4.4.2 组合推理模块的设计
推理模块是一个隐藏于后台的推理计算模块，它的结构如图4.5，协调控制器用来管理各推理机的工作并协调推理执行器与专家知识输入引擎模块可知，对一示同的故障，其“数据层”、“故障现象层”、“故障原因层”及其它们之间的连线关系绝不相同，协调控制器就是将“数据层”、“故障现象层”、“故障原因层”及其它们之间的连线关系自动转化为推理进程关系，由推理执行器完成推理诊断工作。
（1）专家系统推理
按推理结论的不同，推理可分为精确
推理和不精确推理：按推理过程的不同，可分为正向推是、反向推理和混合推理。根据图形化专家知识库结构采用了正向不精确推理。
专家系统推理主要是从知识库所需的数据集合D={D1、D2、…、Dn}出发，根据知识库中每一数据点相应的一个或多个语义表达和数据范围，将获取实时数据与知识库中相应数据的语义表达和数据范围进行相似性分析，得出相似性系数的集合：
数据、参数的语义表达按专家的与、或规则便函形成了各种事件征兆集E={E1，E2，…，EK}，各种事件征兆集的输出信息为事件信息e={e1，e2，…，eK}。事件信息与数据、参数语义表达的相似性系数及规则的与、或表达密切相关，如E1的语义表达集为：
E1={（d11∧d25∨）（d32∧d48）}，则e1=max{min（s11,S25），min（s32,S48）}。
推理结果与征兆集之间采用网络连接模式，每根联线上有连接的权值信息，事件信息与权值信息通过运算关系得出推理结果。
根据推理结果，知识库相应地具有控制、处理措施，便构成了智能化系统的专家系统推理模式。
（2）模糊逻辑推理
模糊逻辑主要应用模糊规则库进行模糊逻辑关系运算最终得出推理结果，模糊规则库采用图4.6所示的专家知识库结构。首先对数据、参数进行模糊化处理，进入推理机的数据与参数，根据知识库中不同的语义表达，通过合理的选择与构造模糊隶属函数，得出相应的数据、参数在不同语义表达下的模糊隶属度。
式中“·”为模糊算子，采用Sup-T合成运算方法实现。
（3）神经网络推理
根据图4.6所示的专家知识结构，神经网络推理为五层结构。
第一层为数据参数语义表达层。每个数据或参数对应有若干语义表达，相应的连接权值为1，对于任意一个数据或参数输入Di,其第j条语义表达根据专家知识库存在着数据或参数的输入阈值θij，利用Sigmoid型神经元特性函数便可算出yij。
第二层为事件征兆层。根据专家知识库，若干个语义表达的集合便构成了一个事件，用连线及权值表达它们的关系，形成了k个事件。每个事件的输出同样根据相应的语义表达个数、连接权值、Sigmoid 神经元特性函数确定。对任意事件Ei，对应的语义表的集合为{d1、d2、…、dj}事件输出为：
式中：wk——连线权值；θk——偏置信号
第三层为推理结果层。每个事件输出Ei与推理结果Fj之间都有连线并赋有权值，参照模糊推理，推理结果为：
Fj=VΣEiωEiFj，其中：i=1，2，3，…，k；j=1，2，3，…，p???????????? （4.7）
推理算法确定后将进行推理方式选择，推理方式的选择有手动选择和自动选择两种。
手动选择主要根据具体对象和推理系统的运行状况来进行，在领域知识和定性知识缺乏的情况下，主要选择神经网络推理，或者选择神经网络与模糊逻辑推理的组合；在领域知识比较丰富和明确的情况下，主要选择专家系统推理，或者选择专家系统与模糊逻辑推理的组合，也可选择专家系统、模糊逻辑、神经网络推理同时运行；在对象特征参数语义表达丰富的情况下，主要选择模糊逻辑推理，或者选择模糊逻辑与专家系统推理的组合、模糊逻辑与神经网络推理的组合，也可选择专家系统、模糊逻辑、神经网络推理同时运行。当存在两个以上推理同时进行时，则进行推理结论的优化。
自动选择的推理方式是分别进行专家系统、模糊逻辑、神经网络的推理，各个推理结论通过优化决策后形成最终结论作为神经网络的样本进行学习，根据学习结果修改调整专家知识库，用于下一轮推理，如此不断地循环进行。推理结果优化：
推理结果会出现不一致问题，有时甚至矛盾。为此，采用了优化算法。
a.设计变量
令：推理要解决的问题：1、2、3、…、p个
模糊逻辑推理对问题的输出：Ff1、Ff2、Ff3、…、Ffp
