偶看新闻怪盗jokequeen喜欢谁:采煤机液压系统故障诊断专家系统
来源：百度文库 编辑：偶看新闻 时间：2024/05/09 09:34:30
采煤机液压系统故障诊断专家系统
摘要 建立了采煤机液压系统故障诊断专家系统——MGH-DBES。介绍了系统开发流程、知识获取、知识表示、知识推理及系统测试与评价等。
主题词 采煤机 液压系统 故障检测 诊断 专家系统
Fault Diagnositc Expert System for Shearer Hydraulic System
Chen Daolin
Jiangnan UniversityWuxi 214063
Ling Jiahang
Huainan Institute of Technology Huainan 232000
Abstract MGH-DBES, fault diagnostic expertise system for mining machine hydraulic system is established. This paper introduces system development process, knowledge acquiring, knowledge presentation, knowledge inference and testing and evaluation of the system.
Key words shearer hydraulic system fault detection diagnosis expertise system
采煤机液压系统故障是经常影响煤矿生产的重要问题之一。由于这种故障常具有复杂性和隐蔽性，一旦出现问题时，现场维修人员难以快速诊断出来。传统的诊断方法不仅诊断效率低，而且有时收效甚微。应用人工智能中的专家系统技术，不但利用了计算机处理信息的高速度，更重要的是采用了多方面专家处理故障诊断问题的综合经验。本文以MG-200采煤机液压系统为研究对象，利用开发工具DBEST建立了采煤机液压系统故障诊断专家系统——MGH-DBES。
1 系统开发流程
开发采煤机液压系统故障诊断专家系统软件MGH-DBES时，首先须确定开发任务并选择开发工具，这是专家系统建造的前提和系统成败的关键；知识获取与概念化处理是开发过程中最重要、艰难的工作；推理机制与控制策略设计是开发的中心环节。最后对系统进行测试、维护与评价，以期完善和提高，其建造流程如图1所示。
图1 MGH-DBES系统开发流程图
2 需求分析及开发工具的选定
2.1 需求分析
和一般的软件需求分析一样，我们首先要对软件的功能、结构的设计目标加以确定。
(1) 传播珍贵的高成本专门知识，汇集再现多专家联合进行采煤机液压系统故障诊断知识；
(2) 服务于煤矿采煤机维修人员，软件应能解决实际维修问题；
(3) 软件要便于扩充和修改，以便于以后开发出整机故障诊断专家系统和知识库维护；
(4) 要求界面友善，输入、输出应清晰明了，容错性高；
(5) 开发和用户界面最好在Windows下，支持鼠标输入。
2.2 开发工具的确定
选用合适开发专家系统的工具，可简化开发过程，缩短开发周期，降低开发成本。本文所研究的MG-200型采煤机液压系统故障诊断专家系统，根据需求分析，我们对开发工具的要求是：容量要大，适用性要强，推理方式多样化，可靠性高，可维护性要强等。经过多方调研，最终选定开发工具DBEST。
开发工具DBEST采用Borland C++3.1在windows环境下开发实现，是一个人机友善的综合开发环境，使工具软件达到一个较高水准。
3 故障知识获取
专家知识的丰富与准确程度直接关系到MGH-DBES解决问题水平的高低。知识获取的任务是研究如何把知识从专家的大脑中提取、总结出来，并保证知识间的一致性。鉴于此，我们采用了以下几种手段来完成。
(1) 查阅大量技术文献、专业期刊，熟悉MG-200采煤机液压系统工作的基本原理及故障诊断的专业术语等；
(2) 通过现场调研，深入到MG-200采煤机研制、制造和使用单位对该机可能出现的所有故障作全面了解；
(3) 与专家一起对知识工程师(由笔者担任)所获取知识的文字或表格形式的雏形知识库进行考核与评价，以不断扩充和完善知识库。
根据采煤机液压系统的特点以及从知识表示的方便与实用性出发，对其故障进行分类，该机液压系统故障总体结构示意图如图2所示。
