人工智能與數(shù)控機(jī)床故障診斷

從數(shù)控機(jī)床故障診斷的內(nèi)容看，故障診斷專家系統(tǒng)具體可以用于以下三個(gè)方面：

(1) 故障監(jiān)測。

(2) 故障分析。

(3) 決策處理。

一個(gè)完整的故障診斷專家系統(tǒng)應(yīng)是圖6—3所示結(jié)構(gòu)。該圖中各功能模塊的作用如下：

(1) 數(shù)據(jù)庫。用于存放監(jiān)測系統(tǒng)狀態(tài)的、便于測量的也是必要的測量數(shù)據(jù)；用于實(shí)時(shí)監(jiān)測系統(tǒng)工作正常與否。對于離線分析，數(shù)據(jù)庫可根據(jù)推理需要，人為輸入。

(2) 知識庫?？梢远x為便于使用和管理的形式組織起來的用于問題求解的知識的集合。通常知識庫具有兩方面的知識內(nèi)容：一方面是針對具體的系統(tǒng)而言，包括系統(tǒng)的結(jié)構(gòu)，系統(tǒng)經(jīng)常出現(xiàn)故障現(xiàn)象，每個(gè)故障現(xiàn)象都是由哪些原因引起的，各種原因引起該故障現(xiàn)象可能性大小的經(jīng)驗(yàn)數(shù)據(jù)，判斷每一故障是否發(fā)生的一些充分及必要條件等；另一方面是針對系統(tǒng)中一般的設(shè)備儀器故障診斷的專家經(jīng)驗(yàn)，內(nèi)容與前面相仿?；谶@兩方面內(nèi)容，知識庫還包含有系統(tǒng)規(guī)則，這些規(guī)則大多是關(guān)于具體系統(tǒng)或通用設(shè)備有關(guān)因果關(guān)系的邏輯法則。所以真實(shí)反映對象系統(tǒng)的知識庫的建立是專家系統(tǒng)進(jìn)行快速有效的故障診斷的前提。知識庫是專家系統(tǒng)的核心內(nèi)容，知識庫內(nèi)容，如故障現(xiàn)象對應(yīng)關(guān)系規(guī)則的建立，有些在理論上是嚴(yán)格的，有些則取決于該領(lǐng)域?qū)＜业慕?jīng)驗(yàn)。

圖 6-3 故障診斷專家系統(tǒng)的基本結(jié)構(gòu)

?

(3) 知識庫的管理。建立和維護(hù)知識庫，并能根據(jù)運(yùn)行的中間結(jié)果及知識獲取程序結(jié)果及時(shí)修改和增刪知識庫，對知識庫進(jìn)行一致性檢驗(yàn)。

(4) 人機(jī)接口系統(tǒng)?？蓪⑾到y(tǒng)運(yùn)行過程中系統(tǒng)出現(xiàn)故障后觀察到的現(xiàn)象或系統(tǒng)進(jìn)行調(diào)整

或變化后的信息輸入到知識庫獲取模塊，或?qū)⑿碌慕?jīng)驗(yàn)輸入，以實(shí)時(shí)調(diào)整知識庫。還可通過人機(jī)接口啟動(dòng)解釋系統(tǒng)工作。

(5) 推理機(jī)制。在數(shù)據(jù)庫和知識庫的基礎(chǔ)上，綜合運(yùn)用各種規(guī)則，進(jìn)行一系列推理來盡快尋找故障源。

(6) 解釋系統(tǒng)?？梢越忉尭鞣N診斷結(jié)果的推理實(shí)現(xiàn)過程，并能解釋索取各種信息的必要性等。解釋系統(tǒng)是專家系統(tǒng)區(qū)別于系統(tǒng)方法的顯著特征，它能把程序設(shè)計(jì)者的思想及專家的推理思想顯示給用戶。

(7) 控制部分。使用各部分功能塊協(xié)調(diào)工作，在時(shí)序上進(jìn)行安排和控制。

對于在線實(shí)時(shí)診斷系統(tǒng)，數(shù)據(jù)庫的內(nèi)容是實(shí)時(shí)檢測到的目前系統(tǒng)的工作數(shù)據(jù)。對于離線診斷，則數(shù)據(jù)庫的內(nèi)容可以是保存的故障發(fā)生時(shí)檢測到的數(shù)據(jù)，也可以是人為檢測的一些特征數(shù)據(jù)。人機(jī)接口系統(tǒng)可為知識庫提供系統(tǒng)實(shí)時(shí)運(yùn)行時(shí)，或發(fā)生故障時(shí)觀察到的一些事實(shí)現(xiàn)象。專家系統(tǒng)診斷程序在知識庫和數(shù)據(jù)庫的基礎(chǔ)上，通過推理機(jī)制，綜合利用各種規(guī)則，必要時(shí)還可調(diào)用各種應(yīng)用程序，并在運(yùn)行時(shí)向用戶索取必要的信息，可盡快地直接找到最后故障，或最有可能的故障，再由人確定最后故障。

