基于专家系统的压力机故障诊断系统的制作方法

本发明涉及压力机故障诊断技术领域，尤其是涉及一种基于专家系统的压力机故障诊断系统。

背景技术：

压力机是一个集机械、电气、液压于一体的复杂设备，任意一个故障都可能导致整个设备停止运行，严重时会引起整条生产线的停产，从而给企业造成经济损失与安全隐患。故障发生后如果不能及时有效地得当处理，会严重减少压力机的寿命，影响生产效率。因而对压力机故障诊断的研究具有非常重要的意义。

现有技术中有一种大型模锻压机故障诊断系统，该系统将故障树分析法fta和人工神经网络相结合，充分发挥各自优势，共同进行大型模锻压机的故障诊断。但该方法存在的主要问题：人工神经网络的性能很大程度上受样本完整的影响，而大型模锻压力机很难获得完整的样本。

现有技术中有一种利用规则推理和案例推理进行热模锻压力机故障诊断的方法，该方法构建了热模锻压力机生产过程中的故障树，并得到导致故障现象的最小割集。但该方法存在的主要问题：故障诊断时会存在规则冲突问题。

现有技术中有一种利用故障树分析法fta对曲柄压力机的高频振动故障进行诊断的方法，该方法构建了曲柄压力机高频振动故障的故障树，并对故障树进行了定性分析和定量分析，成功查找出了故障原因。但是该方法存在的主要问题：故障树定性分析时会出现“组合爆炸”问题，影响定量分析结果的准确度。

二元决策图bdd可以直观反映函数的逻辑结构，将bdd和fta结合起来可以简化故障树定性分析和定量分析的过程，提高计算结果的准确度。现有技术中有一种将bdd和fta相结合，并将其应用于光电系统故障分析。现有技术中有一种将bdd和动态故障树相结合，并将其应用于工作台运动精度的故障分析。现有技术中有一种将bdd应用于数控机床的故障分析。现有技术中有一种将bdd用于汽轮机的故障诊断。现有技术中有一种将bdd和fta应用于民用飞机故障诊断专家系统的设计。

压力机自身结构复杂、工艺多样，因而故障特征具有传递性与开放性，故障机理难以精确判断，导致故障诊断困难，维修周期长。现有技术中针对压力机的故障诊断存在以下缺点：利用传统fta求最小割集时会出现“组合爆炸”问题；专家系统的知识获取难；利用诊断规则推理时存在“规则冲突”问题。

技术实现要素：

本发明的目的在于提出一种诊断效率高的基于专家系统的压力机故障诊断系统，将bdd和fta相结合来建立基于专家系统的压力机故障诊断系统，以提高故障诊断的效率。

本发明的目的通过以下技术方案来实现：

一种基于专家系统的压力机故障诊断系统，包括：

人机接口，用于用户和故障诊断系统各模块之间进行信息交互；

知识库，分别与知识获取子系统、推理机、解释机相连，它包含所要解决问题领域中的事实和诊断规则；

综合数据库，分别与推理机、解释机相连，用于存储在故障诊断过程中的表达信息，包括初始状态、中间结论和最终结论；

知识获取子系统，领域专家、知识工程师将与故障相关的事实与诊断规则输入到知识库中；

推理机，根据当前的用户输入，调用知识库中的事实和诊断规则，按推理和冲突消解策略对故障现象进行推理，从而得出故障原因；

解释机，利用预制文本法对推理过程和推理得到的确定性结论做出解释。

所述知识获取子系统中，获取诊断知识的方式为基于fta和bdd的知识获取方式。

所述知识库包括事实库、规则库和解决方法库，规则库包括规则条件表、规则结论表和规则表。

所述知识库中知识表示的方法为产生式规则表示法，其基本形式是：ifpthenq，p是条件，q是结论，含义为：如果条件发生，则结论发生。

所述解释机制采用预制文本的方法，提前估计好的问题，错误信息，行为和推理方法等信息被添加到解释机制的程序中，当需要时显示。

所述推理机采用基于规则的反向推理，并基于最小割集的重要度解决规则冲突问题。

与现有技术相比，本发明具有以下有益效果：(1)利用bdd解决了传统故障树分析时的“组合爆炸”问题；(2)基于fta和bdd的诊断规则获取解决了专家系统的“知识获取”瓶颈；(3)利用最小割集的重要度确定规则优先级，解决了诊断时的“规则冲突”问题。