图2 MG-200采煤机液压系统故障分类总体图
4 故障知识表示
由图2可看出，我们把MG-200采煤机液压系统故障从总体上划分为液压元件故障和液压回路故障。根据这两类故障的特点，MGH-DBES采取了两类不同的知识表示模式。
4.1 液压元件故障知识表示
在MGH-DBES中，采用分类框架知识表示形式来描述确定性的液压元件故障知识，并用它组织液压元件故障知识源。
分类框架知识表示用一组框架构成。框架间层次结构形式的故障诊断树形象地描述了元件故障诊断知识的逻辑流程图。故障树的每个框架表示框架编号、框架类型、框架内容、父框架编号、层次、解释类型、后继知识源编号。
系统液压元件故障按其元件的不同组织了10个知识源，以分别对应相应故障诊断树。图3所示为二值判断树的一例。
图3 油泵不排油或排量小二值判断树
4.2 液压回路故障知识表示
由于在实际的液压回路故障诊断中，故障症状与相应的故障源之间的关系具有复杂性，而且现场在描述某一回路的故障症状时常都是一些模糊性的阐述。MGH-DBES对此类知识采用模糊关系矩阵R来表示，并用它组织液压回路故障知识源。
模糊关系矩阵R是一个m×n矩阵。n代表某一系统回路中所有故障症状的数目，m代表相应故障源的数目，R表示了故障症状与故障源之间的一个模糊关系。其中R=［r[sub]ij[/sub]］[sub]m×n[/sub],i=1,2,…,m;j=1,2,…,n，0≤r[sub]ij[/sub]≤1。
r[sub]ij[/sub]表示某一系统回路发生单一症状时，各相关故障源检修时需重视的程度，本文定义为“故障源检修重要度”。这里用3个模糊化因素来确定，分别是：故障源隶属度w[sub]1[/sub]——故障症状发生时各相关故障源存在的可能性；故障源维修度w[sub]2[/sub]——故障源维修的难易程度；故障源危害度w[sub]3[/sub]——故障源对人、机器、生产所造成的危害程度。故障源检修重要度与3个模糊化因素之间的关系可以用数学公式r[sub]ij[/sub]=k[sub]1[/sub]w[sub]1[/sub]+k[sub]2[/sub]w[sub]2[/sub]+k[sub]3[/sub]w[sub]3[/sub]来表示。
其中k[sub]1[/sub],k[sub]2[/sub],k[sub]3[/sub]分别为w[sub]1[/sub],w[sub]2[/sub],w[sub]3[/sub]对应的权值，其值由专家评定；w[sub]1[/sub],w[sub]2[/sub],w[sub]3[/sub]值也由专家根据实际情况进行打分。
按照图2具体的液压回路，划分了6个知识源，分别对应6个相应的模糊关系矩阵。
5 推理机制的实现
专家解决实际问题能力的大小除了所获取知识的数量、质量以及转换成计算机可接受的程度之外，另外一点就是运用知识的能力即推理机制的形式。
5.1 液压元件故障推理
知识表示决定了知识推理。上文我们通过类框架模式完成了元件故障诊断逻辑流程图的知识表示，这里的推理采用了基于菜单的正向推理策略，即从树根(故障症状)找到树叶(故障源)的过程。
5.2 液压回路故障推理
上节通过模糊关系矩阵完成了液压回路故障知识的表示，这里的液压回路中发生故障症状寻找故障源的策略应用了模糊变换的方法。其形式为JD′=YD*R[sub]m×n[/sub]。其中YD为故障症状严重度，用一模糊向量YD=(YD[sub]1[/sub]，YD[sub]2[/sub]，…YD[sub]n[/sub])来表示(n为故障症状的数目)。R[sub]m×n[/sub]为模糊关系矩阵。JD′是模糊变换的结果，称为故障源检修综合重要度，定义如下：在某一液压回路中，根据多种(包括一种)故障症状所决定的，对同一故障源的不同故障源检修重要度共同叠加的结果。根据最大隶属度原则，可为维修决策提供依据。
“*”表示一定的推理算子。经多种算子分析比较，引入概率和算子(，[sup].[/sup])(例如：ab=a+b-ab,a[sup].[/sup]b=ab)
因为概率和算子具有单调增加、自封闭性及可交换性等优点，较好地模拟了采煤机液压系统故障诊断专家“先简单后复杂，由外到内”的诊断思维。
6 测试、维护与评价
作者简介
作者单位：
参考文献
1 林尧瑞等.专家系统原理与实践.北京：清华大学出版社，1998.
