān)系自動(dòng)轉(zhuǎn)化為推理進(jìn)程關(guān)系，由推理執(zhí)行器完成推理診斷工作。
（1）專(zhuān)家系統(tǒng)推理
按推理結(jié)論的不同，推理可分為精確
推理和不精確推理：按推理過(guò)程的不同，可分為正向推是、反向推理和混合推理。根據(jù)圖形化專(zhuān)家知識(shí)庫(kù)結(jié)構(gòu)采用了正向不精確推理。
專(zhuān)家系統(tǒng)推理主要是從知識(shí)庫(kù)所需的數(shù)據(jù)集合D={D1、D2、…、Dn}出發(fā)，根據(jù)知識(shí)庫(kù)中每一數(shù)據(jù)點(diǎn)相應(yīng)的一個(gè)或多個(gè)語(yǔ)義表達(dá)和數(shù)據(jù)范圍，將獲取實(shí)時(shí)數(shù)據(jù)與知識(shí)庫(kù)中相應(yīng)數(shù)據(jù)的語(yǔ)義表達(dá)和數(shù)據(jù)范圍進(jìn)行相似性分析，得出相似性系數(shù)的集合：
（4.1）
式中：S
1 、S
2、…、S
n分別為各個(gè)實(shí)時(shí)數(shù)據(jù)與相應(yīng)知識(shí)庫(kù)數(shù)據(jù)點(diǎn)的相似性系數(shù)的子集，各集參數(shù)為：
；
,S
n=
，m
1、m
2、…、m
n分別為知識(shí)庫(kù)各數(shù)據(jù)點(diǎn)的語(yǔ)義表達(dá)個(gè)數(shù)。
數(shù)據(jù)、參數(shù)的語(yǔ)義表達(dá)按專(zhuān)家的與、或規(guī)則便函形成了各種事件征兆集E={E1，E2，…，EK}，各種事件征兆集的輸出信息為事件信息e={e1，e2，…，eK}。事件信息與數(shù)據(jù)、參數(shù)語(yǔ)義表達(dá)的相似性系數(shù)及規(guī)則的與、或表達(dá)密切相關(guān)，如E1的語(yǔ)義表達(dá)集為：
E1={（d11∧d25∨）（d32∧d48）}，則e1=max{min（s11,S25），min（s32,S48）}。
推理結(jié)果與征兆集之間采用網(wǎng)絡(luò)連接模式，每根聯(lián)線上有連接的權(quán)值信息
，事件信息與權(quán)值信息通過(guò)運(yùn)算關(guān)系得出推理結(jié)果。
，其中：j=1，2，3，…，p （4.2）
根據(jù)推理結(jié)果，知識(shí)庫(kù)相應(yīng)地具有控制、處理措施，便構(gòu)成了智能化系統(tǒng)的專(zhuān)家系統(tǒng)推理模式。
（2）模糊邏輯推理
模糊邏輯主要應(yīng)用模糊規(guī)則庫(kù)進(jìn)行模糊邏輯關(guān)系運(yùn)算最終得出推理結(jié)果，模糊規(guī)則庫(kù)采用圖4.6所示的專(zhuān)家知識(shí)庫(kù)結(jié)構(gòu)。首先對(duì)數(shù)據(jù)、參數(shù)進(jìn)行模糊化處理，進(jìn)入推理機(jī)的數(shù)據(jù)與參數(shù)，根據(jù)知識(shí)庫(kù)中不同的語(yǔ)義表達(dá)，通過(guò)合理的選擇與構(gòu)造模糊隸屬函數(shù)，得出相應(yīng)的數(shù)據(jù)、參數(shù)在不同語(yǔ)義表達(dá)下的模糊隸屬度。
對(duì)于數(shù)據(jù)D
1，屬于語(yǔ)義表達(dá)d
11、d
12、…、
隸屬度可根據(jù)不同的模糊隸屬函數(shù)求出，分別為
…
。同樣地，對(duì)于數(shù)據(jù)D
2，屬于語(yǔ)義表達(dá)d
21、d
22、…、
的隸屬度可根據(jù)不同的模糊隸屬求出，分別為
…、
。以此類(lèi)推，便可行出不同數(shù)據(jù)、參數(shù)在不同語(yǔ)義表達(dá)下的模糊隸屬度。
（4.3）
