专利名称：橡胶密炼生产过程的故障监测与专家系统及其使用方法
技术领域：
本发明涉及一种针对橡胶密炼生产过程中的故障监测系统，以及在此基础上建立起的具有自行判断和处理故障的专家系统及其使用方法。
背景技术：
随着国内越来越多的消费者选择购买家用汽车，不但给汽车轮胎生产厂家提供了大量商机，同时也对轮胎制造工艺提出了更高的要求。
现有橡胶密炼技术虽可以基本满足炼胶生产需求，但对于具有更高难度和复杂性的混炼生产，尚缺乏行之有效的工艺优化和分析技术。橡胶密炼需要能够在生产过程中的较长时间内，进行安全、可靠、无故障地运行，以取得良好的经济效益。然而，混炼生产设备和控制系统越复杂、越先进，其生产工艺控制就显得担负越重要，因而系统故障及失效所造成的后果也就越严重。一次故障的经济损失往往很大，停车一天就要造成巨大的损失。因此，只有在生产安全可靠的前提下，才有可能考虑优化控制工艺，以追求更高的质量标准和效益。
现有密炼生产过程，主要靠现场工艺人员根据自身工作经验并辅以少量的现场试验数据来人工监测工艺过程是否正常、密炼机是否处于稳定的运行状态。对于诸如监测投碳黑动作及胶料是否发生打滑现象，由于受人为主观影响较大而无法准确判断输送装置是否正常，也无法及时的发现或预测异常现象，对故障捡出并进行修复均处于滞后状态，而且对于故障处理过程中的数据也无法形成历史记录并应用到现场故障的分析中。
发明内容
本发明所述的橡胶密炼生产过程的故障监测与专家系统及其使用方法，可解决上述问题和不足，提供一种应用统计过程控制方法的应用系统。
监测系统应用统计过程控制，依据在线选取的测量数据信息来分析判断生产工况是否正常、关键性状态变量和被控变量是否处于优良区域、以及是否存在故障或其预兆存在并查找出原因和对策。上述信息数据连接并提供给专家系统，以进行故障分析和历史记录积累等。
所述的监测系统监控系统以数据库形式记录存储数据实现共享，可动态了解当前最新的状况，对于大量生产尤其有益。这样可以全面掌握质量动态，质量变异报警功能，质量问题能即时发现。
统计过程控制监测系统是应用x-R(均值-极差)控制模型来控制，采集混炼过程中若干批次生产样本，将上述变量通过应用x-R(均值-极差)控制模型，从稳态过程对样本的μ与σ进行合理的估计，从而建立均值-极差的控制界限，即上界(UCL)、中界(CL)和下界(LCL)。
在监测系统的基础上，专家系统基于知识库提供的模型结果进行推理的橡胶密炼智能模块系统，其实现的主要功能是原因追溯、故障预警和自我学习，可以在运行过程中调整和增删知识库中记录的内容。
专家系统权限设定为operator用户级、administrator管理员级和super超级用户级。
专家系统模块包括有通过人机接口模块相连接的添加知识模块、推理机操作模块、中间数据库、知识库、自学习模块、以及机器询问模块、结果输出模块、异常消息输入模块。
其中，知识库由规则库，原因库，结果库，中间结果库，矛盾结果库，共计5个子库组成。
上述专家系统的主要流程是从人机接口得到的信息写入事件库，并把信息交给推理机推理；推理机通过知识库中的知识和不断从人机接口得到的新信息推出一个合理的结果；结果推出后，专家系统会从知识库中提取相关的信息并和结果一块输出，同时通过自学习修正知识库中的内容。
专家系统的核心部分是推理机和知识库。
知识库中的知识组织方式采用产生式模糊规则的方法。表现形式为if X1 AND X2 AND X3…then Y with Cf。其中Xi表示规则原因，Yi表示规则结果，Cf表示规则置信度。
整个形式的语言描述为如果X1，X2，X3…同时发生，则Y必然发生，这条规则的可信程度为Cf。
推理机采用包括正向推理、反向推理相结合的方式。即在进行原因追溯时，采用反向推理的方式；进行故障预警时，采用正、反向混合推理模式；而在系统运行初始，根据用户输入的异常情况，采用正向推理的方法查找故障。
整个专家系统的推理和分析流程包括有1、原因追溯推理控制流程(反向推理模式)2、反向推理控制流程3、故障预警推理控制流程(正、反向推理模式)4、混合推理流程。
