D0I:10.13374/j.issn1001-053x.1993.06.009 第15卷第6期 北京科技大学学报 Vol.15 No.6 199312 Journal of University of Science and Technology Beijing Dec.1993 建立实用故障诊断专家系统知识库的新方法+ 高立新”徐金梧* 摘要:本文在建立顶测树的基础上,首次提出将图形化规则语言与预测树技术相结合。使用这种 方法,可以方便而有效地建造现场诊断知识库。并以建立轴承疲劳试验故障诊断专家系统知识库 为例,说明了其具体应用. 关键词:专家系统,知识库,图形化规则语言,上下文树,轴承 中图分类号:TP18,TH133.33 New Method to Building up Knowledge Base of Practical Failure Diagnosis Expert System Guo Lixin来Xu jinwu* ABSTRACT:Puts forword combination of graphical rule language with the technology of fore- cast tree analysis on the basis of the construction of the forecast tree.By means of this meth- od,knowledge base of expert system can be constructed conveniently and efficiently.An example in order to explain how to build up a knowledge base of the bearing failure diagnosis ES is given. KEY WORDS:expert system,knowledge base,graphical rule language,context tree,bearing 本文首次提出将建立专家系统的图形化规则语言与预测树技术相结合,方便而高质量地 建造现场诊断人员的知识库。利用预测树,不仅可以将本部门以往丰富的五官诊断经验系统 化,还可以充分利用和积累使用诊断仪器以后所得到的信息:同时也极有利于同专业人员的 交流,加速诊断工作的进展。借助于图形化规则语言,可以很容易地把预测树转变为专家系 统所需要的知识库,在用PROLOG语言或C语言实现时,不仅严谨、简洁、也可以在屏幕 上得到直观的预测树图象,极为实用方便。 1预测树 本文提出的预测树,受到故障树分析技术的启发、但又与故障树性质不同。文献中所见 到的故障树都属于故障分析型,它适用于分析某种故障产生的原因。注意到这里的故障通常 是已知的,也就是说,已知某种故障的存在,通过故障树分析,进一步查找原因。它是事后 199奶-06一21收稿第一作者:男,40岁,博上生 +本课题为中德合作项目 ·机械工程系(Department of Mechanical Engineering)
第 15 卷 第 6 期 19 9 3 年 12 月 北 京 科 技 大 学 学 报 oJ l l r n a l o f U n i v e巧 it y o f S a e n ce a dn , eI ch n o l o g y Be ij 谊g V o l . 15 N o . 6 】为叉 . 1 9 9 3 建立实 用 故 障诊断专家 系 统知识库 的新方法 + - 高立新 肠 徐 金梧 份 摘要 : 本文在建 立预测树的基础上 , 首 次提 出将 图形 化规则语言与 预侧树技术相 结合 . 使用这 种 方法 , 可 以方便而有效地 建造现场诊 断知识 库 . 并以 建立轴承疲劳试较故障诊断专家系统知识库 为例 , 说明 了其具体应 用 . 关健词 : 专家 系统 , 知 识库 . 图形化规则语 言 , 上下 文树 , 轴承 中圈分类号 : T P 18 , T H 1 3 3 · 33 Ne w M e t l扣d ot B iul d ign u P K力o iw de ge B以s e o f P ar ict ca F a il ure iD a g n o s is E x pe rt S ” tem 十 血 0 L ix 认 * Xu j 认洲 * A R 亨n U匡1 : Pu ts of ~ 记 co m b in a t io n o f g al P h iaC l n 习e al n小班g e iw ht t h e teC h n o l o 盯 o f of re - cas t t代” a an l梦台 o n hte b as is of ht e co 批往u 以沁n of t he of n 沉习 s t t 代笼 . 