同時(shí)，根據(jù)知識(shí)庫(kù)中的模糊規(guī)則，數(shù)據(jù)參數(shù)據(jù)語(yǔ)義表達(dá)與事件征兆集之間按照連線權(quán)值為1、非連線權(quán)值為0的原則構(gòu)成的矩陣Dmk，事件征兆集與推理結(jié)果之間按專(zhuān)家給定的權(quán)值構(gòu)成矩陣Dkp，便形成模糊關(guān)系矩陣Rc=Dmk×Dkp。
最終，模糊推理的結(jié)果可通過(guò)模糊變換公式獲得：
（4.4）
式中“﹒”為模糊算子，采用Sup-T合成運(yùn)算方法實(shí)現(xiàn)。
（3）神經(jīng)網(wǎng)絡(luò)推理
根據(jù)圖4.6所示的專(zhuān)家知識(shí)結(jié)構(gòu)，神經(jīng)網(wǎng)絡(luò)推理為五層結(jié)構(gòu)。
第一層為數(shù)據(jù)參數(shù)語(yǔ)義表達(dá)層。每個(gè)數(shù)據(jù)或參數(shù)對(duì)應(yīng)有若干語(yǔ)義表達(dá)，相應(yīng)的連接權(quán)值為1，對(duì)于任意一個(gè)數(shù)據(jù)或參數(shù)輸入Di,其第j條語(yǔ)義表達(dá)根據(jù)專(zhuān)家知識(shí)庫(kù)存在著數(shù)據(jù)或參數(shù)的輸入閾值θij，利用Sigmoid型神經(jīng)元特性函數(shù)便可算出yij。
第二層為事件征兆層。根據(jù)專(zhuān)家知識(shí)庫(kù)，若干個(gè)語(yǔ)義表達(dá)的集合便構(gòu)成了一個(gè)事件，用連線及權(quán)值表達(dá)它們的關(guān)系，形成了k個(gè)事件。每個(gè)事件的輸出同樣根據(jù)相應(yīng)的語(yǔ)義表達(dá)個(gè)數(shù)、連接權(quán)值、Sigmoid 神經(jīng)元特性函數(shù)確定。對(duì)任意事件Ei，對(duì)應(yīng)的語(yǔ)義表的集合為{d1、d2、…、dj}事件輸出為：
式中：w
k——連線權(quán)值；θ
k——偏置信號(hào)
第三層為推理結(jié)果層。每個(gè)事件輸出E
i與推理結(jié)果F
j之間都有連線并賦有權(quán)值
，參照模糊推理，推理結(jié)果為：
，其中：i=1，2，3，…，k；j=1，2，3，…，p （4.7）
推理算法確定后將進(jìn)行推理方式選擇，推理方式的選擇有手動(dòng)選擇和自動(dòng)選擇兩種。
手動(dòng)選擇主要根據(jù)具體對(duì)象和推理系統(tǒng)的運(yùn)行狀況來(lái)進(jìn)行，在領(lǐng)域知識(shí)和定性知識(shí)缺乏的情況下，主要選擇神經(jīng)網(wǎng)絡(luò)推理，或者選擇神經(jīng)網(wǎng)絡(luò)與模糊邏輯推理的組合；在領(lǐng)域知識(shí)比較豐富和明確的情況下，主要選擇專(zhuān)家系統(tǒng)推理，或者選擇專(zhuān)家系統(tǒng)與模糊邏輯推理的組合，也可選擇專(zhuān)家系統(tǒng)、模糊邏輯、神經(jīng)網(wǎng)絡(luò)推理同時(shí)運(yùn)行；在對(duì)象特征參數(shù)語(yǔ)義表達(dá)豐富的情況下，主要選擇模糊邏輯推理，或者選擇模糊邏輯與專(zhuān)家系統(tǒng)推理的組合、模糊邏輯與神經(jīng)網(wǎng)絡(luò)推理的組合，也可選擇專(zhuān)家系統(tǒng)、模糊邏輯、神經(jīng)網(wǎng)絡(luò)推理同時(shí)運(yùn)行。當(dāng)存在兩個(gè)以上推理同時(shí)進(jìn)行時(shí)，則進(jìn)行推理結(jié)論的優(yōu)化。