图1是统计过程控制监测流程示意图；图2是混炼控制专家系统的结构示意图；图3是专家系统的原因追溯推理模块流程图；图4是专家系统的反向推理模块流程图；图5是专家系统的故障预警模块流程图；图6是专家系统的混和推理流程一的示意图；图7是专家系统的混和推理流程二的示意图；图8是专家系统的混和推理流程三的示意图。
具体实施例方式
本发明所述的橡胶密炼生产过程的故障监测与专家系统及其使用方法，为实现对生产过程能够做出可靠的评估，从而判断过程是否失控和过程是否有能力，因而需要通过监测系统来建立数据模型和收集、整理过程状态判断标准和尺度。
所述的监测系统对生产过程中的过程数据，如加碳黑的时间、打滑时间，进行统计、分析和输出备份，从而形成报告全过程状态的数据曲线，能够对异常状态进行预警，并对异常的种类、性质进行具体地断定和给出相应的纠正措施建议。
监控系统以数据库形式记录存储数据实现共享，可动态了解当前最新的状况，对于大量生产尤其有益。这样可以全面掌握质量动态，质量变异报警功能，质量问题能即时发现。
如图1所示，统计过程控制监测系统是应用x-R(均值-极差)控制模型来控制，其流程内容是第一步，选取并获得控制变量数据。所选取的控制变量是影响门尼粘度值的、各投胶料动作点的温度、时间、功率和能量数值。
第二步，建立数据模型。采集混炼过程中的20车生产样本，将上述变量通过应用x-R(均值-极差)控制模型，从稳态过程对样本的μ与σ进行合理的估计，从而建立均值-极差的控制界限，即上界(UCL)、中界(CL)和下界(LCL)。
第三步，对过程数据进行处理、判断并相应输出备份。
将加碳黑点的工作点数据监测处理，控制对每车次的加碳黑点的时间进行统计分析，即针对从“加碳黑”动作到“上顶栓下压”动作的时间间隔，以确定是否能够正常称量。统计分析结果以实时输出供用户参考。
若检测出异常，则将识别出的模式特征存储到数据库中，在“异常日志”中给予登记存储。其中包括有发生故障时的生产配方、车次号、生产日期、混炼曲线和故障特征等内容。
将加油料点的工作点数据监测处理，对每车次的加油料后功率达到某一标定值所对应的时间(即不是直接采用功率做为判据。空转的功率到指定功率的时间过长则认为是打滑，故实际监测的是功率到达标定植对应的时间)进行统计分析。
第四步，确定所需要的报警类型。一方面，将监测统计分析结果输出供用户参考，同时将识别出的模式特征存储到专家系统的数据库中；另一方面，将输出结果数据依次连接，从而形成连续的信息链，以做到动态更新。
对于出现的异常情况做为故障检出，并在专家系统数据解释库的支持下做出有针对性的说明。
如图2-图8所示，专家系统是基于知识库提供的模型结果进行推理的橡胶密炼智能模块系统，其实现的主要功能是原因追溯，对已经出现的生产故障进行分析，帮助工艺人员找到发生故障的原因和动作点数据；故障预警，当出现异常状况时，可根据已有记录的部分状况特征，做出可能发生结果的预测；自我学习，可以在运行过程中调整和增删知识库中记录的内容；专家系统权限设定为operator用户级、administrator管理员级和super超级用户级。其中，operator用户级只面对普通操作人员，是最低权限，只能进行决策推理和一般知识录入；administrator管理员级面对有丰富现场知识的工艺员(工程师)，可以进行专家知识录入；super超级用户级为最高权限，对象为专家系统的设计和维护人员，可以打开所有的数据库，并进行增删修改。
如图2所示，专家系统模块包括有通过人机接口模块相连接的添加知识模块、推理机操作模块、中间数据库、知识库、自学习模块、以及机器询问模块、结果输出模块、异常消息输入模块。
其中，知识库由规则库，原因库，结果库，中间结果库，矛盾结果库，共计5个子库组成。
异常消息输入模块，可以对其他功能模块产生的部分异常消息进行处理，并将此消息送入推理机进行推导。
自学习模块，可以动态的调整规则的置信度，从而提高决策支持模块的推理精度。
人机接口模块，可使专家系统和外部交换信息，途径有机器询问、异常消息、添加知识以及结果输出。
上述专家系统的主要流程是从人机接口得到的信息写入事件库，并把信息交给推理机推理；推理机通过知识库中的知识和不断从人机接口得到的新信息推出一个合理的结果；结果推出后，专家系统会从知识库中提取相关的信息并和结果一块输出，同时通过自学习修正知识库中的内容。