街 m 巴玉ns of ht is m d h - 。 d , k no wl de ge b ase of ex pe lt s声t er n ca n be co ns tr u o de co n Mel ” e n 吻 a dn 日币d en d y . nA aex m P le 运o dr er ot e x P al in ho w ot b回d u P a k n o wl de g e b ase o f ht e b , 而 9 af il , d认 gn o s is E S 15 g i ven . K E Y W O R I巧 : xe p ert s sy et m , k no w le d ge b 砚记 , g ar p h ica l ur le h n g au g e , 。 n ext t t找兄 , 伙么 n n g 本文 首次提 出将建立 专 家系统 的 图形化规 则语言 与预测 树技 术相 结 合 , 方 便而 高 质量地 建造现场诊 断人 员 的知 识库 . 利用 预测 树 , 不仅可 以 将本部 门以 往 丰富 的五官 诊 断经 验 系统 化 , 还可 以充分利用 和积累使用诊 断仪器 以 后所得 到 的信息 ; 同时也 极有 利于 同专业 人 员的 交流 , 加 速诊断 工作 的进展 . 借助 于 图形 化规 则语 言 , 可 以 很容易地 把 预测树转 变 为专家系 统所 需要 的 知 识库 , 在 用 P R O L O G 语言或 C 语 言实 现时 , 不仅 严谨 、 简洁 、 也 可 以 在屏 幕 上 得到 直观 的 预测 树图象 , 极 为实用 方便 。 1 预测树 本 文提 出的预 测 树 , 受到 故障树分 析技 术 的启 发 、 但又 与故 障树性质 不同 。 文献 中所 见 到的故 障 树都属于 故 障分 析型 , 它适 用 于分 析某 种 故障 产生 的原 因 。 注意 到这 里 的故 障通常 是 已 知 的 , 也 就是 说 , 已 知某 种故 障的存在 , 通 过 故障 树分 析 , 进一 步查 找 原 因 。 它 是事后 1 叨3 一 伪 一 2 1 收稿 第 一作 者: 男 , 40 岁 . 博 士 生 + 本课 题为 中德 合作项 目 . 机械工 程 系 (氏p叭~ t of M ec ha n i司 E n ig n e ir ng ) DOI: 10. 13374 /j . issn1001 -053x. 1993. 06. 009
Vol.15 No.6 高立新等:建立实用故障诊断专家系统知识库的新方法 ·587 分析时所用的逻辑树、是一种从结果到原因的逻辑树。 本文所提出的预测树,故障是未知的,通过已知的、可以观察到的现象来预测将要发生 的故障,而并不去追究故障产生的原因。显然,它适用于状态监测和故障诊断工作。 两种树与故障的关系如图1所示、可以根据不同需要,将这两种树分开使用或结合在一 起使用(例如,先通过预测树确定故障,再由分析型故障树查找原因)。 预测树所使用的符号,与故障树中所用符号意义相同。和故障树一样,预测树也是一个 逻辑图,人们所不期望的主要事件位于树的顶部、称为“顶部事件”。因果体系的逻辑关系 通过一系列相连的直线和符号表达出来。顶部事件和中间事件用矩形框表示,而圆圈则表示 那些底事件。门式符号“OR”和“AND”用于表示布尔(Boolean)逻辑关系。可以看到, 预测树描绘出产生故障时所有可以观察到的现象,很像一个家谱图。 图2所示预测树是由状态监测(初步预测)子树与故障诊断(精密预测)子树复合而 成。这2棵树既可以单独使用,又可以同时使用,十分灵活。通常,为了避免耗费不必要 的人力、物力,满足现场使用的需要,使用者可利用状态监测子预测树先作初步预测,判断 轴承处于何种状态、是正常还是不正常,如同医生首先对病人进行量体温等初步检查一样, 为下一步行动提供信息。若有必要,再作故障诊断。此时,常用振动诊断的方法,如有条 件,最好使用2种或2种以上不同的检测方法,如温度检测与振动检测、噪声检测与振动检 测等(图36)。 图3是图2所示2个中间事件“状态监测”与“故障诊断”的细化。