我国对故障诊断技术的研究和应用自20世纪70年代末始11 ~31，经历了起步阶段、发展阶段,现已进 人了髙速发展阶段，在基于模糊理论、人工智能、灰色理论、神经网络和基因优化等先进技术和理论的智能 故障诊断系统的研究和应用中均取得丰硕的成果，如由哈尔滨工业大学振动工程研究中心研制开发的"20 万kW汽轮发电机组振动监测与故障诊断系统2HX- 1",西安交通大学和兰州炼油厂开发的"髙速旋转 机械的状态监测及故障诊断系统RB-20",华中理工大学开发的"汽轮发电机组诊断专家系统"，此外还有 东南大学研制出的"网络化的火电机组振动监测和故障诊断系统"等，这些系统在理论和应用技术方面都 已达到或接近国际先进水平.但是由于起步较晚，与国外工业先进国家相比，还存在一些差距，主要表现在 传感器的性能及可靠性较差、诊断理论和机理的研究尚不很透彻、多参数综合分析诊断应用较少、故障诊 断系统自身的可靠性较低等几个方面.
　　2工程机械故障诊断技术的国内外研究现状
　　工程机械的工况监测及故障预报、诊断是一个十分复杂而丰富的课题[1~101.自20世纪90年代以来, 以计算机、微电子、智能控制为代表的先进技术得到了飞速发展并广泛应用于工程机械领域，使得工程机 械产品的性能及髙科技含量得到不断提高.计算机辅助监测、故障诊断系统在工程机械h得到了广泛应 用.从简单的工况参数显示发展到故障査找提示和早期预报系统.例如：美国卡特彼勒的新型监测系统 (CMS),该系统普遍用于土石方工程机械，能准确地监测机器的各部分参数，采用声光故障报警，保存运 行数据的纪录，CMS是一套密封系统,能承受高低温、湿度、振动和冲击负荷，采用真空莹光屏幕，适合野 外施工作业;德国0&K公司的挖掘机卫星数据传输监控系统,应用卫星通讯技术将各台工作中的挖掘机 状态信息、故障信息，由机载发射机发射到同步卫星上，再由卫星上的转发器发回管理中心,由管理中心的 计算机进行分析处理，该系统给挖掘机作业生产管理、维修带来极大的方便.
　　随着电子测量、信号处理、传感器、计算机等技术的发展，目前国内科研单位研究开发了一些针对不同 应用场合的监测诊断系统.例如:浙江大学与长江挖掘机厂合作开发的智能式工况实施监控与故障诊断系 统，具有汉字显示、故障自动判断、报警纪录与微机通讯等功能;葛洲坝水电工程学院开发的工程机械液压 系统智能故障诊断系统HSFIDS,利用专家知识和经验，通过向用户提问的方式，髙效、迅速地帮助用户找 到故障的原因、部位，并提供相应处理措施;大连理工大学以起重机为模型开发的工程机械工况测取与故 障诊断系统等.
　　工程机械设备及其故障现象本身是非常复杂的，而智能故障诊断系统由于具备模仿人的一些思维，能 有效地获取、传递、处理、再生和利用诊断信息，并对复杂环境下的诊断对象进行正确的状态识别、诊断和 预测，因而已成为目前工程机械故障诊断领域的主流方向.目前主要有两大类别:基于知识的智能故障诊 断系统和基于神经网络的智能故障诊断系统.
　　2.1基于知识的智能故陣诊断系统
　　知识是智能故障诊断系统的核心，其显式表示使系统具有概念明确、适于定性分析、推理路径清晰、易 于用户参与、便于解释等显著优点o存在的问题主要表现在:缺乏有效的诊断知识表达方式,不确定性推理 方法,推理效率低;存在知识获取"瓶颈"、知识"窄台阶",易出现"匹配冲突"、"组合爆炸"及"无穷递归"等 问题，学习能力、自适应能力差;诊断求解过程是一个在超高维空间的搜索过程，对于复杂的诊断对象，由 于搜索空间大、搜索速度慢，使得在线诊断困难、实时性差o
　　2.2基于神经网络的智能故陣诊断系统