三、 人工神經(jīng)元網(wǎng)絡(luò)及其在數(shù)控機(jī)床故障診斷中的應(yīng)用

1、人工神經(jīng)元網(wǎng)絡(luò)原理

人工神經(jīng)元網(wǎng)絡(luò)或簡稱神經(jīng)網(wǎng)絡(luò)，是人們在對人腦思維研究的基礎(chǔ)上，用數(shù)學(xué)方法將其簡化、抽象并模擬，能反映人腦基本功能特性的一種并行分布處理連接網(wǎng)絡(luò)模型。神經(jīng)元網(wǎng)絡(luò)處理信息的思想方法同傳統(tǒng)的馮·諾曼計(jì)算機(jī)所用的思維方法是完全不同的。它的存儲方式不同。一個(gè)信息不是放在一個(gè)地方，而是分布在不同的位置。網(wǎng)絡(luò)的某一地方也不只存儲一個(gè)信息，它的信息是分布存儲的。這種存儲方式?jīng)Q定了神經(jīng)元網(wǎng)絡(luò)進(jìn)行信息處理的方法不同于馮·諾曼計(jì)算機(jī)完全根據(jù)邏輯規(guī)則運(yùn)算的處理方法。神經(jīng)元網(wǎng)絡(luò)中的每一個(gè)神經(jīng)元都是一個(gè)信息處理單元，它可根據(jù)接收到的信息獨(dú)立運(yùn)算，然后把結(jié)果傳輸出去，這是一個(gè)并行處理。神經(jīng)元作運(yùn)算的規(guī)則通常是根據(jù)物理學(xué)、神經(jīng)生物學(xué)、心理學(xué)的定理或規(guī)則。

神經(jīng)元網(wǎng)絡(luò)的這種信息存儲和處理方式還有這樣的優(yōu)點(diǎn)，即網(wǎng)絡(luò)能通過不完整的或模糊的信息，便能夠聯(lián)想起一個(gè)完整、清晰的圖像來。這樣，即使網(wǎng)絡(luò)某一部分受到破壞，仍能恢復(fù)原來信息。也就是說網(wǎng)絡(luò)具有聯(lián)想記憶功能。

神經(jīng)元之間的連接強(qiáng)度通常稱為權(quán)，這種權(quán)可以事先定出，也可以不斷地改變。它可以為適應(yīng)周圍環(huán)境而不斷變化，這種過程稱為神經(jīng)元的學(xué)習(xí)過程。這種學(xué)習(xí)可以是有教師的學(xué)習(xí)，也可以是無教師的學(xué)習(xí)。神經(jīng)元網(wǎng)絡(luò)的這種自學(xué)習(xí)方法與傳統(tǒng)的以符號處理為基礎(chǔ)的人工智能的、要求人告訴機(jī)器每步行動(dòng)的方法是完全不同的。

設(shè)計(jì)一個(gè)人工神經(jīng)元網(wǎng)絡(luò)，只要給出神經(jīng)元網(wǎng)絡(luò)的拓補(bǔ)結(jié)構(gòu)，即神經(jīng)元之間的連接方式及網(wǎng)絡(luò)的神經(jīng)元個(gè)數(shù)，神經(jīng)元的權(quán)值可以給定或者給出學(xué)習(xí)規(guī)則由神經(jīng)元網(wǎng)絡(luò)自己確定，再給出神經(jīng)元的運(yùn)算規(guī)則。這樣便建成一個(gè)神經(jīng)網(wǎng)絡(luò)，它可以用來進(jìn)行信息處理。

用神經(jīng)元網(wǎng)絡(luò)建立專家系統(tǒng)，不須要組織大量的產(chǎn)生式規(guī)則，機(jī)器可以自組織、自學(xué)習(xí)。這對用傳統(tǒng)的方法建立專家系統(tǒng)最感困難的知識獲取問題，是一種新的有效解決途徑。

下面對人工神經(jīng)元網(wǎng)絡(luò)的結(jié)構(gòu)及其工作原理作一簡單介紹。

神經(jīng)元是人工神經(jīng)元網(wǎng)絡(luò)的基本處理單元，它一般是一個(gè)多輸入/單輸出非線性器件。其結(jié)構(gòu)模型如圖6—4所示，圖中 為輸入矢量，y為輸出； 表示輸入到輸出的連接權(quán)值，θ為閾值；s為外部輸入。一般輸入與輸出之間的關(guān)系可表示為

式中為一激發(fā)函數(shù)，它通常取下列三種形式：

（1）??? 閾值型。即f為一階躍函數(shù)，如圖6—5(a)所示。其表達(dá)式為：
這也是最早提出的二值離散型神經(jīng)元模型。
圖6-4? 神經(jīng)元結(jié)構(gòu)模型

將神經(jīng)元網(wǎng)絡(luò)和專家系統(tǒng)結(jié)合起來，發(fā)揮兩者各自的優(yōu)點(diǎn)，更有助于數(shù)控機(jī)床的故障診斷工作的開展。