图2底事件的含 义为:①位移特征值超过阀值:②速度特征值超过阀值;③加速度特征值超过阀值:④解 调谱时域波形异常;⑤滤波谱时域波形异常;⑥频域图异常,⑦噪声异常(声级计);⑧ 声音异常(五官诊断);⑨温度异常,图3b、3c中底事件的含义为:①故障倒谱及谐波; ②能量比值异常:③边频一般可见;④谐波幅值依次下降:⑤边频显著可见;⑥滤波谱 故障特征频率;⑦滤波谱故障特征频率及谐波;⑧解调谱故障特征频率;⑨解调谱故障特 征频率及谐波;D~⑧分别为KURT、RMS、MAX超过阀值和时域波形异常 机床主轴箱 机械性扭坏a A 预测树 预测 故障 分析 故障树 秋态监测 故摩诊断 (初步预测)儿 (精密预测)。 图1预测树、故障树和故障的关系 图2预测树中间事件 Fig.1 Forecast tree.fault tree and fault relation Fig.2 Middle events of forecast tree 由图3阳可见,状态监测子预测树是“O(或)门”,也就是说,任意使用一种检测手段 即可。至于用何种适宜,要视使用者所处的环境而定,并考虑设备类型、诊断设备投资、诊 断人员素质等因素。目前,我国大多数机械制造企业或其他行业的企业常常只能进行一种方 式的(常用的是振动)检测,故状态监测这一部分有很大的实用价值,根据笔者的体会,供应仪器 的厂家常会提供一些资料(包括用户使用案例、基本判据等),应充分利用之。例如,使用 者购买的是SPM类型的脉冲仪,就可以利用它的《常见冲击脉冲波形图及轴承工作状态的
Vo l . 15 N 〔〕 . 6 高 立新 等 : 建立 实用 故障诊断 专家系 统知 识库的新方法 分 析时所 用 的逻辑树 , 是 一 种 从结 果到 原 因的逻 辑树 。 本文 所提 出的 预测 树 , 故 障是 未知 的 , 通 过 已 知 的 、 可 以 观 察到 的现象 来预 测将 要发生 的 故障 , 而并 不 去追 究 故 障产 生的原 因 。 显然 , 它适用 于状 态监测和 故障 诊断工 作 。 两种 树 与 故障 的关 系 如 图 1 所示 , 可 以 根据 不 同需要 , 将这 两种 树分 开使用或 结合 在一 起使 用 ( 例如 , 先通 过 预测 树确定故 障 , 再由分 析型 故障 树查 找原 因 ) 。 预测 树所使 用 的符 号 , 与故 障树 中所用符号意 义相 同 。 和 故 障树 一样 , 预测 树也是一 个 逻辑 图 , 人们所不期 望 的 主要事 件位 于 树的顶 部 , 称为 “ 顶 部 事件 ” 。 因 果体 系 的 逻辑 关系 通过 一 系列相 连的直 线 和 符号表 达 出来 。 顶部事件 和 中间事 件 用矩 形框表 示 , 而 圆 圈则表示 那些 底事 件 。 门式符 号 “ O R ” 和 “ A N D ” 用于 表 示 布 尔 (B o o lea n) 逻 辑 关 系 。 可 以 看 到 , 预测 树描绘 出产生故 障 时 所有可 以 观 察到 的现 象 , 很像 一 个家谱图 。 图 2 所 示预测 树 是 由状 态监 测 (初 步 预 测 ) 子 树与 故 障诊 断 (精 密预 测 ) 子 树复 合 而 成 。 这 2 棵树既 可以 单 独使用 , 又 可 以 同 时使 用 , 十分灵 活 。 通 常 , 为 了 避免 耗 费 不必 要 的 人力 、 物力 , 满足 现 场使用 的需 要 , 使 用者可 利 用状态监 测 子预测 树 先作初 步 预测 , 判 断 轴承处于 何种状态 、 是 正 常还是 不正 常 , 如 同 医生 首先 对病 人进 行量 体 温 等 初 步 检 查 一 样 , 为下一 步 行动提供信 息 。 若 有必要 , 再 作 故 障 诊断 。 此时 , 常 用振动 诊 断 的方 法 , 如有 条 件 , 最好 使用 2 种 或 2 种 以上 不 同 的检测方 法 , 如 温度检测 与振 动检 测 、 噪声 检 测 与振动 检 测等 ( 图 3b ) 。 图 3 是 图 2 所示 2 个 中 间事件 “ 状 态监 测 ” 与 “ 故 障 诊 断 ” 的 细 化 。 图 a2 底 事 件 的含 义 为 : ① 位移 特征 值超过 阀值; ② 速 度特征值超过 阀值 ; ③ 加 速度 特征 值超 过阀值 ; ④ 解 调谱时域波 形异 常 ; ⑤ 滤波 谱时域波 形异 常 ; ⑥ 频域 图异 常 ; ⑦ 噪 声 异 常 (声 级计 ) ; ⑧ 声音异 常 ( 五官诊断 ) ; ⑨ 温度 异 常 , 图 3b 、 3 c 中底 事 件 的 含 义 为 : ① 故 障 倒 谱 及 谐 波 ; ② 能 量 比 值异 常 ; ③ 边 频一 般可见 ; ④ 谐 波幅 值依 次 下 降; ⑤ 边 频 显 著 可 见 ; ⑥ 滤 波 谱 故障特 征频率 ; ⑦ 滤波 谱故 障特征频 率及 谐波 ; ⑧ 解 调谱 故 障特 征频 率 ; ⑨ 解 调 谱故 障特 征频率及 谐波 ; L 一L 分 别 为 K U R T 、 R M S 、 M A X 超过 阀值和 时域 波形 异 常 预测树 故障 故障树 机床主 轴箱 机械性 损坏 。 