MGH-DBES采用自然语言输入、输出，人机界面良好，系统透明度高，易于对知识库进行修改与扩充。
现场抽样表明：MGH-DBES适用于MG-200采煤机液压系统故障诊断与维修决策，系统提供的诊断结果是有效的、维修决策是可行的。但系统诊断知识库还不算尽善尽美，有待更加英明的诊断专家同知识工程师密切配合来建成一个性能优良、使用范围广泛的多功能专家系统。陈道林，男，1973年生，工学硕士，现从事人工智能与机械故障诊断方面的教学与科研工作，已发表论文多篇。陈道林(江南大学(无锡214063)
凌家杭(淮南工业学院(淮南232000)
摘要 建立了采煤机液压系统故障诊断专家系统——MGH-DBES。介绍了系统开发流程、知识获取、知识表示、知识推理及系统测试与评价等。
主题词 采煤机 液压系统 故障检测 诊断 专家系统
Fault Diagnositc Expert System for Shearer Hydraulic System
Chen Daolin
Jiangnan UniversityWuxi 214063
Ling Jiahang
Huainan Institute of Technology Huainan 232000
Abstract MGH-DBES, fault diagnostic expertise system for mining machine hydraulic system is established. This paper introduces system development process, knowledge acquiring, knowledge presentation, knowledge inference and testing and evaluation of the system.
Key words shearer hydraulic system fault detection diagnosis expertise system
采煤机液压系统故障是经常影响煤矿生产的重要问题之一。由于这种故障常具有复杂性和隐蔽性，一旦出现问题时，现场维修人员难以快速诊断出来。传统的诊断方法不仅诊断效率低，而且有时收效甚微。应用人工智能中的专家系统技术，不但利用了计算机处理信息的高速度，更重要的是采用了多方面专家处理故障诊断问题的综合经验。本文以MG-200采煤机液压系统为研究对象，利用开发工具DBEST建立了采煤机液压系统故障诊断专家系统——MGH-DBES。
1 系统开发流程
开发采煤机液压系统故障诊断专家系统软件MGH-DBES时，首先须确定开发任务并选择开发工具，这是专家系统建造的前提和系统成败的关键；知识获取与概念化处理是开发过程中最重要、艰难的工作；推理机制与控制策略设计是开发的中心环节。最后对系统进行测试、维护与评价，以期完善和提高，其建造流程如图1所示。
图1 MGH-DBES系统开发流程图
2 需求分析及开发工具的选定
2.1 需求分析
和一般的软件需求分析一样，我们首先要对软件的功能、结构的设计目标加以确定。
(1) 传播珍贵的高成本专门知识，汇集再现多专家联合进行采煤机液压系统故障诊断知识；
(2) 服务于煤矿采煤机维修人员，软件应能解决实际维修问题；
(3) 软件要便于扩充和修改，以便于以后开发出整机故障诊断专家系统和知识库维护；
(4) 要求界面友善，输入、输出应清晰明了，容错性高；
(5) 开发和用户界面最好在Windows下，支持鼠标输入。
2.2 开发工具的确定
选用合适开发专家系统的工具，可简化开发过程，缩短开发周期，降低开发成本。本文所研究的MG-200型采煤机液压系统故障诊断专家系统，根据需求分析，我们对开发工具的要求是：容量要大，适用性要强，推理方式多样化，可靠性高，可维护性要强等。经过多方调研，最终选定开发工具DBEST。
开发工具DBEST采用Borland C++3.1在windows环境下开发实现，是一个人机友善的综合开发环境，使工具软件达到一个较高水准。
3 故障知识获取
专家知识的丰富与准确程度直接关系到MGH-DBES解决问题水平的高低。知识获取的任务是研究如何把知识从专家的大脑中提取、总结出来，并保证知识间的一致性。鉴于此，我们采用了以下几种手段来完成。
(1) 查阅大量技术文献、专业期刊，熟悉MG-200采煤机液压系统工作的基本原理及故障诊断的专业术语等；
(2) 通过现场调研，深入到MG-200采煤机研制、制造和使用单位对该机可能出现的所有故障作全面了解；
(3) 与专家一起对知识工程师(由笔者担任)所获取知识的文字或表格形式的雏形知识库进行考核与评价，以不断扩充和完善知识库。
根据采煤机液压系统的特点以及从知识表示的方便与实用性出发，对其故障进行分类，该机液压系统故障总体结构示意图如图2所示。
图2 MG-200采煤机液压系统故障分类总体图
4 故障知识表示
