基于CBR技术的液压泵故障诊断专家系统

　　1　前言

　　随着液压技术在各个领域中的应用和发展,液压传动或液压控制设备在国民经济中发挥了巨大的作用,且大多数液压设备已成为生产上的关键设备。但是,由于设计、制造和使用维护等多种因素影响了液压设备的正常运行,维持液压系统的正常工作成为工业应用中的一个现实问题。目前,人们对液压故障的研究还不够深入,至今没有建立起一个完整的体系和理论,现在的研究阶段,多是采用机械系统的故障诊断技术和方法,将其中的一些方法加以修改,运用到液压领域,虽加以信号分析的手段,做到了准确和及时,但很难应用于不同诊断的对象,因而推广较难。

　　近年来所兴起的人工智能技术、模糊逻辑技术和多传感器信息融合技术都是解决这一问题的有效途径,其中人工智能技术中的CBR方法,在解决这一问题时具有独特的优势。因此,本文提出了利用CBR技术进行液压系统的故障分析,并以液压泵为例,建立故障诊断专家系统。

　　2　CBR技术

　　传统的故障诊断专家系统大都采用基于规则推理RBR(rule-based reasoning)的方法,该方法推理表现形式易于理解、解释方便。但是它的知识获取困难、难以维护、推理能力差且难以处理大量的信息。

　　基于案例推理(CBR, Case-Based Reasoning)是一种基于经验知识的推理方法,它无须显示的领域知识模型,避免了知识获取瓶颈,而且系统开放、易于维护、推理速度快。适用于没有完整、精确的数学模型,而有丰富经验和大量历史记录的领域,如设计、诊断等,尤其对于复杂的非结构化的决策问题具有显著优势。CBR故障诊断方法核心思想是借鉴以前求解的经验来解决新的问题,为新的故障分析提供参考和依据。故障诊断基本过程如图1所示,包括案例表示、案例检索、案例匹配、添加新的案例等主要步骤。

　　2. 1　案例的表示

　　基于案例的推理首先要研究的是,怎样把过去解决问题的实例表示成案例的形式,以便于储存在案例库中。从问题求解的角度来看,案例不仅应该包含对问题的整体情况的描述,还应该包含对问题的解或解决方法的描述,所以,案例可以用一个有序对(问题的描述,解的描述)来表示。

　　案例就是把以前处理过的问题,描述成由问题的特征集和解决方案组成的案例,储存在案例库中。case?? base=C1,C2,…Cn表示案例库,其中Ci=CFi,Si表示案例中的第i个案例;Fi=fi1,fi2…fin表示案例Ci的征兆集,fin表示案例Ci的第n个征兆;Si=Si1,Si2,…Sin表示案例Ci的解决方案集,Sin表示Ci的第n个解决方案(或者解决方案的第n个步骤)。案例代表的是过去的经验的积累,并不是一条规则,在案例库中每个案例的描述的是一种故障状态,它们是相互独立的。