状态监 侧 故障诊断 ( 初步预 侧 ) b ( 精密预测 )c 图 1 预测树 、 故 障树和 故障的关 系 瑰 . I R 冲“ 卫成 。℃e 、 血utI 臼笼犯 a 闭 自utI 代 I a 垃抽 . 图 2 预测树 中间事件 】布9 . 2 凡】油kI e , 印七 of fo 比。 成 。锐 由图 a3 可 见 , 状态监测 子 预测树 是 “ O R ( 或 ) 门 ” , 也就是 说 , 任意使 用一 种检 测 手 段 即可 。 至于 用何 种适宜 , 要 视使 用者 所处的环境 而 定 , 并 考虑设 备类型 、 诊 断设备投资 、 诊 断人员 素质等 因素 。 目前 , 我国大 多 数机械 制造 企 业或其他 行 业的企业 常常 只能 进行一种 方 式 的 (常用的是 振动 ) 检测 , 故状态 监测 这一部 分有 很大 的实用价值 , 根据 笔者的体会 , 供应仪器 的厂家 常会提 供 一些 资 料 ( 包括用户 使用案 例 、 基 本判 据等 ) , 应 充分利 用之 。 例 如 , 使 用 者购买 的是 S P M 类 型 的脉 冲仪 , 就可 以利 用它 的 《常 见冲 击脉 冲波 形 图 及 轴 承 工 作 状 态 的
588. 北京科技大学学报 1993年No.6 状态监测 故康诊断 确定故障零都件在 T 机得中的部位 振动异常 嵊声异常 温度异常 L不同目的地放睫途断 时装异常 须城异常 候请异常 轴承故 燥声异着 温皮异常 ⑧⑦ ⑧ ⊙ 润滑杰异常 特征值异常 诺田异常 减动体故障内■拉康外■故牌保持架故心 ①②③④ a 状志监测预测树 度药高铜包真药奥蚊及所烈这它 常规诺 分析异常 功率 A 时 频城 b故障诊断子预测树 解神 c常规诺分析异常子预测制 图3状态监测于预测树和故障诊断子预测树 Fig.3 Sub-trees of the fault dighosis and the condition monitoring 判断》表对本单位的状态监测预测树进行细化。若使用者购买的是JGZY型故障综合诊断 仪,就可以用该仪器所配的资料上所介绍的“故障对应信号及特性频率表”进行细化。通过 这种细化过程,既可以全面加深对仪器量值与故障现象一一对应关系的了解,又可以把自 心的经验融于其中,并结合本单位设备具体情况,对上述表格进行允实修改,以达到迅速提 高诊断水平,解决现场问题的目的。 A有 从图3b可见,预测树的底事件、除了包括五官诊断的经验外,主要是由动态信号处理后 得到的特征量所组成、如频率、有效值等。至今所见到的大多数分析型故障树,底事件都是
58 8 J匕 京 科 技 大 学 学 报 1 9 3 年 N 6 . 6 抚态监 洲 确乏而阵 丽蔽厂 机器 中 的 部位 振动 比吐丝丝雌诊断 异常 . . . . . ~ . .` 嗓声 异一常 泣 度异常 时 铁讲 异常 城异佑 绷城异常 嗓 声异常 扭度异 常 润 汾态异 t 常规谱 分析异常 绷坛 解调谱 c 常 规 谱 分 析异常子 预侧 树 图 3 状态监测于 预测树 和故阵诊断子预测树 ’qF . 3 5泊b一 。 ” 巴 of 血 丘 utI 山沙份七 a川 血 。 的 d 位月 似浦 .丽 .松 判 断》 表 对本单 位 的状态 监测 预 测 树 进 行 细 化 。 若 使 用者 购 买 的 是 GJ Z Y 型 故 障 综 合诊 断 仪 , 就可 以 用 该仪 器所 配 的资料 上 所介绍 的 “ 故 障对应 信 号 及 特性 频率 表 ” 进行细 化 。 通过 这 种细 化过 程 , 既可 以 全面 加 深 对 仪器 量值 与故障 现 象 一一 对 应 关 系 的 了解 , 又 可 以 把 自 己 的经 验 融于 其 中 , 并结 合本 单 位 设备具 体情 况 , 对上 述表 格进 行 充实 修改 , 以 达 到迅速 提 高诊断 水平 , 解 决现 场 问题 的 目 的 。 从 图 3 b 可 见 , 预 测 树 的底事 件 , 除了 包 括五官诊 断 的 经 验 外 , 主 要 是 由 动态信号处理 后 得 到的 特征 量所 组成 . 如 频率 、 有效 值等 。 至 今所 见到 的 大 多 数分 析型 故 障树 , 底 事 件都是
