基于案例分析技术的液压系统故障诊断

　　现代机械设备上的液压系统大量运用了机械、电子及自动控制等新技术,在提高了液压系统的工作性能的同时也使得其复杂程度大为提高,因此对这些复杂液压系统的故障诊断,需要多方面的测试与诊断参数的综合判断、推理。对于快速诊断来说,更是要求信息能够同时采集和处理,随着计算机技术、人工智能、虚拟仪器技术等的发展,使得这种要求可以实现。因此,如何合理利用这些信息来进行故障诊断变成了关键。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,即基于案例的推理方法,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,建立故障诊断系统。

　　1 液压系统故障诊断技术的特点分析

　　现代液压设备是由机械、液压、电气及其仪表等装置有机组合而成的统一体,系统的故障也受到各方面因素的综合影响,呈现出复杂多变的特点。它具有以下几个特点:

　　(1)通常可将引起液压系统出现故障的基本原因与液压系统故障之间的逻辑关系用故障树的形式来表示,以进行故障的模式识别与预测诊断。

　　(2)液压系统故障原因与现象之间的关系,一般很难用某种数学公式或算法来描述,具有非线性的特点。

　　(3)在复杂的液压系统中,既存在着故障现象与故障原因的单一对应关系,也存在着同一故障现象对应多种故障原因或同一故障原因对应多种故障现象的对应关系,因此故障诊断方法往往具有多重性或不确定性。

　　(4)液压系统在机械设备中应用特别广泛,液压系统故障与原因之间具有模糊性和统计性规律。因此经验丰富的操作人员和维修专家能通过观察故障现象或进行简单的测试,依据人类自身的智能和积累的经验就能快速找到故障。

　　人类的视觉、听觉、嗅觉或触觉往往难以用数据描述,而这却是液压系统维修人员或维修专家进行维修判断的关键所在。所以人们根据这一特点建立了大量的故障诊断专家系统,在一定程度上提高了液压系统故障诊断的效率,但是传统的专家系统大多存在着知识获取困难、系统搜索效率不高、有些知识不易用规则表示等问题。更为明显的是,如果给出完全相同的问题描述,则系统总是采用相同的推理步骤,得到完全相同的推理结果,这表明专家系统本质上并不具有记忆力和学习能力。

　　2 基于CBR技术的液压系统故障诊断系统的总体结构与关键技术

　　2.1 CBR技术的工作流程

　　基于案例推理的一般过程的结构如图1所示。