本文關(guān)鍵詞：基于人工智能方法的復(fù)雜過程故障診斷技術(shù)，由筆耕文化傳播整理發(fā)布。

2002年7月第9卷第4期

文章編號(hào):100523662(2002)0420001206

控制工程

ControlEngineeringofChinaJul.2002Vol.9,No.4

基于人工智能方法的復(fù)雜過程故障診斷技術(shù)

桂衛(wèi)華,劉曉穎

(中南大學(xué)信息科學(xué)與工程學(xué)院,湖南　摘　　　要:由于復(fù)雜過程因素多,波動(dòng)大,,,傳統(tǒng)的故障診斷方法

很難取得令人滿意的結(jié)果。,研究適合復(fù)識(shí)獲取、。最后對(duì)基于人工智能方法的復(fù)雜過程故障診斷技術(shù)。關(guān)　鍵;;故障診斷;機(jī)器學(xué)習(xí)中圖分類號(hào)　　　文獻(xiàn)標(biāo)識(shí)碼:A

1　引　言

復(fù)雜過程是指石油、化工、冶金、輕工、紡織、制藥、建材等具有復(fù)雜的對(duì)象、環(huán)境和任務(wù)的工業(yè)生產(chǎn)過程,研究復(fù)雜過程的故障診斷方法[1,2],對(duì)于保證生產(chǎn)流程的安全穩(wěn)定運(yùn)行,提高企業(yè)的經(jīng)濟(jì)效益具有重要的實(shí)際意義。由于生產(chǎn)過程本身結(jié)構(gòu)的復(fù)雜性、參數(shù)和結(jié)構(gòu)的不確定、機(jī)理的復(fù)雜性、動(dòng)態(tài)特性、時(shí)變、強(qiáng)耦合嚴(yán)重、開放性、建模的復(fù)雜性,其所處的復(fù)雜環(huán)境具有的干擾的動(dòng)態(tài)性與不確定性、非良定結(jié)構(gòu),以及其復(fù)雜任務(wù)帶來的多目標(biāo)優(yōu)化和工業(yè)控制的綜合自動(dòng)化,使得故障性質(zhì)[3]主要表現(xiàn)為以下幾個(gè)方面。

①層次性　復(fù)雜過程的結(jié)構(gòu)可以劃分為系統(tǒng)、子系統(tǒng)、部件、元件等各個(gè)層次,從而形成其功能的層次性,因而故障的產(chǎn)生對(duì)應(yīng)于過程的不同層次表現(xiàn)出層次性。②時(shí)間性　故障的產(chǎn)生與表現(xiàn)常常與時(shí)間有關(guān),以及由其運(yùn)動(dòng)的動(dòng)態(tài)性所決定,如漸進(jìn)性故障、間歇性故障等。③相關(guān)性　由于復(fù)雜過程是若干相互聯(lián)系的子系統(tǒng)組成的整體,某些子系統(tǒng)的故障經(jīng)常是由與之相關(guān)的子系統(tǒng)或下一級(jí)子系統(tǒng)的故障傳播所致,從而表現(xiàn)出相關(guān)性。④模糊性　系統(tǒng)運(yùn)行狀態(tài)中的模糊性,以及人們?cè)跔顟B(tài)監(jiān)測(cè)和技術(shù)診斷中存在著敘談模糊的概念及方法。⑤隨機(jī)性　故障的發(fā)生常常與時(shí)間緊密相關(guān)的隨機(jī)過程有關(guān)。⑥放射性　某一

部位的故障本身征兆不明顯,卻引起其他部位的

故障。⑦延時(shí)性　指故障的發(fā)生、發(fā)展和傳播時(shí)間的延遲。⑧不確定性　既不是由于故障描述的模糊性引起,也不是因隨機(jī)性而產(chǎn)生,而是由于人為主觀條件限制,在故障產(chǎn)生后,不能準(zhǔn)確說明其發(fā)生的部位與原因,而它又確實(shí)已經(jīng)存在,只是因條件不足我們不能完全感知。⑨相對(duì)性　故障的產(chǎn)生與一定的條件和環(huán)境有關(guān),不同條件和環(huán)境下的故障表現(xiàn)以及對(duì)其描述與劃分存在不一致性,如不同的描述方法故障的程度就不同。

由于以上故障特性,現(xiàn)有的故障診斷理論和技術(shù)正面臨著復(fù)雜過程的復(fù)雜性帶來的嚴(yán)峻挑戰(zhàn)[4]。對(duì)于復(fù)雜過程的故障診斷,至今還沒有十分行之有效的方法[5]。由于復(fù)雜過程的功能單元很多,各單元及其組合都可能產(chǎn)生故障,其數(shù)量是巨大的,很難對(duì)其進(jìn)行狀態(tài)描述和模擬各種故障情況。因此,如果采用傳統(tǒng)的推理檢測(cè)方法進(jìn)行故障診斷,難以實(shí)時(shí)判別出故障原因。并且復(fù)雜過程中的制約因素很多,最終一個(gè)故障的形成往往是眾多因素造成的結(jié)果,而各因素之間既有十分復(fù)雜的聯(lián)系,又各自對(duì)最終故障貢獻(xiàn)的“權(quán)重”十分模糊。因而無法用精確的狀態(tài)模型進(jìn)行表示。如果采用一些常規(guī)的化簡(jiǎn)方法,又不能如實(shí)反映出復(fù)雜過程的本身特性。建立在數(shù)學(xué)模型基礎(chǔ)上的故障診斷方法一個(gè)重要的問題就是要求實(shí)際系統(tǒng)有精確的數(shù)學(xué)模型,但是實(shí)際系統(tǒng)中的

收稿日期:2002-06-10

作者簡(jiǎn)介:桂衛(wèi)華(1950-),男,湖北襄樊人,教授,博士生導(dǎo)師,主要從事復(fù)雜過程建模、優(yōu)化、故障診斷技術(shù)和流程工業(yè)綜合自動(dòng)

化技術(shù)等方面的教學(xué)與科研工作。

  本文關(guān)鍵詞：基于人工智能方法的復(fù)雜過程故障診斷技術(shù)，，由筆耕文化傳播整理發(fā)布。