Vol.15 No.6 高立新等:建立实用故障诊断专家系统知识库的新方法 ·589· 以故障发生的概率来度量的,这是2种不同类型逻辑树的显著区别之一。 综上所述,预测树具有如下特点: (1)它是根据观察到的现象(症状),预测将要产生的故障,而不是已知故障再去寻找 原因;(2)其底事件主要以故障诊断仪器测得的信号及分析处理后的特征值为依据,但是 也包括五官诊断的丰富经验 有了预测树,就可以利用形图化规则语言来建立知识库了。 2图形化规则语言 为了便于S开发人员与实际专家交流,在知识处理领域,必须有1种类似于图纸那样 的工程“语言”。利用这种语言来描述建立ES时所遇到的各种情况(如问题本身、对问题 的解决方法,以及获得结论或答案所必须考虑的条件等等)。 图形化规则语言正是这样1种简单、具有良好的结构且拥有1种近似自然语言风格的知 识处理语言。图形化规则语言能够很容易地表达规则间的关系,它包括上下文树、属性表、 模版等。由上下树可得到属性表,由属性表,再按模版的要求就可以构造出规则。 2.1上下文树 专家系统领域的问题可以分解成若干子问题,这些子问题还可以进一步分解。这样,领 域的结构或轮廓如同预测树一样,也象1棵倒挂着的树,在专家系统领域里,这种树称之为 上下文树 我们可容易地将预测树转化为建造知识库所需的上下文树及推理流程图(图4)。 图4中,“轴承监测系统”是根上下文,由此根上下文引出所要监测的“308轴承”、 “7608轴承”等子辈上下文,又由此子辈上下文引出“滤波谱内圈频率”等子子辈上下 文,依次类推,这就是图形化规则语言的上下文树。 由图中箭头方向,可看出其推理流程。例如,通过五官诊断可知“温度、噪音”是否异 常”,通过对上述信息的分析,可得知“状态监测异常”。 由“状态监测异常”和“故障诊断异常”2个方面的综合判断,最终可以确定轴承发生 何故障。 比较图2、图3和图4可见,预测树和上下文树在结构上是基本一致的,只是根据使用 者的需要在组合时略有区别。本文根据系统监测的对象是“轴承疲劳试验故障诊断系统”, 划分了特定的子辈上下文;对于车床主轴箱,由于其监测对象是不同的传动链,则子辈上下 文应当划分成“典型传动链子辈上下文”和“常用传动链子辈上下文”等。总之,对不同 的监测对象,可以从不同的预测树出发,得到不同的子辈、子子辈上下文。 对于本系统,由图4所示上下文树可得表示属性及所属上下文的属性表(表1) 表1说明了这些属性是可以观察到的还是可以推演的。为了便于理解一些属性,还用自 然语言进行了注释。由于有了图4的推理流程与上下文树,可以很方便地完善表1。 2.2建立知识库 图形化规则语言的语法是用模版来描述的。通过往模版中的相应位置填写合法的词汇就 可以描述】个事实或1条规则。事实模版(图5)是由属性、谓词和值3个语言成分组成
vo l . 巧 o N . 高立新等 6 : 建立实用 故障诊断 专家系 统知 识库的新 方法 8 5 9 ` 以 故 障发生 的 概率 来度 量的 , 这是 2 种不 同类型逻 辑树的显著 区别 之 一 。 综 上所 述 , 预测 树具有 如下特 点 二 ( l) 它 是 根据观察到 的现象 (症状 ) , 预测将 要产 生 的故 障 , 而不是 已 知 故 障再 去寻 找 原 因; ( 2 ) 其底事 件主要 以 故障诊 断 仪器 测得 的信号及 分 析 处理 后 的特 征 值为 依 据 , 但是 也 包 括五官 诊断 的丰 富经 验 。 有 了预 测 树 , 就可 以 利 用形 图化规则 语言来 建立 知识库了 。 2 图形化规则语言 为 了便 于 ES 开发人员 与实 际专家交 流 , 在知 识处理领 域 , 必须 有 1 种 类 似 于 图 纸那 样 的工 程 “ 语言 “ 。 利用 这 种语言来描述建 立 ES 时所 遇 到 的 各 种 情 况 ( 如 问 题本 身 、 对 问题 的解决 方法 , 以 及获 得结 论或答案所必 须考虑的条件等 等 ) 。 图形化规则语言正 是这样 1 种简 单 、 具有 良好 的结构 且拥有 l 种近 似 自然 语言风 格 的知 识处理 语言 。 图形化规则 语言 能够很容 易地 表达规则 间的关 系 , 它 包 括 上 下 文 树 、 属性 表 、 模 版等 。 由上下 树可 得到 属性表 , 由属 性表 , 再按 模版 的要 求就可 以 构造 出规则 。 2 . 1 上下 文树 专家系 统领域 的问题 可 以 分解成若干 子问题 , 这些 子 问题 还可 以 进一步分 解 。 