神经网络推理对问题的输出：Fn1、Fn2、Fn3、…、Fnp
专家系统推理对问题的输出：Fe1、Fe2、Fe3、…、Fep
设计变量为：X={xf、xn、xe}
b.目标函数
c.约束条件
0≤xf≤1；0≤xn≤1； 0≤xe≤1；xf+xn+xe=1
d.根据目标函数与约束条件，求最优解。
分别求f（X）对xf、xn、xe的偏导数。由于目标函数为非线性函数，为避免多个局部最小指出现，采用约束变尺度法求解，最终求出优化后的xfh、xnh、xeh。
e.推理结果输出
求解问题1：xthFf1+xnhFn1+xehFe1
求解问题2：xfhFf2+xnhFn2+xehFe2
求解问题3：xthFf3+xnhFn3+xehFe3
……………………………………
求解问题P：xfhFfp+xnhFnp+xehFe
组合智能推理机系统巧妙地将三个推理引擎有机结合、并行运行，各个推理算法的优势，充分发挥各个推理算法的优势，克服其中的不足，使智能推理达到了高级水平。在实际推理过程中可灵活地选择其中的任意一种或两种推理方式来运行，也可采用三种推理同时运行。基于相关联系的系统，采用模糊推理算法；基于事件的系统，采用神经网络；基于规则的系统，采用规则转换算法。这三种推理模块同时存在、各尽其责，通过历史数据和在线强化学习达到优化这些模块内部的因素。
4.4.3 数据引擎模块的设计
数据引擎完成的功能主要是采集应用系统实时数据。将采样到的数据与贡平知识库中建立的系统模型输入节点进行对比，再按照推理引擎需要的特宇邻考赞式将输入数据通过指定通讯协议传递给推理机，因此数据输入引擎是系统是系统使用时实时系统与推理系统的数据联系通道，并且这种数据传递是利用灵活TCP/IP或串行通讯等方式进行传输，因此使用时，可以将数据采集系统与推理系统在IP相连的两个不同物理位置，增加系统构建的灵活性。综合的通讯模块使本系统能快速方便地与现场实时数据实现传递。同时，数据引擎还可完成数据的坝处理、数据记录与回放。
4.5 网络化远程诊断的应用
4.5.1 计算机网络技术的发展
随着计算机技术、计算机网络技术、多媒体技术和通信技术的迅速发展，远程信息数据的使用越来越方便，特别是INTERNET网的快速发展和使用，使得故障诊断远离故障现场，实现无地域和时间限制的远程故障诊断有了可能。
INTERNET是全世界最大的计算机互连网络，它是由美国APPANET发展和演化而来的。INTERNET的核心技术是TCP/IP协议和Web 技术，其中TCP/IP协议是实现互连网络和互操作性的关键，正是通过它，INTERNET 上的各种网络才得以互连并实现通信。
4.5.2 智能诊断系统数据通讯接口
本文的智能诊断系统数据通讯接口就是使用TCP/P协议，直接使用程序及开发工具所提供的环境和手段（如Winsock）来实现远程数据通信功能。该系统的通讯接口有以下三个特点：
l）整体结构是按分布式结构设计的，采用客户机/服务器的方式，数据服务器一旦设置好，就始终处于运行状态，推理机一旦需要申请数据，就向数据引擎提出数据请求表，数据引擎根据综合各个推理机的数据请求表向相应的对象提出数据请求，再将从对象得到数据分配给各推理机。具体结构如图4.7 所示。服务器与客户机之间采用TCP/IP 协议。
2）数据引擎使用的方式是一旦调试通过了，就让数据引擎一直运行，不再进行任何操作。可以把数据引擎看作一个数据服务器，应该进行远程操作，一般情况下不进行操作。
3）数据引擎与特定对象之间采用调用动态联接库的办法进行通讯，针对不同的对象调用不同的动态联接库。
根据上述三个特点及图4.7 所示，数据引擎完成的功能主要是调用数据动态连接库。本文的智能故障诊断系统的数据引擎界面如图4.8 所示：
数据引擎与特定对象之间采用调用动态联接库的办法进行通讯，单击“打开数据收集器”，激活数据收集函数，进入数据准备收集状态，单击“开始收集”，进入数据收集状态，收集“监测采集系统”发送的数据并进行数据再处理，再处理的目的是将“监测采集系统”发送的数据处理后变为推理机要求的数据，同时检测故障诊断推理机的数据申请状态，当故障诊断推理机进行故障诊断推理时，“数据引擎”将收集到的数据与专家知识库中建立的系统模型输入数据节点进行对比，再按照推理引擎需要的特定数据格式将推理机需要的数据通过指定通讯协议传递给推理机。显然，上述中所说的动态联接库（DLL调用函数）是关键的一环。在数据引擎的基础上我们可以编制自己独特的通讯接口或是保密的通讯接口。根据下表所述编制自己的DLL调用函数。