自動(dòng)選擇的推理方式是分別進(jìn)行專(zhuān)家系統(tǒng)、模糊邏輯、神經(jīng)網(wǎng)絡(luò)的推理，各個(gè)推理結(jié)論通過(guò)優(yōu)化決策后形成最終結(jié)論作為神經(jīng)網(wǎng)絡(luò)的樣本進(jìn)行學(xué)習(xí)，根據(jù)學(xué)習(xí)結(jié)果修改調(diào)整專(zhuān)家知識(shí)庫(kù)，用于下一輪推理，如此不斷地循環(huán)進(jìn)行。推理結(jié)果優(yōu)化：
推理結(jié)果會(huì)出現(xiàn)不一致問(wèn)題，有時(shí)甚至矛盾。為此，采用了優(yōu)化算法。
a.設(shè)計(jì)變量
令：推理要解決的問(wèn)題：1、2、3、…、p個(gè)
模糊邏輯推理對(duì)問(wèn)題的輸出：Ff1、Ff2、Ff3、…、Ffp
神經(jīng)網(wǎng)絡(luò)推理對(duì)問(wèn)題的輸出：Fn1、Fn2、Fn3、…、Fnp
專(zhuān)家系統(tǒng)推理對(duì)問(wèn)題的輸出：Fe1、Fe2、Fe3、…、Fep
設(shè)計(jì)變量為：X={xf、xn、xe}
b.目標(biāo)函數(shù)
c.約束條件
0≤xf≤1；0≤xn≤1； 0≤xe≤1；xf+xn+xe=1
d.根據(jù)目標(biāo)函數(shù)與約束條件，求最優(yōu)解。
分別求f（X）對(duì)xf、xn、xe的偏導(dǎo)數(shù)。由于目標(biāo)函數(shù)為非線性函數(shù)，為避免多個(gè)局部最小指出現(xiàn)，采用約束變尺度法求解，最終求出優(yōu)化后的xfh、xnh、xeh。
e.推理結(jié)果輸出
求解問(wèn)題1：xthFf1+xnhFn1+xehFe1
求解問(wèn)題2：xfhFf2+xnhFn2+xehFe2
求解問(wèn)題3：xthFf3+xnhFn3+xehFe3
……………………………………
求解問(wèn)題P：xfhFfp+xnhFnp+xehFe
組合智能推理機(jī)系統(tǒng)巧妙地將三個(gè)推理引擎有機(jī)結(jié)合、并行運(yùn)行，各個(gè)推理算法的優(yōu)勢(shì)，充分發(fā)揮各個(gè)推理算法的優(yōu)勢(shì)，克服其中的不足，使智能推理達(dá)到了高級(jí)水平。在實(shí)際推理過(guò)程中可靈活地選擇其中的任意一種或兩種推理方式來(lái)運(yùn)行，也可采用三種推理同時(shí)運(yùn)行�；谙嚓P(guān)聯(lián)系的系統(tǒng)，采用模糊推理算法；基于事件的系統(tǒng)，采用神經(jīng)網(wǎng)絡(luò)；基于規(guī)則的系統(tǒng)，采用規(guī)則轉(zhuǎn)換算法。這三種推理模塊同時(shí)存在、各盡其責(zé)，通過(guò)歷史數(shù)據(jù)和在線強(qiáng)化學(xué)習(xí)達(dá)到優(yōu)化這些模塊內(nèi)部的因素。
4.4.3 數(shù)據(jù)引擎模塊的設(shè)計(jì)
數(shù)據(jù)引擎完成的功能主要是采集應(yīng)用系統(tǒng)實(shí)時(shí)數(shù)據(jù)。將采樣到的數(shù)據(jù)與貢平知識(shí)庫(kù)中建立的系統(tǒng)模型輸入節(jié)點(diǎn)進(jìn)行對(duì)比，再按照推理引擎需要的特宇鄰考贊式將輸入數(shù)據(jù)通過(guò)指定通訊協(xié)議傳遞給推理機(jī)，因此數(shù)據(jù)輸入引擎是系統(tǒng)是系統(tǒng)使用時(shí)實(shí)時(shí)系統(tǒng)與推理系統(tǒng)的數(shù)據(jù)聯(lián)系通道，并且這種數(shù)據(jù)傳遞是利用靈活TCP/IP或串行通訊等方式進(jìn)行傳輸，因此使用時(shí)，可以將數(shù)據(jù)采集系統(tǒng)與推理系統(tǒng)在IP相連的兩個(gè)不同物理位置，增加系統(tǒng)構(gòu)建的靈活性。綜合的通訊模塊使本系統(tǒng)能快速方便地與現(xiàn)場(chǎng)實(shí)時(shí)數(shù)據(jù)實(shí)現(xiàn)傳遞。同時(shí)，數(shù)據(jù)引擎還可完成數(shù)據(jù)的壩處理、數(shù)據(jù)記錄與回放。