这 样 , 领 域 的结 构或 轮廓 如 同预测 树一 样 , 也象 1 棵倒 挂着 的树 , 在 专家系 统领域 里 , 这种 树称之 为 上 下文 树 。 我 们可 容易地 将预 测树 转化 为建造 知 识库所需 的上下文 树及 推理 流 程 图 ( 图 4) 。 图 4 中 , “ 轴 承 监 测 系 统 ” 是 根 上 下 文 , 由此 根 上 下 文 引 出 所要 监 测 的 “ 3 08 轴承 ” 、 “ 7 60 8 轴 承 ” 等 子 辈上 下 文 , 又 由此子 辈 上 下 文 引 出 “ 滤 波 谱 内圈 频 率 ” 等 子 子 辈 上 下 文 , 依次类 推 , 这就 是 图形 化规则 语 言的上下 文树 。 由 图中箭头方 向 , 可看 出其推 理 流程 。 例 如 , 通 过五官 诊 断可 知 “ 温 度 、 噪音 ” 是否 异 常 ” , 通过对上述 信息 的分析 , 可得知 “ 状态监 测 异常 ” 。 由 “ 状态监 测异 常 ” 和 “ 故 障诊断异 常 ” 2 个方 面 的综合判 断 , 最终 可 以 确 定 轴 承 发 生 何故障 。 比 较 图 2 、 图 3 和 图 4 可 见 , 预 测树和上 下文 树在 结构 上是 基本 一 致 的 , 只 是 根 据 使 用 者的需要 在 组合 时略 有 区别 。 本文 根据 系 统 监 测 的对象 是 “ 轴 承 疲 劳 试验 故 障 诊断 系 统 ” , 划 分 了 特定 的 子辈上 下 文 ; 对于 车 床主轴箱 , 由于其监 测对象是 不 同的传 动 链 , 则子 辈上 下 文 应 当划分成 “ 典 型传动链 子 辈上下 文 ” 和 “ 常 用传动 链 子 辈 上 下 文 ” 等 。 总 之 , 对不 同 的监测 对象 , 可以 从不 同的 预测树 出 发 , 得 到不 同的子 辈 、 子子 辈上下 文 。 对于本 系 统 , 由图 4 所 示上下 文 树可 得表 示 属性 及所 属 上 下文 的 属性表 (表 1) 。 表 1 说 明 了这 些属性 是可 以观 察到 的还是 可 以 推 演的 。 为 了便 于理 解一 些 属性 , 还 用 自 然语 言进 行 了注 释 。 由于 有 了图 4 的 推理 流程 与上 下 文树 , 可 以 很方 便 地完 善表 1 。 2 . 2 建立 知 识库 图形 化规则语言 的语法是 用模 版来描述 的 。 通过往模版 中的 相应位置 填写 合法 的词 汇 就 可 以 描 述 l 个事 实 或 1 条规则 。 事 实模 版 ( 图 5a ) 是 由 属性 、 谓 词和值 3个 语言成分组 成
.590. 北京科技人学学报 1993年No.6 轴承故障 状志监测异常 故障诊断异常 轴承监测系统 (极上下文) am 皮异常 声 内 外 保 动监测 动 11 禁 梨故 其它故障 11 mm' 11 位移特征 速度特征值 加速度特征 时娘被 308轴承 7688轴承1 超过园值 超过阀值 值超过同值 形异常 (子辈上下文) (子辈上下文) 一 一 滤被灌有内圆 解调谨有内圆 谐被幅值 特征频率 特征频率 依次下摩 读波浦 保调灌 L_ 内圆领率 !【内频率 」L 内圈谱波上 (子子辈上下文) 围4推理流程与上下文树的缩合视围 Fig.4 Comprehensive view of inference flowand context tree 图5中有两个事实。其中第一个事实是“内圈频率=128Hz”。通过与“解调谱内圈频 率”上下文联系,这个事实描述的意思就是:“解调谱内圈频率”是“128Hz”。第二个事实 说明是非型属性如何用模板表示。对于否定的情况。只需将“不”加到是非型属性“会飞” 之前,如“不会飞”,这个事实描述的意思是:某个“动物”“不会飞” 上下文 属性 谓词 解调谐内胸频率 内圈顿率 128Hz 动物 不会飞 a事实模板 b有值风性 c是非型属性 图5事实棋版及实例 Fig.5 Fact template and example 函数能够连接子句中的属性和其他元素,也能连接子句。这些连接符分算数的和逻辑的 两种。数量型属性的子句中,元素可用算数函数来连接,如:+(加)、一(减入·(乘)、/(除) 逻辑函数用来连接子句。逻辑函数有:“与(AND)”和“或(OR)”等 有了上述准备工作.写出知识库的规则就是水到渠成的事了。例如由图4及表1,对于 内圈疲劳故障,利用图形化规则语言,可以很快写出如图6b所示的规则,规则中,用到了 表1的第2、15、16、21和25条属性。结论部分的“95%”,说明此规则的可信程度较大。 通过轴承度疲劳试验机故障监测系统,对采集的数据进行处理,监测轴承的型号为 18303F:转速为1500r/min;计算轴频为25Hz.实测轴频为25.39Hz载荷为2240kg