如图3-图8所示，专家系统的核心部分是推理机和知识库。
知识库中的知识组织方式采用产生式模糊规则的方法。表现形式为if X1 AND X2 AND X3…then Y with Cf。其中Xi表示规则原因，Yi表示规则结果，Cf表示规则置信度。
整个形式的语言描述为如果X1，X2，X3…同时发生，则Y必然发生，这条规则的可信程度为Cf。
推理机采用包括正向推理、反向推理相结合的方式。即在进行原因追溯时，采用反向推理的方式；进行故障预警时，采用正、反向混合推理模式；而在系统运行初始，根据用户输入的异常情况，采用正向推理的方法查找故障。
推理中因为需要不断询问操作人员和查询异常库，所以已知的异常是不断变化的，因此所有用到的规则被加入到中间数据库内。推理时推理机只对中间数据库进行操作，避免了每次新异常的加入都要重新对整个知识库进行匹配。
输出时系统采用了结果阀值判断输出的方式。对同一个结果下的每条匹配规则，系统都会根据该规则的置信度(Cfi)和原因的模糊度(Fij)计算出一个规则的实际置信度(Cti)。最后根据这个结果下所有匹配规则的实际置信度计算出一个结果置信度(Cr)，如果该结果置信度大于结果阀值(Cv)则系统输出结果。
自学习模块采用“推导错误激发自学习”的模式。当推导正确时，不对知识库进行任何调整；当推导出现错误时，根据推导结果和实际情况的差值，通过修改规则的Cf值提高系统推导精度。具体可分为三种情况(1)当原因追溯而无法找到任何原因时，系统提示用户进入专家联系页面，并直接将相关信息发送出以求得到专家解决；(2)当原因追溯并可以找到原因、但找出的原因不足以支持故障的发生时，适当提高所激活规则的置信度；(3)当进行故障预警而预报的故障与事实不符时，适当的减小激活规则的置信度。
整个专家系统的推理和分析流程包括有3、原因追溯推理控制流程(反向推理模式)第一步，故障结果输入；第二步，查询知识库是否有匹配规则。若有，则将匹配规则填入中间数据库，并退出查询；若无，则直接进入反向推理模块；第三步，调用反向推理模块进行处理(如图4所示)；第四步，将反向推理结果输出。若有原因被推出，则将推理得出的原因记入知识库中并退出；若无原因被推出，则直接退出。
4、反向推理控制流程第一步，查询中间数据库是否有未处理规则。若有，则进行以下规划处理流程；若无，则进入自学习模块，并验证是否具有中间结果。具有中间结果时，返回并重新执行；第二步，规则处理阶段，将规则标记为已处理并验证是否是故障原因属性。若是，则输入原因并验证异常库是否有记录，对于未记录的以未发生规则对待，以返加第一步重新执行；若否，则直接返加第一步执行。
第三步，推理计算阶段。先后计算出规则置信度、结果置信度，并判断结果置信度是否大于阀值。若是，则判断是否仍有中间结果，有中间结果则返回第一步执行，若无则直接退出推理控制流程；若结果置信度小于阀值，则直接返回第一步执行。
3、故障预警推理控制流程(正、反向推理模式)第一步，输入原因并判断是否在知识库中有相应规则。
若有，则进行中间数据库查询是否有此规则。若中间数据库中有，则写入中间数据库并做标记、进入到下一步；若中间数据库中并没有，则直接进入混合推理流程。
若知识库中此规则，则在全部查询完毕后进入混合推理流程。
第二步，混合推理流程(如图6-图8所示)；第三步，推理结果输出。对于满意结果写入知识库中，对于不满意结果进入自学习模块处理。
5、混合推理流程第一部分，混合推理流程一。
第一步，分别计算全部规则的结果置信度。
第二步，判断结果置信度是否大于阀值。
若结果置信度不大于阀值，则将潜在结果输出。
若大于阀值则将置信度输出，并将相关规则删除。继而依次判断是否有中间结果。
第三步，判断是否具有中间结果。
若有中间结果，则分别判断是否规则结果已推出、以及中间数据库、知识库中是否有此规则，对于已有的规则分别进行标记；对于并不存在的规则就分别写入中间知识库中。
若无中间结果，则判断是否需进一步推理。需进一步推理就直接调用并进入混和推理流程二。
第二部分，执行混和推理流程二。
第一步，对于已处理的规则原因，包括人工录入和来源于消息库中的分别计算规则置信度和结果置信度。
对于未处理的规则原因直接计算规则置信度。