动态连接库的接口函数如下：
extern“C”__declspec(dllexport)bool__stdcall CreateContainer()；
主要用于初始化动态连接库所需的相关资源。返回值为是否成功的标志。
extern“C”__declspec(dllexport)void__stdcall StartData()；
主要用于向动态连接库发一个开始收集数据的信号。
extern“C”__declspec(dllexport)void__stdcall StopData()；
主要用于向动态连接库发一个停止收集数据的信号。
extern“C”_declspec(dllexport)char*__stdcall GetData(char*)；
这个函数最重要，主要用于主程序向DLL取数，其中的参数是指向DLL传递的数据点名称列表，形式为：
NAME1,NAME2,NAME3,……，
DLL向主程序返回的则是数据列表，形式为：
VALUE1,VALUE2,VALUE3,……，
主程序会按设定的一定的时间间隔调用这个函数来进行取数。
例如：向DLL传递的数据点名称列
Tag__No1,Tag__No2,Tag__No3，……，
DLL返回的数据列表为：123.46,23.4,34,……，
extern“C”__declspec(dllexport)void__stdcall FreeConiainer()；
主要用于释放动态连接库所需的相关资源。
4.5.3 网络化诊断的应用
网络化远程故障诊断的实现，其关键是远程数据的传送、存贮及数据交换处理。故障诊断系统远离故障设备现场，只要故障现场故障测试数据能即时通过网络传送到故障诊断系统中，故障诊断系统即能实现网络化远程故障诊断。当智能故障诊断中的推理机进行推理时，通过数据引擎向动态连接库DLL函数申请数据，这些数据是推理时需要的故障特征参数变量值。动态连接库DLL函数则通过网络直接从故障现场测试采集计算机中得到故障信息数据。数据传送流程图如图4.9 所示。
根据流程图可知，从故障测试数据到数据引擎，有两种数据处理方式，一种是故障测试数据由数据采集系统采集后，可先进行预处理，将故障信号数据处理为推理机所需的故障特征数据，然后发送出去，动态连接库DLL函数则通过网络接收这些故障特征数据，同时对照推理机向数据引擎申请的故障特征变量，将申请的故障特征变量对应的值找出，按数据引擎规定的格式反送给申请数据的推理机。另一种是故障测试数据由数据采集系统采集后，按一定格式直接发送出去，动态连接库DLL函数则通过网络接收这些故障信息数据，然后再进行数据预处理，将故障信息数据处理为推理机所需的故障特征数据，同时对照推理机向数据引擎申请的故障特征变量，将申请的故障特征变量对应的值找出，再按数据引擎规定的格式反送给申请数据的推理机。
推理机得到数据引擎返回的特征数据后，按设定好的推理规则，进行推理，完成网络远程诊断。
4.6 传动装置网络化智能化诊断系统的集成
本文所用的网络化、智能化故障诊断系统软件由两大部分组成。一部分是故障信号采集及数据预处理系统，另一部分是图形化的智能诊断推理系统，两部分是相互独立的，要实现故障诊断的网络化、智能化，必需将这两部分集成为一个整体的系统，将数据采集、数据预处理、数据传送及故障智能诊断融合为一个有机的整体，同时又保持这两部分的相对独立性。集成的目标有以下几个方面：
1）数据采集按原方式采集不变，数据的存贮方式不变；
2）方便用户进行二次开发；
3）数据传送可根据用户的要求进行选择；
4）尽量减少用户建立故障专家知识时的工作量；
5）数据处理中应考虑使用特定变量名(变量名固定），以减少用户编程工作量。
本文中用的集成系统，使用的数据传送线路为图4.8中线路1的方式。
4.6.1故障特征参数的获取及传送
故障诊断中，需要大量的故障特征数据，对于不同的故障，所需的故障特征不同，为了使集成后的系统能适用更多的设备故障诊断当中，在进行故障特征参数据的提取时，应尽可能多地考虑各种故障所需的特征参数。