4.5 網(wǎng)絡(luò)化遠(yuǎn)程診斷的應(yīng)用
4.5.1 計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展
隨著計(jì)算機(jī)技術(shù)、計(jì)算機(jī)網(wǎng)絡(luò)技術(shù)、多媒體技術(shù)和通信技術(shù)的迅速發(fā)展，遠(yuǎn)程信息數(shù)據(jù)的使用越來(lái)越方便，特別是INTERNET網(wǎng)的快速發(fā)展和使用，使得故障診斷遠(yuǎn)離故障現(xiàn)場(chǎng)，實(shí)現(xiàn)無(wú)地域和時(shí)間限制的遠(yuǎn)程故障診斷有了可能。
INTERNET是全世界最大的計(jì)算機(jī)互連網(wǎng)絡(luò)，它是由美國(guó)APPANET發(fā)展和演化而來(lái)的。INTERNET的核心技術(shù)是TCP/IP協(xié)議和Web 技術(shù)，其中TCP/IP協(xié)議是實(shí)現(xiàn)互連網(wǎng)絡(luò)和互操作性的關(guān)鍵，正是通過(guò)它，INTERNET 上的各種網(wǎng)絡(luò)才得以互連并實(shí)現(xiàn)通信。
4.5.2 智能診斷系統(tǒng)數(shù)據(jù)通訊接口
本文的智能診斷系統(tǒng)數(shù)據(jù)通訊接口就是使用TCP/P協(xié)議，直接使用程序及開(kāi)發(fā)工具所提供的環(huán)境和手段（如Winsock）來(lái)實(shí)現(xiàn)遠(yuǎn)程數(shù)據(jù)通信功能。該系統(tǒng)的通訊接口有以下三個(gè)特點(diǎn)：
l）整體結(jié)構(gòu)是按分布式結(jié)構(gòu)設(shè)計(jì)的，采用客戶(hù)機(jī)/服務(wù)器的方式，數(shù)據(jù)服務(wù)器一旦設(shè)置好，就始終處于運(yùn)行狀態(tài)，推理機(jī)一旦需要申請(qǐng)數(shù)據(jù)，就向數(shù)據(jù)引擎提出數(shù)據(jù)請(qǐng)求表，數(shù)據(jù)引擎根據(jù)綜合各個(gè)推理機(jī)的數(shù)據(jù)請(qǐng)求表向相應(yīng)的對(duì)象提出數(shù)據(jù)請(qǐng)求，再將從對(duì)象得到數(shù)據(jù)分配給各推理機(jī)。具體結(jié)構(gòu)如圖4.7 所示。服務(wù)器與客戶(hù)機(jī)之間采用TCP/IP 協(xié)議。
2）數(shù)據(jù)引擎使用的方式是一旦調(diào)試通過(guò)了，就讓數(shù)據(jù)引擎一直運(yùn)行，不再進(jìn)行任何操作�？梢园褦�(shù)據(jù)引擎看作一個(gè)數(shù)據(jù)服務(wù)器，應(yīng)該進(jìn)行遠(yuǎn)程操作，一般情況下不進(jìn)行操作。
3）數(shù)據(jù)引擎與特定對(duì)象之間采用調(diào)用動(dòng)態(tài)聯(lián)接庫(kù)的辦法進(jìn)行通訊，針對(duì)不同的對(duì)象調(diào)用不同的動(dòng)態(tài)聯(lián)接庫(kù)。
根據(jù)上述三個(gè)特點(diǎn)及圖4.7 所示，數(shù)據(jù)引擎完成的功能主要是調(diào)用數(shù)據(jù)動(dòng)態(tài)連接庫(kù)。本文的智能故障診斷系統(tǒng)的數(shù)據(jù)引擎界面如圖4.8 所示：