　　与基于知识的智能故障诊断系统相比，基于神经网络的故障诊断系统则具有如下优点:具有统一的内 部知识表示形式，大量知识规则都可通过对范例的学习存储于一个相对小得多的神经网络的连接权重中， 便于知识库的组织与管理，通用性强、知识容量大;便于实现知识的自动获取，能够自适应环境的变化;推 理过程为并行的数值计算过程,避免了以往的"匹配冲突"、"组合爆炸"和"无穷递归"等问题,推理速度快； 具有联想、记忆、类比等形象思维能力，克服了传统专家系统中存在的"知识窄台阶"等问题,可以工作于所 学习过的知识以外的范围;将知识表示、存储和推理融为一体o但是，由于神经网络只是从己知样本中得到 解决问题的能力，故仍存在一些局限性，表现在:①由于很难得到完整的关于对象模式的全部样本，使得 应用神经网络只能是一个不断完善的过程，而网络自身对这种自我完善的调度性能较差，造成了网络对奇 异模式的判断能力较差.②神经网络对结论及其过程不能作出解释，权重形式的知识表达方式难以理解, 而这对于基于结论的决策系统的可信性是必不可少的和至关重要的o③单纯对数据的应用使得神经网络 方法缺乏全局观,忽视了领域专家的经验知识，不能在所有层面上进行整体分析，这是神经网络应用中的 主要缺陷.
　　3工程机械故障诊断技术的发展趋势
　　工程机械的工况监测及故障诊断技术是以现代科学技术为先导的多学科交叉的应用性新技 术⑷.20世纪90年代以来，模拟人脑物理结构和直觉联想的人工神经网络智能诊断系统如雨后春笋 般地迅速发展起来，己成为国际上该领域的最新热点.从发展趋势看，当前主要的方向为:各种诊断理论与 神经网络的结合、信号处理与神经网络的集成、基于知识的专家系统与神经网络诊断系统的综合及设备故 庫诊断餐饞系统的微型化和"傻瓜"化o智能故障诊断是人工智能研究的一个重要内容，它与知识表示和推 理方法有着密切的关系，其领域知识可用对象模型、经验规则、神经网模型、实例来表示.基于专家系统、基 于模糊理论、基于人工神经网络的诊断方法各有其优势和特点，但同时它们各自也存在着局限性.为克服 现有智能故障诊断方法中的不足，人们正在研究新一代的智能故障诊断系统- 3.1基于学习的智能故陣诊断系统
　　对于智能故障诊断系统来讲，知识获取是建造智能故障诊断系统的瓶颈,尤其是知识的自动获取一直 是专家系统研究中的难点.解决知识获取问题的途径是机器学习.机器学习研究的主要目标是让机器自身 具有获取知识的能力，使其能在实际工作中不断总结成功和失败的经验教训,对知识库中的知识自动进行 调整和修改,以丰富、完善系统的知识.机器学习是提髙故障诊断系统智能的主要途径，一旦诊断系统具有 学习能力，它就能从环境的变化中学习新知识，不断实现自我完善.因而，其主要发展方向大致有以下几方 面:①由基于规则的系统到基于混合模型的系统，可综合多种方法，如基于规则、基于功能和深层知识模 型的方法，甚至人工神经网络等方法,以实现多形式、多深度诊断知识的推理;②由领域专家提供知识到 机器学习;③由非实时诊断到实时诊断，实时诊断就是强调在线数据处理与在线诊断推理，要达到诊断的 实时性，需要寻求合理的诊断方法，设计合理的诊断软件结构，实行分级进程推理，尽可能提高硬件的处理 速度;④由单一推理策略到混合推理策略，知识处理系统常用的推理策略包括:数据驱动和目标驱动，前 者的主要缺点是盲目推理，后者的主要缺点是盲目选择目标，有效的办法是综合二者的优点，通过数据驱 动选择目标，通过目标驱动求解该目标，这就是双向混合推理策略的基本思想.

---

期刊库（http://www.zgqkk.com），是一个专门从事期刊推广、投稿辅导的网站。
　　本站提供如何投稿辅导，寻求投稿辅导合作，快速投稿辅导，投稿辅导格式指导等解决方案：省级投稿辅导/国家级投稿辅导/核心期刊投稿辅导//职称投稿辅导。

---

　　【免责声明】本文仅代表作者本人观点，与投稿辅导_期刊发表_中国期刊库专业期刊网站无关。投稿辅导_期刊发表_中国期刊库专业期刊网站站对文中陈述、观点判断保持中立，不对所包含内容的准确性、可靠性或完整性提供任何明示或暗示的保证。请读者仅作参考，并请自行承担全部责任。