对于旋转机械故障需提取特征参数有：
l）作为变量提取的频率特征参数
1/5倍频、1/3倍频、l/4倍频、l/2倍频，0.43～0.48倍频，0.75倍频，l倍频、2倍频、3倍频、4倍频、5倍频、临界转速，renxuan，每个频率值为一个值给出。其中renxuan作为可变倍频参数，提取频率特征参数时，renxuan变量用户可根据自己的需要来设定renxuan的特征频率值。例如需要啮合频率，则renxuan应为转频的齿数倍。
2）振动方向
径向或轴向??? 用一个值。
3）振动稳定性
稳定，较稳定，突变后稳定，不稳定，反向移动，反向跳动突变，用一个值。
4）振动轨迹
椭圆，双环椭圆，不稳定，双椭圆或不规则，不规则扩散，紊乱，用一个值。
5）矢量区域
不变，矢量起始点大，随升速继续增大，升速时矢量逐渐增大，稳定运行后矢量逐渐减小，突变，改变，分别用不同值表示。
6）敏感参数
振动随转速变化，振动随负荷变化，振动随油温变化，振动随流量变化，振动随压力变化，各用一个值。
统计上述六种特征参数变量，共需21个变量，按用户约定或自行设定此21个变量的变量名，并记录在特征参数变量表中，以便查询。
特征参数的提取在数据采集及预处理系统中完成，此系统按设定的采集时间，采集一组数据，处理一组数据并发送一组数据。
本文使用的数据发送方式是将特征参数的变量名与参数值组成字串，其形式为“D|变量名1＝值1，变量名2=值2，……，变量名n＝值n ,|^^^^”，采用TCP/IP加技术，建立stocket 连接，将故障特征参数传送到服务器端口上。
4.6.2 动态数据连接库的程序设计及与推理平台的连接
根据本文系统集成的要求，动态数据连接库的程序工作是进行数据接收、搜索故障智能推理平台所需要的特征参数的值，然后这些特征参数的值与故障智能推理平台对应的变量名组成新的字串，发送到故障智能推理平台接收端上。
该程序应严格按4.5.2中所述的格式编写。其中在GetData(char*）函数块内完成数据搜索及数据重组工作。程序设计时，应选择优化的搜索方法，以减少搜索时间。
智能诊断推理平台，在进行故障诊断的推理时，采用定时的方式向动态数据连接库申请故障特征数据，其时间的设定可以根据用户的需求设定，一般应考虑数据采集及预处理所需的时间来设定申请数据的时间，否则，申请到的数据可能是与上次相同的数据。但也不能把时间设定的过长，这样当数据端口堆栈过多时，新数据换掉旧数据，出现诊断数据漏诊的现象。
智能诊断推理平台向动态数据连接库申请的故障特征数据必须是采集预处理系统故障特征参数中有的数据，如果没有，则动态数据连接库搜索不到该数据，返回的数据不足，则没有诊断结果。如果故障推理所申请的故障特征数据在采集预处理系统故障特征参数中没有，而且是必须的数据，则应在动态数据连接库中的GetData(char*）函数块内进行处理，得到故障推理所需要的数据。
4.6.3 诊断结果输出平台的设计
本文使用的智能故障诊断系统，在诊断推理的同时，将诊断结果发送到本机的Stocket端口上，端口数为2049，数据格式如下：
l）在建立Stocket连接时，传送故障名和专家建议：
D|故障名1：专家建议1，故障名2：专家建议2，……，故障名n：专家建议n,^^^^
2）诊断结果输出：
R|Result1,Result2,……,Resultu,|^^^^
根据给出的数据端口及数据格式，即可按用户的要求设计诊断结果输出平台。诊断结果应给出诊断故障的名称、故障发生的部位，故障发生的时间及程度。对于不同的故障，提示故障发生的可能原因，给出相应的专家建议或维修方法等。图4.10为本文集成系统的诊断结果输出用户界面。图4.11为本文集成系统的专家知识库建立及诊断推理平台。
4.7 本章小结
本章在阐述了故障诊断的方法的基础上，重点介绍的本文所使用的故障智能诊断系统的设计思想及组成，分析了智能诊断系统的组合推理原则和远程网络诊断数据的传递原则，指出了本文智能诊断系统的数据通讯接口程序的设计方法和通用的动态连接库接口程序。在此基础上，分析了网络化、智能化诊断系统的集成方法及相应的程序设计方法，并对本文使用的智能诊断系统进行了集成。
上一页
下一页