數(shù)據(jù)引擎與特定對(duì)象之間采用調(diào)用動(dòng)態(tài)聯(lián)接庫(kù)的辦法進(jìn)行通訊，單擊“打開(kāi)數(shù)據(jù)收集器”，激活數(shù)據(jù)收集函數(shù)，進(jìn)入數(shù)據(jù)準(zhǔn)備收集狀態(tài)，單擊“開(kāi)始收集”，進(jìn)入數(shù)據(jù)收集狀態(tài)，收集“監(jiān)測(cè)采集系統(tǒng)”發(fā)送的數(shù)據(jù)并進(jìn)行數(shù)據(jù)再處理，再處理的目的是將“監(jiān)測(cè)采集系統(tǒng)”發(fā)送的數(shù)據(jù)處理后變?yōu)橥评頇C(jī)要求的數(shù)據(jù)，同時(shí)檢測(cè)故障診斷推理機(jī)的數(shù)據(jù)申請(qǐng)狀態(tài)，當(dāng)故障診斷推理機(jī)進(jìn)行故障診斷推理時(shí)，“數(shù)據(jù)引擎”將收集到的數(shù)據(jù)與專(zhuān)家知識(shí)庫(kù)中建立的系統(tǒng)模型輸入數(shù)據(jù)節(jié)點(diǎn)進(jìn)行對(duì)比，再按照推理引擎需要的特定數(shù)據(jù)格式將推理機(jī)需要的數(shù)據(jù)通過(guò)指定通訊協(xié)議傳遞給推理機(jī)。顯然，上述中所說(shuō)的動(dòng)態(tài)聯(lián)接庫(kù)（DLL調(diào)用函數(shù)）是關(guān)鍵的一環(huán)。在數(shù)據(jù)引擎的基礎(chǔ)上我們可以編制自己獨(dú)特的通訊接口或是保密的通訊接口。根據(jù)下表所述編制自己的DLL調(diào)用函數(shù)。
動(dòng)態(tài)連接庫(kù)的接口函數(shù)如下：
extern“C”__declspec(dllexport)bool__stdcall CreateContainer()；
主要用于初始化動(dòng)態(tài)連接庫(kù)所需的相關(guān)資源。返回值為是否成功的標(biāo)志。
extern“C”__declspec(dllexport)void__stdcall StartData()；
主要用于向動(dòng)態(tài)連接庫(kù)發(fā)一個(gè)開(kāi)始收集數(shù)據(jù)的信號(hào)。
extern“C”__declspec(dllexport)void__stdcall StopData()；
主要用于向動(dòng)態(tài)連接庫(kù)發(fā)一個(gè)停止收集數(shù)據(jù)的信號(hào)。
extern“C”_declspec(dllexport)char*__stdcall GetData(char*)；
這個(gè)函數(shù)最重要，主要用于主程序向DLL取數(shù)，其中的參數(shù)是指向DLL傳遞的數(shù)據(jù)點(diǎn)名稱(chēng)列表，形式為：
NAME1,NAME2,NAME3,……，
DLL向主程序返回的則是數(shù)據(jù)列表，形式為：
VALUE1,VALUE2,VALUE3,……，
主程序會(huì)按設(shè)定的一定的時(shí)間間隔調(diào)用這個(gè)函數(shù)來(lái)進(jìn)行取數(shù)。
例如：向DLL傳遞的數(shù)據(jù)點(diǎn)名稱(chēng)列
Tag__No1,Tag__No2,Tag__No3，……，
DLL返回的數(shù)據(jù)列表為：123.46,23.4,34,……，
extern“C”__declspec(dllexport)void__stdcall FreeConiainer()；
主要用于釋放動(dòng)態(tài)連接庫(kù)所需的相關(guān)資源。
4.5.3 網(wǎng)絡(luò)化診斷的應(yīng)用
