南通铭烽液压机械制造有限公司
专业生产:液压机,四柱液压机,拉伸液压机,粉末液压机
·  YM32系列四柱式万能液压机
·  YM27系列拉伸液压机
·  YM28双动薄板拉伸液压机
·  YM79Z(K)系列粉未液压机
·  YM05系列磁性材料液压机
·  YM72P系列液压机
·  YM41系列单柱液压机
·  专用液压机
·  YM65系列液压机
·  快速热压成型机
地址江苏省如皋市白蒲镇前进工业园区
电话0513-81751288
手机13962707009
联系人张志冲
电子邮箱mingzhenjixie@163.com
您现在的位置:网站首页 - 技术资料
CBR技术应用于液压设备液压泵故障诊断
发布时间: 2018-1-16
  基于案例的推理(Case—based Reasoning,CBR),其核心思想是从过去已发生的问题及其解决方法推导出当前问题的解,也称记忆推理。推理过程主要由四部分组成:案例检索、案例调整、案例修正、案例学习,符合人的认知行为。案例检索是根据新问题同以往各个案例的相似度从案例库中检索出与该问题相似的一个或一批案例。检索到的案例一般与新案例不完全匹配,这时就需要根据一定的规则或者调整函数对检索到的案例进行调整,形成对问题的初步的解。案例修正是对系统给出的建议解进行修正和确认,形成问题的最终解。案例学习是液压机系统对新问题依据一定的学习算法进行学习,决定是否将新问题及其解保存,作为下一次推理的依据。
  CBR技术由美国耶鲁大学的Roger Schank教授在其1982年出版的Dynamic Memory一书中首次提出,此后逐步推广到机械CAD、医疗卫生、企业管理等领域,并得到成功应用。 CBR技术是一种基于经验知识进行推理的人工智能技术。CBR故障诊断的基本思想是:当寻找诊断方案时,在过去类似诊断方案成功案例基础之上进行推理,通过类比和联想来完成当前故障诊断任务。
  采用专家系统进行故障检测诊断是人工智能技术在诊断与维修领域较为常见的应用。但传统的专家系统在许多领域中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,同时由于系统缺乏自学习能力,无法利用原有系统中的经验和方法来提高诊断能力。作为人工智能领域新分支的案例推理是处理不确定复杂问题的一种有效方法,为解决既需要专家知识和经验、又难以用基于规则的推理技术进行决策的故障诊断问题提供了一种新思路。
  基于案例的推理技术是人工智能领域的一个新分支,它在一定程度上弥补了目前大多数智能诊断系统的不足,根据故障现象进行故障检测与诊断,为设备管理人员或维修人员提供了故障检测与诊断的智能决策,提高了故障诊断的智能化水平。
  故障诊断智能化系统是故障诊断智能化的重要体现与主要工具,作为人工智能领域新分支的CBR技术以其自身的优点,可以归纳、学习和检索更加广泛的故障特征类型,用工程师和专家的思想与诊断机理,对故障实施智能化诊断。
  CBR诊断方法具有较强的自学习的能力,它使用大量的案例特征集合,可以归纳、学习和索引更加广泛的故障特征类型,以诊断出“新”的故障,贴切地反映出工程师和专家的思考与诊断过程。但总体上来说,CBR技术是人工智能领域的新分支,系统性成果还不多,理论还不是很成熟,研究与应用还处于探索阶段,若要在机械故障诊断系统中得到更好的应用,其案例的表示与组织方法、案例的检索和匹配方法、案例的自学习方法等技术还有待进一步完善。随着设备和系统的复杂化程度的加深,CBR凭借其自身的优点,将成为故障诊断领域一个行之有效的方法。
  1.液压机液压系统工作过程
  针对液压系统中的动力源——液压泵,应用CBR技术,以VC++为工具,开发了液压泵故障诊断系统,数据库选择关系型数据库Access 2000。该系统包括信号监测、信号处理、学习系统、故障诊断及决策系统和数据库管理5个模块。系统工作界面如图4—49所示。
  该系统的案例库来源于专家以往的经验,根据在实际应用中液压泵发生故障时的各参量的变化值,按照前述的案例表示方式建立故障案例。本系统监测的主要参量是液压泵的振动、温度、油液分析、噪声、油压和轴的转速。显然,在不同的故障中,各个参量所起的作用是不一样的,所以在形成案例时,各个参量还要乘以相应的权重系数。
  当系统启动之后,信号监测模块以一定的时间间隔(各个参数的时间间隔不一样,可以自行设定)将测量值送入日志数据库进行存储,同时和故障数据库中的理论数据进行比较,如果超出设定的值域,则系统自动采集各监测点的参数值,形成新的案例,然后根据检索原理在案例库中检索出与之相近的旧案例。如果旧案例与新问题完全一致,则旧案例的解决方案可以一般新案例的解统的动作,并根果及解决方法。
  2.数控液压机数据库的维护
  数控液压机数据库中的案例一般在最初时按专家经验给出,在工作过程中逐渐增加新的案例,也可以手工直接增加新的案例,如图所示为增加新案例的工作界面。如前所述,每次诊断过程中碰到新的案例都会增加到数据库中,但是案例一味增加势必导致数据库越来越庞大,影响系统的工作效率,所以必须对数据库进行相应的处理,本系统按以下策略维护数据库。
  (1)如该案例与数据库中的所有案例的相似度均小于某个给定的值(假定为0.9),则加入该案例,避免数据库的无限膨胀。
  (2)数据库中的每一个案例均设置一个变量来记录该案例的使用情况,即成功率或失败率。当其大于某一给定值时,表明该案例不可靠,需要对其进行修正。 快锻液压机故障诊断系统