專利名稱：：胎面擠出過程智能故障診斷系統(tǒng)及其診斷方法
技術領域：
：本發(fā)明涉及輪胎工業(yè)胎面制造設備故障診斷方法，尤其是胎面擠出過程中生產(chǎn)線運行智能故障診斷方法。
背景技術：
：汽車工業(yè)持續(xù)快速增長，極大的帶動了輪胎制造行業(yè)的高速發(fā)展。輪胎作為汽車必不可少的部件對于整車的性能、質(zhì)量和安全起著重要的作用。要確保輪胎生產(chǎn)的質(zhì)量、產(chǎn)量和設備人員安全，對其制造設備進行狀態(tài)監(jiān)測和故障診斷，是一個非常重要的環(huán)節(jié)。對胎面擠出設備狀態(tài)的監(jiān)測與故障診斷，是為了掌握設備在運行過程中的狀態(tài)，評價、預測設備的可靠性，早期發(fā)現(xiàn)故障，并對其原因、部位、危險程度等進行識別，預報故障的發(fā)展趨勢，并針對具體情況做出決策。PLC(可編程邏輯控制器)具有體積小、功能強、靈活通用和維護方便等優(yōu)點，特別是它的高可靠性和較強的適應惡劣環(huán)境的能力，在輪胎制造的胎面擠出生產(chǎn)過程中得到大量采用。計算機則成為快速、高效、普遍的信息傳遞媒介。PLC控制系統(tǒng)因而成為故障診斷的一個重要環(huán)節(jié)?，F(xiàn)有的胎面擠出過程通過PLC操作系統(tǒng)自動調(diào)用錯誤處理OB(組織塊)可以診斷出一些故障，但仍然有許多故障難以診斷出來，如DI/D0(數(shù)字量輸入/輸出)模塊與設備間的連線故障，DO模塊掉電，PLC外接的輸入、輸出元件故障(如行程開關、電磁閥、接觸器故障等)。這些故障不能引起操作系統(tǒng)調(diào)用錯誤處理0B。當出現(xiàn)上述故障時PLC不會自動停機，直到故障造成的后果如機械頂死、電控系統(tǒng)常規(guī)保護動作之后才被發(fā)覺。停機后，查找故障也要花費很多時間。為了提高維修工作效率，特別是為了及時發(fā)現(xiàn)元件故障，在還沒有釀成設備事故之前使PLC先自動停機、報警，應該將故障監(jiān)測措施作為電控系統(tǒng)設計的一個必要的組成部分，以提高整個設備的可維修性。
發(fā)明內(nèi)容本發(fā)明所要解決的技術問題是提供一種胎面擠出過程智能故障診斷系統(tǒng)及其診斷方法，本發(fā)明能提高胎面擠出生產(chǎn)線的自動化程度。本發(fā)明所采用的技術方案是胎面擠出過程智能故障診斷系統(tǒng)包括胎面擠出聯(lián)動線故障診斷子系統(tǒng)和螺桿擠出機故障診斷子系統(tǒng)；胎面擠出聯(lián)動線故障診斷子系統(tǒng)包括系統(tǒng)建模模塊、知識管理模塊、智能診斷模塊、協(xié)同管理與調(diào)度模塊、數(shù)據(jù)管理與報告模塊和診斷專家管理模塊；系統(tǒng)建模模塊采用故障樹模型表達故障及故障相互間的邏輯關系；知識管理模塊在應用的過程中不斷完善和擴充故障信息；智能診斷模塊判明基本故障，確定故障原因、影響和發(fā)生概率，對故障進行定性與定量分析；協(xié)同管理與調(diào)度模塊對規(guī)則使用的可信度進行統(tǒng)計和判斷，對推理過程中產(chǎn)生的信息進行動態(tài)的存儲和管理；數(shù)據(jù)管理與報告模塊向客戶、領域?qū)＜液椭R工程師提供完整的、清楚的和易于理解的解釋及報告；診斷專家管理模塊提供廣域范圍內(nèi)的共享診斷資源平臺，為客戶提供共享資源和多種智能診斷手段，并與客戶進行交互；螺桿擠出機故障診斷子系統(tǒng)包括數(shù)據(jù)采集與檢測模塊、人機界面交互系統(tǒng)和常規(guī)控制層，人機界面交互系統(tǒng)又包括監(jiān)督管理層和參數(shù)估計模塊。