網(wǎng)絡(luò)化遠(yuǎn)程故障診斷的實(shí)現(xiàn)，其關(guān)鍵是遠(yuǎn)程數(shù)據(jù)的傳送、存貯及數(shù)據(jù)交換處理。故障診斷系統(tǒng)遠(yuǎn)離故障設(shè)備現(xiàn)場(chǎng)，只要故障現(xiàn)場(chǎng)故障測(cè)試數(shù)據(jù)能即時(shí)通過(guò)網(wǎng)絡(luò)傳送到故障診斷系統(tǒng)中，故障診斷系統(tǒng)即能實(shí)現(xiàn)網(wǎng)絡(luò)化遠(yuǎn)程故障診斷。當(dāng)智能故障診斷中的推理機(jī)進(jìn)行推理時(shí)，通過(guò)數(shù)據(jù)引擎向動(dòng)態(tài)連接庫(kù)DLL函數(shù)申請(qǐng)數(shù)據(jù)，這些數(shù)據(jù)是推理時(shí)需要的故障特征參數(shù)變量值。動(dòng)態(tài)連接庫(kù)DLL函數(shù)則通過(guò)網(wǎng)絡(luò)直接從故障現(xiàn)場(chǎng)測(cè)試采集計(jì)算機(jī)中得到故障信息數(shù)據(jù)。數(shù)據(jù)傳送流程圖如圖4.9 所示。
根據(jù)流程圖可知，從故障測(cè)試數(shù)據(jù)到數(shù)據(jù)引擎，有兩種數(shù)據(jù)處理方式，一種是故障測(cè)試數(shù)據(jù)由數(shù)據(jù)采集系統(tǒng)采集后，可先進(jìn)行預(yù)處理，將故障信號(hào)數(shù)據(jù)處理為推理機(jī)所需的故障特征數(shù)據(jù)，然后發(fā)送出去，動(dòng)態(tài)連接庫(kù)DLL函數(shù)則通過(guò)網(wǎng)絡(luò)接收這些故障特征數(shù)據(jù)，同時(shí)對(duì)照推理機(jī)向數(shù)據(jù)引擎申請(qǐng)的故障特征變量，將申請(qǐng)的故障特征變量對(duì)應(yīng)的值找出，按數(shù)據(jù)引擎規(guī)定的格式反送給申請(qǐng)數(shù)據(jù)的推理機(jī)。另一種是故障測(cè)試數(shù)據(jù)由數(shù)據(jù)采集系統(tǒng)采集后，按一定格式直接發(fā)送出去，動(dòng)態(tài)連接庫(kù)DLL函數(shù)則通過(guò)網(wǎng)絡(luò)接收這些故障信息數(shù)據(jù)，然后再進(jìn)行數(shù)據(jù)預(yù)處理，將故障信息數(shù)據(jù)處理為推理機(jī)所需的故障特征數(shù)據(jù)，同時(shí)對(duì)照推理機(jī)向數(shù)據(jù)引擎申請(qǐng)的故障特征變量，將申請(qǐng)的故障特征變量對(duì)應(yīng)的值找出，再按數(shù)據(jù)引擎規(guī)定的格式反送給申請(qǐng)數(shù)據(jù)的推理機(jī)。
推理機(jī)得到數(shù)據(jù)引擎返回的特征數(shù)據(jù)后，按設(shè)定好的推理規(guī)則，進(jìn)行推理，完成網(wǎng)絡(luò)遠(yuǎn)程診斷。
4.6 傳動(dòng)裝置網(wǎng)絡(luò)化智能化診斷系統(tǒng)的集成
本文所用的網(wǎng)絡(luò)化、智能化故障診斷系統(tǒng)軟件由兩大部分組成。一部分是故障信號(hào)采集及數(shù)據(jù)預(yù)處理系統(tǒng)，另一部分是圖形化的智能診斷推理系統(tǒng)，兩部分是相互獨(dú)立的，要實(shí)現(xiàn)故障診斷的網(wǎng)絡(luò)化、智能化，必需將這兩部分集成為一個(gè)整體的系統(tǒng)，將數(shù)據(jù)采集、數(shù)據(jù)預(yù)處理、數(shù)據(jù)傳送及故障智能診斷融合為一個(gè)有機(jī)的整體，同時(shí)又保持這兩部分的相對(duì)獨(dú)立性。集成的目標(biāo)有以下幾個(gè)方面：
1）數(shù)據(jù)采集按原方式采集不變，數(shù)據(jù)的存貯方式不變；
2）方便用戶(hù)進(jìn)行二次開(kāi)發(fā)；
3）數(shù)據(jù)傳送可根據(jù)用戶(hù)的要求進(jìn)行選擇；