北 京 科 技5 大 学 学 报 卯 年 0 9 l N 3 O . 6 广 l 故降诊 断异 t 度异 扭 异 吸声 监 振动 该动 内 外 保 其 . . 侧 体 故 故 持 它 t t 故 障 降 架 故 降 故 降 降 位超移过特阅征值 邃超度过特阅征值位 加 遨度特 征 时城波 值超 过门位 形 异 t 诊特波征讲组有率内口 解 调特征进有级 内率 请波一 值 . 依次下 降 诊 波苗 丝妙色 」 _ 明少色 _ L 解 调讼 ` 一 够竺色 匕 J l 《子 子 单上 下文 ) 图 推理流程与上下 文 树的缩合视图 4 瑰 . 咖户触函 C 4 , e , 妞例 of 如 ar ar 耽 任例. 目 “ 门扭双 加犯 图 5 中有 两个事实 。 其 中第 一 个 事 实 是 “ 内圈 频 率 二 12 8 H z ” 。 通 过 与 “ 解 调谱 内 圈频 率 ” 上 下文联 系 , 这个 事 实描述 的意 思就 是 : “ 解 调 谱内圈频 率 ” 是 “ 12 8 H "z 。 第 二 个 事 实 说 明是 非型 属性 如何 用模 板表示 。 对 于 否 定 的情况 , 只需 将 “ 不 ” 加 到 是 非 型 属性 “ 会 飞 ” 之前 , 如 “ 不 会飞 ” , 这 个事 实描述 的意 思是 : 某 个 “ 动物 ” “ 不 会飞 ” 。 [亚] }肥 } 谓词 i { 解 。 内 圈 。 { 内圈 频 率 12 8 H Z }亘司 匠宜宜} 事实 模板 b 有值 属性 是 1卜型属 性 图 5 事 实模版及 实例 ’Fk . 5 F a ct 桩” I内妞 . 目 e xa n l啤 函 数能 够连接 子句 中的属性 和其他 元素 , 也能 连接 子 句 。 这 些连 接 符分 算数 的和 逻辑的 两 种 。 数 量型 属性 的子 句 中 , 元 素 可用 算数 函 数来连 接 , 如二 十 ( 加 ) 、 一 ( 减 ) 、 · (乘 ) 、 (/ 除 ) 逻 辑 函 数 用来 连接 子 句 。 逻 辑 函 数 有 : “ 与 ( A N D ) ” 和 “ 或 ( O R ) ` 等 。 有 了 上 述准 备工 作 , 写 出知 识库 的规则就 是 水到 渠 成的 事 了 。 例 如 由 图 4 及 表 1 , 对 于 内圈疲 劳 故障 , 利用 图形 化规则语 言 , 可 以 很快写 出如 图 6 b 所 示 的规 则 , 规 则 中 , 用到 了 表 l 的第 2 、 1 5 、 16 、 21 和 25 条 属性 。 结论 部 分 的 “ 95 % ” , 说明此规则 的可 信程 度较大 。 通 过 轴 承 度 疲 劳 试验 机 故 障 监 测 系统 . 对 采 集 的 数据 进行 处 理 , 监 测 轴 承 的 型 号 为 183 03 ;F 转 速 为 15 0 r /njI n ; 计 算轴 频 为 25 H z , 实 测轴频 为 25 . 39 H z 载 荷 为 2 40 kg
Vol.15 No.6 高立新等:建立实用故障诊断专家系统知识库的新方法 591· 函数 属性 谓词 值CF 如果 子句1 AND AND 子句n 如果状态监测异常 子句1 解调谱有内圈特征频率 子句n 谐波幅值依次下降 边频■轴频 如果 状态监测异常 则 内阁疲劳故障的可能性为95% AND 解调谱有内圈特征颜率 AND 谐波幅值依次下降 b抽承内圈故障规则 AND 边频 轴频 故障 内图疲劳95% a规则模板图形化规则 图6规则模版及实例 Fig.6 Rule template and example 表1轴承疲劳试验故障诊断专家系统原型的属性表 Table 1 Attributes table of ES prototype of bearing failre-test diganosis 上下文序号 属性 可推淡/可观察 上下文 序号 属性 可推演/可观察 轴承 轴承故森 可推演 15 边類 可观察 监测系统 2 状态监测异常 可推演 到 308 16 轴颊 可观察 3 故障诊断异常 可推演 到 38轴承振动监测异常 可推演 滤波谐内 f 滤波谱有内圈特征频率可推演 308轴承噪音异常 可推演 图领率 18 内圈频率(L) 可观察 6 308轴承温度异常 可推演 移到308 19 内图频率的谐波(L) 可观察 雪 7 308轴承元件故障 可推演 轴承 20 内圈频率辐值(L) 可观察 308轴承 8 位移特征超过阀值 可观察 解调谱内 解调谱有内圈特征颜率可推演 9 速度特征超过阀值 可观察 圈频率 22 内圈颗率(J) 可观察 10 加速度特征值超过阀值可观察 移到308 帝 内圈颊率的谱波(J) 可观察 11 解调谱时域波形异常 可观察 轴承 24 内圈频率幅值() 可观察 12 滤波谱时域波形异常 可观察 13 噪音异常 4 可观察 25 谐波频率幅值依次下降可推演 内圈谱波 14 沮度异常 可观察 26 内圈2次谱波(J) 可观察 27 内圈3次谐波(J) 可观察 参考文献 1陈克兴,李川崎.