由图2可看出，我们把MG-200采煤机液压系统故障从总体上划分为液压元件故障和液压回路故障。根据这两类故障的特点，MGH-DBES采取了两类不同的知识表示模式。
4.1 液压元件故障知识表示
在MGH-DBES中，采用分类框架知识表示形式来描述确定性的液压元件故障知识，并用它组织液压元件故障知识源。
分类框架知识表示用一组框架构成。框架间层次结构形式的故障诊断树形象地描述了元件故障诊断知识的逻辑流程图。故障树的每个框架表示框架编号、框架类型、框架内容、父框架编号、层次、解释类型、后继知识源编号。
系统液压元件故障按其元件的不同组织了10个知识源，以分别对应相应故障诊断树。图3所示为二值判断树的一例。
图3 油泵不排油或排量小二值判断树
4.2 液压回路故障知识表示
由于在实际的液压回路故障诊断中，故障症状与相应的故障源之间的关系具有复杂性，而且现场在描述某一回路的故障症状时常都是一些模糊性的阐述。MGH-DBES对此类知识采用模糊关系矩阵R来表示，并用它组织液压回路故障知识源。
模糊关系矩阵R是一个m×n矩阵。n代表某一系统回路中所有故障症状的数目，m代表相应故障源的数目，R表示了故障症状与故障源之间的一个模糊关系。其中R=［r[sub]ij[/sub]］[sub]m×n[/sub],i=1,2,…,m;j=1,2,…,n，0≤r[sub]ij[/sub]≤1。
r[sub]ij[/sub]表示某一系统回路发生单一症状时，各相关故障源检修时需重视的程度，本文定义为“故障源检修重要度”。这里用3个模糊化因素来确定，分别是：故障源隶属度w[sub]1[/sub]——故障症状发生时各相关故障源存在的可能性；故障源维修度w[sub]2[/sub]——故障源维修的难易程度；故障源危害度w[sub]3[/sub]——故障源对人、机器、生产所造成的危害程度。故障源检修重要度与3个模糊化因素之间的关系可以用数学公式r[sub]ij[/sub]=k[sub]1[/sub]w[sub]1[/sub]+k[sub]2[/sub]w[sub]2[/sub]+k[sub]3[/sub]w[sub]3[/sub]来表示。
其中k[sub]1[/sub],k[sub]2[/sub],k[sub]3[/sub]分别为w[sub]1[/sub],w[sub]2[/sub],w[sub]3[/sub]对应的权值，其值由专家评定；w[sub]1[/sub],w[sub]2[/sub],w[sub]3[/sub]值也由专家根据实际情况进行打分。
按照图2具体的液压回路，划分了6个知识源，分别对应6个相应的模糊关系矩阵。
5 推理机制的实现
专家解决实际问题能力的大小除了所获取知识的数量、质量以及转换成计算机可接受的程度之外，另外一点就是运用知识的能力即推理机制的形式。
5.1 液压元件故障推理
知识表示决定了知识推理。上文我们通过类框架模式完成了元件故障诊断逻辑流程图的知识表示，这里的推理采用了基于菜单的正向推理策略，即从树根(故障症状)找到树叶(故障源)的过程。
5.2 液压回路故障推理
上节通过模糊关系矩阵完成了液压回路故障知识的表示，这里的液压回路中发生故障症状寻找故障源的策略应用了模糊变换的方法。其形式为JD′=YD*R[sub]m×n[/sub]。其中YD为故障症状严重度，用一模糊向量YD=(YD[sub]1[/sub]，YD[sub]2[/sub]，…YD[sub]n[/sub])来表示(n为故障症状的数目)。R[sub]m×n[/sub]为模糊关系矩阵。JD′是模糊变换的结果，称为故障源检修综合重要度，定义如下：在某一液压回路中，根据多种(包括一种)故障症状所决定的，对同一故障源的不同故障源检修重要度共同叠加的结果。根据最大隶属度原则，可为维修决策提供依据。
“*”表示一定的推理算子。经多种算子分析比较，引入概率和算子(，[sup].[/sup])(例如：ab=a+b-ab,a[sup].[/sup]b=ab)
因为概率和算子具有单调增加、自封闭性及可交换性等优点，较好地模拟了采煤机液压系统故障诊断专家“先简单后复杂，由外到内”的诊断思维。
6 测试、维护与评价
作者简介
作者单位：
参考文献
1 林尧瑞等.专家系统原理与实践.北京：清华大学出版社，1998.
MGH-DBES采用自然语言输入、输出，人机界面良好，系统透明度高，易于对知识库进行修改与扩充。
现场抽样表明：MGH-DBES适用于MG-200采煤机液压系统故障诊断与维修决策，系统提供的诊断结果是有效的、维修决策是可行的。但系统诊断知识库还不算尽善尽美，有待更加英明的诊断专家同知识工程师密切配合来建成一个性能优良、使用范围广泛的多功能专家系统。陈道林，男，1973年生，工学硕士，现从事人工智能与机械故障诊断方面的教学与科研工作，已发表论文多篇。陈道林(江南大学(无锡214063)
凌家杭(淮南工业学院(淮南232000)