4）盡量減少用戶(hù)建立故障專(zhuān)家知識(shí)時(shí)的工作量；
5）數(shù)據(jù)處理中應(yīng)考慮使用特定變量名(變量名固定），以減少用戶(hù)編程工作量。
本文中用的集成系統(tǒng)，使用的數(shù)據(jù)傳送線路為圖4.8中線路1的方式。
4.6.1故障特征參數(shù)的獲取及傳送
故障診斷中，需要大量的故障特征數(shù)據(jù)，對(duì)于不同的故障，所需的故障特征不同，為了使集成后的系統(tǒng)能適用更多的設(shè)備故障診斷當(dāng)中，在進(jìn)行故障特征參數(shù)據(jù)的提取時(shí)，應(yīng)盡可能多地考慮各種故障所需的特征參數(shù)。
對(duì)于旋轉(zhuǎn)機(jī)械故障需提取特征參數(shù)有：
l）作為變量提取的頻率特征參數(shù)
1/5倍頻、1/3倍頻、l/4倍頻、l/2倍頻，0. 43～0.48倍頻，0.75倍頻，l倍頻、2倍頻、3倍頻、4倍頻、5倍頻、臨界轉(zhuǎn)速，renxuan，每個(gè)頻率值為一個(gè)值給出。其中renxuan作為可變倍頻參數(shù)，提取頻率特征參數(shù)時(shí)，renxuan變量用戶(hù)可根據(jù)自己的需要來(lái)設(shè)定renxuan的特征頻率值。例如需要嚙合頻率，則renxuan應(yīng)為轉(zhuǎn)頻的齒數(shù)倍。
2）振動(dòng)方向
徑向或軸向 用一個(gè)值。
3）振動(dòng)穩(wěn)定性
穩(wěn)定，較穩(wěn)定，突變后穩(wěn)定，不穩(wěn)定，反向移動(dòng)，反向跳動(dòng)突變，用一個(gè)值。
4）振動(dòng)軌跡
橢圓，雙環(huán)橢圓，不穩(wěn)定，雙橢圓或不規(guī)則，不規(guī)則擴(kuò)散，紊亂，用一個(gè)值。
5）矢量區(qū)域
不變，矢量起始點(diǎn)大，隨升速繼續(xù)增大，升速時(shí)矢量逐漸增大，穩(wěn)定運(yùn)行后矢量逐漸減小，突變，改變，分別用不同值表示。
6）敏感參數(shù)
振動(dòng)隨轉(zhuǎn)速變化，振動(dòng)隨負(fù)荷變化，振動(dòng)隨油溫變化，振動(dòng)隨流量變化，振動(dòng)隨壓力變化，各用一個(gè)值。
統(tǒng)計(jì)上述六種特征參數(shù)變量，共需21個(gè)變量，按用戶(hù)約定或自行設(shè)定此21個(gè)變量的變量名，并記錄在特征參數(shù)變量表中，以便查詢(xún)。
特征參數(shù)的提取在數(shù)據(jù)采集及預(yù)處理系統(tǒng)中完成，此系統(tǒng)按設(shè)定的采集時(shí)間，采集一組數(shù)據(jù)，處理一組數(shù)據(jù)并發(fā)送一組數(shù)據(jù)。
本文使用的數(shù)據(jù)發(fā)送方式是將特征參數(shù)的變量名與參數(shù)值組成字串，其形式為“D|變量名1＝值1，變量名2=值2，……，變量名n＝值n ,|^^^^”，采用TCP/IP加技術(shù)，建立stocket 連接，將故障特征參數(shù)傳送到服務(wù)器端口上。
4.6.2 動(dòng)態(tài)數(shù)據(jù)連接庫(kù)的程序設(shè)計(jì)及與推理平臺(tái)的連接
根據(jù)本文系統(tǒng)集成的要求，動(dòng)態(tài)數(shù)據(jù)連接庫(kù)的程序工作是進(jìn)行數(shù)據(jù)接收、搜索故障智能推理平臺(tái)所需要的特征參數(shù)的值，然后這些特征參數(shù)的值與故障智能推理平臺(tái)對(duì)應(yīng)的變量名組成新的字串，發(fā)送到故障智能推理平臺(tái)接收端上。
該程序應(yīng)嚴(yán)格按4.5.2中所述的格式編寫(xiě)。其中在GetData(char*）函數(shù)塊內(nèi)完成數(shù)據(jù)搜索及數(shù)據(jù)重組工作。程序設(shè)計(jì)時(shí)，應(yīng)選擇優(yōu)化的搜索方法，以減少搜索時(shí)間。