设备状态监测与故障诊断技术.北京:科学技术文献出版社,1991 2朱继洲.故障树原理和应用.西安交通大学出版社,1989 3 Paul Siegel.Expert System,A Non-Programmers Guide to Developent and Applicants, 1986 4 Strauss B M.Fault Tree Analysis of Bearing Demaging.Journal of the American of Lubrication Engineer,1984,40(11)
V O I . 1 N 5 o . 高立新等 6 建立实用 故障诊 断专家系统知识库的新方法 : 1 5 9 函 数 属性 谓词 值 下 ( 如果 子句 N D A 子句 N D A 子 句 子句 如果 如果 N D A N D A N D A 状态监测异 常 解调 谱有内圈 特征频率 谐波 幅值依 次下降 状态监测异 常 解调 谱有 内圈 特 征频 率 谐波幅 值依次下 降 边频 轴频 = 内 圈 疲劳故障的可 能性 为 % 5 9 轴承内 圈故障规则 b 边频 故障 轴频 内圈疲 劳 = % 5 9 a 规则模板 图形 化规 则 图 规则模版及实例 6 瑰 . 血 妇即 R l 6 t a e 回 a e 叫咖 x a 表 轴承疲劳试验故障诊断专 家系统原型 的属性表 1 油决 对 喃图 t晚 压 户喊勺碑 级 嗯 血遍咋x 1 1 d . f f l b h A o o 一 把盆 两笋峨比 上下 文 轴承 监测系 统 序号 属性 轴承 故障 状态监测异 常 故障诊断异常 可 推演 可观 察 上 下文 序 号 / 可 推演 可推演 可 推演 移 到 3 8 0 轴 承 滤波 谱内 圈 频率 移到 3 8 0 轴承 解 调谱 内 圈 频率 移到 刃 8 轴承 1 5 l 6 属 性 边频 轴频 可 推演 可 观察 / 可 观察 可 观察 2 - 抢」 轴承 振 动监 测异 常 可推演 3 8 0 轴 承噪音 异 常 可 推演 3 8 0 轴 承温度异 常 可推演 3 8 0 轴 承元件故 障 可推演 3 8 0 轴承 3 8 0 8 9 l 0 11 l 2 3 l l 4 位移特征超过阀值 可 观察 速度特征超过阀值 可 观 察 加 速度特征值超过阀值 可 观察 解 调谱 时域波形异常 可 观察 滤 波谱时域波形异 常 可 观察 噪音异 常 一 可 观 察 温 度异 常 可 观察 内圈 谱波 滤波谱有 内 圈 特征频 率 内 圈频率 ) L ( 内圈频率的 谐 波 ) L ( 内圈 频率幅值 ) L ( 解调 谱有 内 圈 特征频率 内圈 频率 ) J ( 内圈 频 率的 谱波 ) J ( 内圈 频率幅 值 ) J ( 谐波频率幅 值依次下 降 内 圈 次谱波 2 ) J ( 内圈 次谱波 3 ) J ( 可 推演 可 观察 可 观察 可 观 察 一为刀 1 8 9 7 4 哎曰 6 7 移到监测系统 可 推演 可 观察 可 观察 一 3 25 6 7 4 参 考 文 献 陈克兴 1 , 李川 崎 . 设备状态监测 与故 障诊断技术 . 北 京: 科学技术 文 献出版社 , 1 9 1 2 朱 继洲 . 故 障树原理 和应 用 . 西安交通 大学 出版社 , 1 9 89 3 P a ul S雌el . E x P ert S那 t er 乓 A N b n 一 P or g ar n 刀 1 亡巧 G u id e ot 氏代1 0 p en t an d 柳p il 份 n st, 1 9 8 6 4 Satr us B M F a ult T获光 An a lys is of B比 n n g l灭 n已 a g in g . oJ u m al of t he A卫犯 ir以 n of L u b ir份 iot n E n g l n e e r , 1 9 84 , 4 0 ( 1 1 )