附图说明

图1为专家系统结构示意图。

图2知识库在数据库中的存储结构图。

图3推理机流程示意图。

图4为诊断规则获取流程示意图。

图5为压力机故障鱼骨图。

图6为压力机故障树。

表1为故障树符号定义表。

具体实施方式

下面结合附图对本发明作进一步说明。

参见图1，本发明基于专家系统的压力机故障诊断系统包括：

人机接口，用于用户和故障诊断系统各模块之间进行信息交互；当压力机产生故障时，用户通过人机接口输入故障信息，所有诊断结果也会在人机接口上显示。

知识库，分别与知识获取子系统、推理机、解释机相连，它包含所要解决问题领域中的事实和诊断规则；知识库包括事实库、诊断规则库和解决方法库，诊断规则库包括规则条件表、规则结论表和规则表。事实库储存所有的故障现象。事实库主要由故障编号、故障描述组成。规则条件表存储规则的条件，由条件编号、条件描述、结论编号组成。规则结论表存储规则的结论，由结论编号、结论描述、解决方法编号组成。解决方法库存储每个故障的解决方法，由解决方法编号、解决方法内容组成。规则表存储故障的诊断规则，由规则编号、规则名称、条件编号、结论编号、优先级、解释内容编号组成。知识库存储在数据库中，如图2所示，各表之间通过外键相联系。所述知识库中的诊断规则的基本形式为：ifpthenq，p是条件，q是结论，含义为：如果条件发生，则结论发生。

综合数据库，分别与推理机、解释机相连，用于存储在故障诊断过程中的表达信息，包括初始状态、中间结论、最终结论。

知识获取子系统，领域专家、知识工程师将与故障相关的事实与诊断规则输入到知识库中；所述知识获取子系统中，结合与故障相关的事实采用故障树分析法fta和二元决策图bdd获取诊断规则，具体步骤如图4所示：

步骤一：利用鱼骨图分析压力机的故障原因，如图5所示；

步骤二：根据鱼骨图，利用fta建立压力机故障树，如图6所示，故障树符号定义如表1所示；

表1故障树符号定义表

步骤三：利用部件连接法从故障树中只有底事件作为输入的逻辑门事件开始分析，利用规则将故障树转化为bdd，具体规则如下：

a.与门在转换为bdd时，其输入要与它的每一个1分支相连；或门在转换为bdd时，其输入要与它的每一个0分支相连。

b.在两个bdd进行合并时，应将其中一个bdd作为主bdd，另一个作为次bdd。若这两个bdd是与门事件的输入，则将次bdd与主bdd的每一个1分支相连；若这两个bdd是或门事件的输入，则将次bdd与主bdd的每一个0分支相连。

c.若同一变量在一条路径上重复出现，则按以下规则处理：变量的状态定义为在一条路径上该变量首次出现的状态，若变量第二次出现在1分支上，则该变量由其1分支代替；若变量第二次出现在0分支，则该变量由其0分支代替。若变量在两分支上同时出现，则删除该变量。

d.合并相同的结点。

步骤四：给每一个底事件赋一个素数。

步骤五：遍历bdd中从根节点到叶节点为1的路径，路径上发生的底事件组合即为故障树的割集。

步骤六：将割集中的底事件对应的素数相乘，得到割集对应的素数积。

步骤七：将素数积按从小到大的顺序排列，并从第一个数开始依次除后面的数，若能整除，则该数对应的割集不是最小割集；若不能整除，则该数对应的割集是最小割集。

步骤八：将最小割集作为诊断规则的条件，结合故障树编写诊断规则。

推理机，它根据当前的用户输入，调用知识库中的事实和诊断规则，按推理和冲突消解策略对故障现象进行推理，从而得出故障原因；所述推理机采用基于规则的反向推理，并基于最小割集的重要度解决规则冲突问题，具体推理流程如图3所示：

步骤一：用户通过人机接口输入故障现象。

步骤二：根据故障现象搜索知识库提出多个假设目标。

步骤三：从第一个假设目标开始，搜索知识库中规则结论与假设目标匹配的规则得到规则集s。

步骤四：若s为空，则通过人机接口询问假设是否为真，若假设为真，则输出故障信息，推理结束；若假设为假，则对下个目标进行步骤三和步骤四。

步骤五：若s不为空，则通过如下策略进行求解冲突：

a.利用公式计算顶事件的发生概率，式中，s为bdd中失效路径的个数，p(li)为路径li发生的概率，p(xj)底事件xj发生的概率，为底事件xk不发生的概率，p(t)为顶事件t的发生概率。

b.利用公式xi∈ci计算最小割集的重要度，式中，n为最小割集ci所含的底事件个数，p(xi)为底事件xi发生的概率，p(ci)为最小割集ci发生的概率，p(t)为顶事件发生的概率，为第i个最小割集的重要度。

c.根据最小割集的重要度给s中的规则赋予优先级，优先级最高者作为最优规则。

步骤五：将最优规则的条件作为新的假设目标，转到步骤三、步骤四和步骤五。

步骤六：若所有假设目标都被用户否定后，则显示无解，推理结束。

解释机，利用预制文本法对推理过程和推理得到的确定性结论做出解释，使用户更容易理解；提前估计好的问题，错误信息，行为和推理方法等信息被添加到解释机的程序中，当需要时显示。解释信息库存放在数据库中，由解释信息编号、故障编号、故障名称、故障原因编号、故障原因等组成。