第二步，分析结果置信度是否大于阀值。
若不大于阀值，则直接进入混和推理流程三。
若大于阀值，则输出结果并将相关规则删除。继而依次判断是否有中间结果。
第三步，判断是否具有中间结果。
若有中间结果，则分别判断是否规则结果已推出、以及中间数据库、知识库中是否有此规则。
对于已有的规则分别进行标记；对于并不存在的规则就分别写入中间知识库中，同时返加混和推理流程一继续计算。
若无中间结果，则终止推理流程。
第三部分，混和推理流程三是处理那些结果置信度不大于阀值的规则。
第一步，根据结果在知识库中查找相关规则。
具有匹配规则的结果进一步在中间数据库查找，并在中间数据库添加此规则。
第二步，执行新的规则。
若未找到匹配规则，则做为新规则写入知识库中，同时返加混和推理流程二继续计算推理。否则，完成全部推理流程。
权利要求
1.一种橡胶密炼生产过程的故障监测与专家系统包括有建立数据模型和收集过程数据的监测系统，其特征在于其专家系统包括通过人机接口模块相连接的添加知识模块、推理机操作模块、中间数据库、知识库、自学习模块、以及机器询问模块、结果输出模块、异常消息输入模块。
2.根据权利要求1所述的橡胶密炼生产过程的故障监测与专家系统，其特征在于知识库由规则库，原因库，结果库，中间结果库，矛盾结果库组成。
3.一种橡胶密炼生产过程的故障监测与专家系统的使用方法，其特征在于从人机接口得到的信息写入事件库，并把信息交给推理机推理；推理机通过知识库中的知识和不断从人机接口得到的新信息推出一个合理的结果；结果推出后，专家系统会从知识库中提取相关的信息并和结果一块输出，同时通过自学习模块修正、添加知识库中的相应的规则和结果内容。
4.根据权利要求3所述的橡胶密炼生产过程的故障监测与专家系统的使用方法，其特征在于知识库中采用产生式模糊规则的方法，其计算公式为if X1 AND X2 AND X3...then Y with Cf，其中Xi表示规则原因，Yi表示规则结果，Cf表示规则置信度。
5.根据权利要求4所述的橡胶密炼生产过程的故障监测与专家系统的使用方法，其特征在于原因追溯推理流程是第一步，故障结果输入；第二步，查询知识库是否有匹配规则；若有，则将匹配规则填入中间数据库，并退出查询；若无，则直接进入反向推理模块；第三步，调用反向推理模块进行处理；第四步，将反向推理结果输出；若有原因被推出，则将推理得出的原因记入知识库中并退出；若无原因被推出，则直接退出。
6.根据权利要求4所述的橡胶密炼生产过程的故障监测与专家系统的使用方法，其特征在于反向推理控制流程是第一步，查询中间数据库是否有未处理规则；若有，则进行以下规划处理流程；若无，则进入自学习模块，并验证是否具有中间结果；具有中间结果时，返回并重新执行；第二步，规则处理阶段，将规则标记为已处理并验证是否是故障原因属性；若是，则输入原因并验证异常库是否有记录，对于未记录的以未发生规则对待，以返加第一步重新执行；若否，则直接返加第一步执行；第三步，推理计算阶段；先后计算出规则置信度、结果置信度，并判断结果置信度是否大于阀值；若是，则判断是否仍有中间结果，有中间结果则返回第一步执行，若无则直接退出推理控制流程；若结果置信度小于阀值，则直接返回第一步执行。
7.根据权利要求4所述的橡胶密炼生产过程的故障监测与专家系统的使用方法，其特征在于其混合推理流程包括有混合推理流程一、流程二和流程三。
全文摘要
本发明所述的橡胶密炼生产过程的故障监测与专家系统及其使用方法，提供一种应用统计过程控制方法的应用系统。监测系统应用统计过程控制，依据在线选取的测量数据信息来分析判断生产工况是否正常、关键性状态变量和被控变量是否处于优良区域、以及是否存在故障或其预兆存在并查找出原因和对策。在监测系统的基础上，专家系统基于知识库提供的模型结果进行推理的橡胶密炼智能模块系统，其实现的主要功能是原因追溯、故障预警和自我学习，可以在运行过程中调整和增删知识库中记录的内容。
文档编号B29B7/30GK1616204SQ200310105638
公开日2005年5月18日 申请日期2003年11月12日 优先权日2003年11月12日
发明者王海清, 高彦臣, 杨殿才, 王延书, 杭柏林 申请人:青岛高校软控股份有限公司