智能診斷推理平臺(tái)，在進(jìn)行故障診斷的推理時(shí)，采用定時(shí)的方式向動(dòng)態(tài)數(shù)據(jù)連接庫(kù)申請(qǐng)故障特征數(shù)據(jù)，其時(shí)間的設(shè)定可以根據(jù)用戶(hù)的需求設(shè)定，一般應(yīng)考慮數(shù)據(jù)采集及預(yù)處理所需的時(shí)間來(lái)設(shè)定申請(qǐng)數(shù)據(jù)的時(shí)間，否則，申請(qǐng)到的數(shù)據(jù)可能是與上次相同的數(shù)據(jù)。但也不能把時(shí)間設(shè)定的過(guò)長(zhǎng)，這樣當(dāng)數(shù)據(jù)端口堆棧過(guò)多時(shí)，新數(shù)據(jù)換掉舊數(shù)據(jù)，出現(xiàn)診斷數(shù)據(jù)漏診的現(xiàn)象。
智能診斷推理平臺(tái)向動(dòng)態(tài)數(shù)據(jù)連接庫(kù)申請(qǐng)的故障特征數(shù)據(jù)必須是采集預(yù)處理系統(tǒng)故障特征參數(shù)中有的數(shù)據(jù)，如果沒(méi)有，則動(dòng)態(tài)數(shù)據(jù)連接庫(kù)搜索不到該數(shù)據(jù)，返回的數(shù)據(jù)不足，則沒(méi)有診斷結(jié)果。如果故障推理所申請(qǐng)的故障特征數(shù)據(jù)在采集預(yù)處理系統(tǒng)故障特征參數(shù)中沒(méi)有，而且是必須的數(shù)據(jù)，則應(yīng)在動(dòng)態(tài)數(shù)據(jù)連接庫(kù)中的GetData(char*）函數(shù)塊內(nèi)進(jìn)行處理，得到故障推理所需要的數(shù)據(jù)。
4.6.3 診斷結(jié)果輸出平臺(tái)的設(shè)計(jì)
本文使用的智能故障診斷系統(tǒng)，在診斷推理的同時(shí)，將診斷結(jié)果發(fā)送到本機(jī)的Stocket端口上，端口數(shù)為2049，數(shù)據(jù)格式如下：
l）在建立Stocket連接時(shí)，傳送故障名和專(zhuān)家建議：
D|故障名1：專(zhuān)家建議1，故障名2：專(zhuān)家建議2，……，故障名n：專(zhuān)家建議n, ^^^^
2）診斷結(jié)果輸出：
R|Result1,Result2,……,Resultu,| ^^^^
根據(jù)給出的數(shù)據(jù)端口及數(shù)據(jù)格式，即可按用戶(hù)的要求設(shè)計(jì)診斷結(jié)果輸出平臺(tái)。診斷結(jié)果應(yīng)給出診斷故障的名稱(chēng)、故障發(fā)生的部位，故障發(fā)生的時(shí)間及程度。對(duì)于不同的故障，提示故障發(fā)生的可能原因，給出相應(yīng)的專(zhuān)家建議或維修方法等。圖4.10為本文集成系統(tǒng)的診斷結(jié)果輸出用戶(hù)界面。圖4.11為本文集成系統(tǒng)的專(zhuān)家知識(shí)庫(kù)建立及診斷推理平臺(tái)。
4.7 本章小結(jié)
本章在闡述了故障診斷的方法的基礎(chǔ)上，重點(diǎn)介紹的本文所使用的故障智能診斷系統(tǒng)的設(shè)計(jì)思想及組成，分析了智能診斷系統(tǒng)的組合推理原則和遠(yuǎn)程網(wǎng)絡(luò)診斷數(shù)據(jù)的傳遞原則，指出了本文智能診斷系統(tǒng)的數(shù)據(jù)通訊接口程序的設(shè)計(jì)方法和通用的動(dòng)態(tài)連接庫(kù)接口程序。在此基礎(chǔ)上，分析了網(wǎng)絡(luò)化、智能化診斷系統(tǒng)的集成方法及相應(yīng)的程序設(shè)計(jì)方法，并對(duì)本文使用的智能診斷系統(tǒng)進(jìn)行了集成。
