3 基于案例推理的診斷法

案例是能導(dǎo)致特定結(jié)果的一系列特征屬性的集合,，其表示就是對一次故障的具體情況盡可能地進(jìn)行詳細(xì)描述，對故障的各種屬性進(jìn)行合理劃分，以便獲得故障的完整資料,。案例的組織是在案例表示的基礎(chǔ)上,，根據(jù)案例的特征和檢索的需要，對案例進(jìn)行整理和歸類,?；诎咐评?/span>(Case-based Reasoning，CBR)是用案例來表達(dá)知識并把問題求解和學(xué)習(xí)相融合的一種推理方法,。由于案例推理接近于人類認(rèn)識,、解決問題最原始的思維方式，具有在無法獲取機(jī)理模型,、確定規(guī)則或統(tǒng)計(jì)模型時,，采用歷史相似性實(shí)現(xiàn)問題的定量求解和預(yù)測的特點(diǎn)。因此,，將基于案例推理的技術(shù)用于故障診斷,，通過回憶以前曾經(jīng)成功解決過的相似問題，比較新,、舊問題發(fā)生背景和條件等差異,，經(jīng)過一系列的調(diào)整、修改后,，重新使用以前的知識和信息,，提出解決當(dāng)前問題的方案，關(guān)鍵是如何建立一個有效的案例索引機(jī)制與案例組織方式,。CBR有以下優(yōu)點(diǎn)：① 利用案例中隱含的難以規(guī)則化的知識,，彌補(bǔ)規(guī)則推理的不足；② 案例的獲取比規(guī)則的獲取容易,，較好地解決了“知識獲取”的瓶頸問題,；③ 對過去的求解結(jié)果進(jìn)行復(fù)用，提高對新問題的求解效率,；④ 有持續(xù)不斷的學(xué)習(xí)能力,。因此，CBR可以縮短問題求解途徑,，提高推理效率,，在一定程度上彌補(bǔ)目前專家系統(tǒng)和神經(jīng)網(wǎng)絡(luò)系統(tǒng)等多數(shù)智能診斷系統(tǒng)的不足，為解決復(fù)雜設(shè)備故障診斷提供了一條新的途徑,。

丁賢林在液壓系統(tǒng)的故障診斷中將系統(tǒng)的特征信號作為案例推理的特征,。王東、張琦,、李希紅分別將案例推理技術(shù)應(yīng)用于不同液壓系統(tǒng)的故障診斷,，均取得了較好的效果,。

4 基于神經(jīng)網(wǎng)絡(luò)的診斷法

基于神經(jīng)網(wǎng)絡(luò)(Neural Network，NN)的診斷法是利用神經(jīng)網(wǎng)絡(luò)具有非線性和自學(xué)習(xí)以及并行計(jì)算能力的特點(diǎn),，對液壓系統(tǒng)的故障進(jìn)行診斷,。其具體應(yīng)用方式有：從模式識別角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為分類器進(jìn)行液壓系統(tǒng)故障診斷；從故障預(yù)測角度應(yīng)用神經(jīng)網(wǎng)絡(luò)作為動態(tài)模型進(jìn)行液壓系統(tǒng)故障預(yù)測,；從檢測故障的角度應(yīng)用神經(jīng)網(wǎng)絡(luò)得到殘差進(jìn)行液壓系統(tǒng)故障檢測,。由于液壓系統(tǒng)故障的特征,、原因普遍存在不確定性,，而神經(jīng)網(wǎng)絡(luò)診斷方法存在故障判斷中非此即彼的絕對性，往往與實(shí)際不符,，需要對診斷法進(jìn)行改進(jìn)或結(jié)合其他診斷法,，構(gòu)造新的診斷方法，來克服傳統(tǒng)神經(jīng)網(wǎng)絡(luò)診斷的絕對性,。

