基于知識(shí)管理的設(shè)備故障智能診斷模型研究.pdf

1、設(shè)備維護(hù)與故障診斷是現(xiàn)代制造企業(yè)適應(yīng)全球化進(jìn)程的重要保障。先進(jìn)的設(shè)備維護(hù)與故障診斷模式研究及應(yīng)用將在保證企業(yè)生產(chǎn)的安全、有序進(jìn)行的同時(shí)，提高生產(chǎn)設(shè)備或裝置的可靠性與有效性。作為人工智能技術(shù)與傳統(tǒng)故障識(shí)別方法相結(jié)合的診斷維護(hù)模式，智能故障診斷(Intelligent Fault Diagnosis，IFD)能夠整合診斷維護(hù)知識(shí)的推理決策功能，通過(guò)診斷知識(shí)的高效管理和維護(hù)流程的動(dòng)態(tài)配置，實(shí)現(xiàn)診斷推理結(jié)果與維護(hù)決策的最優(yōu)化。
　　診斷維

2、護(hù)知識(shí)是智能故障診斷的核心資源和診斷維護(hù)過(guò)程的關(guān)鍵支撐要素。智能故障診斷通過(guò)有效地獲取、傳遞、處理、共享診斷信息，以智能化的診斷推理和靈活的診斷策略對(duì)監(jiān)控對(duì)象的運(yùn)行狀態(tài)及故障作出正確判斷與決策，從而提高診斷維護(hù)工作的質(zhì)量與效率，并為診斷維護(hù)知識(shí)資源的高效管理提供支持。為了有效提升智能故障診斷中的診斷維護(hù)知識(shí)管理水平，本文在國(guó)家高技術(shù)研究發(fā)展計(jì)劃(863計(jì)劃)項(xiàng)目“大型風(fēng)力發(fā)電機(jī)組狀態(tài)監(jiān)控與故障診斷技術(shù)研究”(項(xiàng)目編號(hào)：2009AA04Z

3、414)的資助下，對(duì)基于知識(shí)的智能故障診斷問(wèn)題進(jìn)行了深入系統(tǒng)的研究。
　　本文主要研究工作和創(chuàng)新性成果有
　　(1)結(jié)合診斷維護(hù)知識(shí)資源管理的需求，提出了基于知識(shí)的智能故障診斷(Knowledge-Orient Intelligent Diagnosis，KOID)模型。KOID模型以診斷維護(hù)本體為基礎(chǔ)，結(jié)合貝葉斯網(wǎng)絡(luò)、不確定性知識(shí)管理和傳感器網(wǎng)絡(luò)技術(shù)，實(shí)現(xiàn)了診斷維護(hù)知識(shí)的集成與推理，形成了以診斷維護(hù)過(guò)程為中心的智能維護(hù)模式

4、。對(duì)模型進(jìn)行了形式化定義，辨識(shí)了模型的組成要素；探討了模型的內(nèi)涵、特征和應(yīng)用；從工程實(shí)踐的角度設(shè)計(jì)了模型的體系結(jié)構(gòu)和支撐系統(tǒng)。
　　(2)針對(duì)現(xiàn)有的設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)應(yīng)用中存在的集成度不高、適應(yīng)性差和狀態(tài)數(shù)據(jù)利用率低等問(wèn)題，研究并建立了基于無(wú)線(xiàn)傳感器網(wǎng)絡(luò)的設(shè)備狀態(tài)監(jiān)測(cè)系統(tǒng)原型，其核心是設(shè)計(jì)基于超低功耗微控制單元的智能傳感器網(wǎng)絡(luò)節(jié)點(diǎn)；利用嵌入式處理器的信號(hào)分析能力進(jìn)行狀態(tài)數(shù)據(jù)的本地化處理和數(shù)據(jù)融合，實(shí)現(xiàn)數(shù)據(jù)采集與信號(hào)處理相結(jié)合的分布式

5、狀態(tài)監(jiān)測(cè)，形成具有初步自我分析診斷能力的狀態(tài)維護(hù)傳感器網(wǎng)絡(luò)。
　　(3)引入了診斷維護(hù)知識(shí)的本體語(yǔ)義表示方法。通過(guò)對(duì)設(shè)備結(jié)構(gòu)信息、維護(hù)經(jīng)驗(yàn)知識(shí)以及診斷行為過(guò)程建模，建立了本體驅(qū)動(dòng)的故障診斷推理模型。提出了設(shè)備運(yùn)行狀態(tài)與故障征兆之間的本體映射算法，并根據(jù)征兆空間到故障案例空間的映射關(guān)系進(jìn)行實(shí)例匹配，完成了靜態(tài)維護(hù)知識(shí)與動(dòng)態(tài)診斷過(guò)程的統(tǒng)一，從而為實(shí)現(xiàn)自動(dòng)化、智能化的故障診斷與維護(hù)決策奠定了基礎(chǔ)。
　　(4)提出一種本體語(yǔ)義表示與

6、貝葉斯網(wǎng)絡(luò)相結(jié)合的故障概率推理框架，構(gòu)建了基于本體的故障診斷貝葉斯網(wǎng)絡(luò) OntoDBN(Ontology-based Diagnostic Bayesian Networks，OntoDBN)。OntoDBN從異構(gòu)多源的維護(hù)診斷信息和非結(jié)構(gòu)化的專(zhuān)家經(jīng)驗(yàn)知識(shí)出發(fā)，建立診斷語(yǔ)義知識(shí)模型并進(jìn)行概率擴(kuò)展；利用貝葉斯分類(lèi)器實(shí)現(xiàn)異常工況識(shí)別，給出了基于最大可能解釋(Most Probable Explanation，MPE)的故障概率推理算法，從而

7、根據(jù)運(yùn)行工況、故障征兆和證據(jù)信息推理獲得故障診斷解釋。
　　(5)故障診斷與維護(hù)決策過(guò)程存在著大量的不確定性，針對(duì)這些不確定性提出了一種設(shè)備維護(hù)群組決策方法，在多源異構(gòu)的制造過(guò)程知識(shí)集成與建模基礎(chǔ)上，利用貝葉斯網(wǎng)絡(luò)和模糊層次分析法進(jìn)行診斷推理與故障成因分析，結(jié)合診斷專(zhuān)家的經(jīng)驗(yàn)知識(shí)給出了優(yōu)化的維護(hù)決策方案。
　　(6)為使KOID模型具有實(shí)踐指導(dǎo)意義，結(jié)合某石化企業(yè)的設(shè)備維護(hù)與故障診斷需求，設(shè)計(jì)開(kāi)發(fā)了基于 KOID模型的原型系