學(xué)者們對基于神經(jīng)網(wǎng)絡(luò)的診斷方法研究較多,。黃志堅(jiān)將模糊邏輯與神經(jīng)網(wǎng)絡(luò)相結(jié)合，從癥狀和故障源兩個方向?qū)收线M(jìn)行診斷,，然后綜合兩個診斷結(jié)論,，利用神經(jīng)網(wǎng)絡(luò)修正誤差，在應(yīng)用中不斷優(yōu)化,，縮短學(xué)習(xí)過程,。王益群利用神經(jīng)網(wǎng)絡(luò)對模糊推理模型進(jìn)行訓(xùn)練來提高診斷的準(zhǔn)確率，并可對未知的知識進(jìn)行學(xué)習(xí)和補(bǔ)充,。張若青采用輸出遞歸網(wǎng)絡(luò)模型對某液壓位置伺服系統(tǒng)進(jìn)行故障檢測,。杜文正將LVQ網(wǎng)絡(luò)用于液壓系統(tǒng)故障診斷。耿志強(qiáng)利用粗糙集理論對決策信息表進(jìn)行簡約,，導(dǎo)出診斷規(guī)則,，輸入神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練學(xué)習(xí)，實(shí)現(xiàn)液壓系統(tǒng)故障在線診斷,。石紅雁把高階統(tǒng)計(jì)量和模糊神經(jīng)網(wǎng)絡(luò)結(jié)合起來,，形成高階統(tǒng)計(jì)量模糊神經(jīng)網(wǎng)絡(luò)方法，可有效診斷液壓系統(tǒng)早期故障,。姜萬錄提出了神經(jīng)網(wǎng)絡(luò)和證據(jù)理論融合的故障診斷方法,，提高了故障診斷的準(zhǔn)確率。舒服華提出基于減聚法的RBF神經(jīng)網(wǎng)絡(luò)故障診斷方法,，有效解決了故障與征兆關(guān)系的非線性和復(fù)雜性,、故障信號的重疊和噪聲干擾等問題，能有效提高故障診斷的可靠性和效率,。郭壟建立了適合復(fù)雜系統(tǒng)故障診斷的復(fù)合神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu),。傅連東將BP神經(jīng)網(wǎng)絡(luò)與遺傳算法結(jié)合起來，建立了遺傳神經(jīng)網(wǎng)絡(luò)模型，并結(jié)合數(shù)據(jù)庫技術(shù)開發(fā)出液壓AGC故障智能診斷平臺,。郭剛提出將無線網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)相結(jié)合的液壓系統(tǒng)故障診斷方案,。聶光瑋將神經(jīng)網(wǎng)絡(luò)集成和模糊邏輯結(jié)合，采用Gauss型隨機(jī)函數(shù)作為個體網(wǎng)絡(luò)訓(xùn)練集的隨機(jī)采樣函數(shù),，采用動態(tài)加權(quán)平均方法構(gòu)成結(jié)論結(jié)合方式,，構(gòu)成一個液壓系統(tǒng)故障診斷的神經(jīng)網(wǎng)絡(luò)集成模型結(jié)構(gòu)。賀湘宇提出了基于NARX (非線性有源自回歸)網(wǎng)絡(luò)模型的液壓系統(tǒng)故障檢測方法,。該方法首先建立系統(tǒng)正常狀態(tài)下的NARX辨識模型,，通過辨識模型獲取系統(tǒng)故障狀態(tài)樣本的模型殘差；然后運(yùn)用序貫概率比檢驗(yàn)對殘差進(jìn)行假設(shè)檢驗(yàn),，以檢測系統(tǒng)的故障狀態(tài),。隨后，賀湘字提出了基于RBF網(wǎng)絡(luò)和ARX模型的故障診斷方法,。該方法以ARX(有源自回歸)模型自回歸系數(shù)作為系統(tǒng)故障特征,，以RBF網(wǎng)絡(luò)作為故障分類器對故障特征進(jìn)行分類，判斷系統(tǒng)的故障類型和狀態(tài),。陸躍平運(yùn)用模糊控制器原理設(shè)計(jì)了模糊-神經(jīng)故障診斷系統(tǒng),，引入RBF神經(jīng)網(wǎng)絡(luò)作為系統(tǒng)的推理機(jī)，運(yùn)用了帶置信度的改進(jìn)算法,。李大磊提出了一種減聚類徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)(RBF)的液壓系統(tǒng)故降診斷方法,。該方法采用一種減聚類的學(xué)習(xí)算法來確定徑向基函數(shù)的相應(yīng)參數(shù)，借助最速下降法求解網(wǎng)絡(luò)的權(quán)值,，使網(wǎng)絡(luò)結(jié)構(gòu)得到優(yōu)化,。