本發(fā)明的優(yōu)點本發(fā)明故障診斷系統(tǒng)結構實用，針對性強，針對胎面擠出過程不同的故障類型采用不同的診斷方法，可提高現(xiàn)場設備的可靠性、安全性和生產(chǎn)線的生產(chǎn)效率及產(chǎn)品的質(zhì)量，提高了胎面擠出生產(chǎn)線的自動化程度，提高胎面產(chǎn)品質(zhì)量，減少了操作人員的勞動強度，提高了工作效率。圖1是胎面擠出聯(lián)動線故障樹形模型示意圖。圖2是人機交互問答剪枝后的故障樹。圖3是胎面螺桿擠出機故障診斷子系統(tǒng)功能結構框圖。具體實施例方式本發(fā)明的故障診斷系統(tǒng)通過PLC控制網(wǎng)絡，與現(xiàn)場設備實現(xiàn)連接；利用數(shù)字技術將物理制造系統(tǒng)結合起來，成為基于信息的系統(tǒng)，使之有效的運作；同時借助多媒體聲像技術，實現(xiàn)設備狀態(tài)監(jiān)測，從而進行診斷和控制。因此故障診斷對于胎面擠出生產(chǎn)過程的可靠、持續(xù)、安全生產(chǎn)具有現(xiàn)實意義。本發(fā)明針對胎面擠出生產(chǎn)線控制系統(tǒng)的外部設備故障、智能從站故障、PLC系統(tǒng)故障、總線故障建立樹形故障模型，將上述故障作為上端事件一樹的根節(jié)點，將產(chǎn)生系統(tǒng)故障的直接原因作為下端事件(中間事件)_樹的支節(jié)點，并用邏輯符號與上端事件連接起來，在對中間事件進行分析，產(chǎn)生樹的支節(jié)點，直到最基本的事件-數(shù)的葉節(jié)點為止。本發(fā)明通過推理機搜索推理的深度較淺，實現(xiàn)迅速的剪枝。本故障診斷系統(tǒng)還通過人機交互對話實現(xiàn)多選一的問答方式和給用戶做一些操作提示來實現(xiàn)迅速的剪枝。本發(fā)明還建立了具有故障診斷能力的現(xiàn)場監(jiān)控工作站。本發(fā)明采用故障樹分析結合專家系統(tǒng)的診斷方法實現(xiàn)胎面聯(lián)動線PLC控制網(wǎng)絡的智能故障診斷系統(tǒng)。本發(fā)明完成了智能故障診斷系統(tǒng)的結構、功能設計，包括規(guī)則庫、知識庫和數(shù)據(jù)庫的設計及相關功能模塊的實現(xiàn)。本發(fā)明針對螺桿擠出機故障，建立多類分類故障模型，采用一對一分類算法和一類對余類的分類算法，以及兩種分類算法實現(xiàn)胎面螺桿擠出機的故障診斷。胎面擠出過程智能故障診斷系統(tǒng)包括胎面擠出聯(lián)動線故障診斷子系統(tǒng)和螺桿擠出機故障診斷子系統(tǒng)；胎面擠出聯(lián)動線故障診斷子系統(tǒng)包括系統(tǒng)建模模塊、知識管理模塊、智能診斷模塊、協(xié)同管理與調(diào)度模塊、數(shù)據(jù)管理與報告模塊和診斷專家管理模塊；系統(tǒng)建模模塊采用故障樹模型表達故障及故障相互間的邏輯關系；知識管理模塊在應用的過程中不斷完善和擴充故障信息；智能診斷模塊判明基本故障，確定故障原因、影響和發(fā)生概率，對故障進行定性與定量分析；協(xié)同管理與調(diào)度模塊對規(guī)則使用的可信度進行統(tǒng)計和判斷，對推理過程中產(chǎn)生的信息進行動態(tài)的存儲和管理；數(shù)據(jù)管理與報告模塊向客戶、領域?qū)＜液椭R工程師提供完整的、清楚的和易于理解的解釋及報告；診斷專家管理模塊提供廣域范圍內(nèi)的共享診斷資源平臺，為客戶提供共享資源和多種智能診斷手段，并與客戶進行交互；螺桿擠出機故障診斷子系統(tǒng)包括數(shù)據(jù)采集與檢測模塊、人機界面交互系統(tǒng)和常規(guī)控制層，人機界面交互系統(tǒng)又包括監(jiān)督管理層和參數(shù)估計模塊。所述系統(tǒng)建模模塊建立胎面擠出聯(lián)動線故障樹形模型的方法是將胎面擠出聯(lián)動線可能出現(xiàn)的系統(tǒng)故障作為上端事件樹的根節(jié)點，將產(chǎn)生系統(tǒng)故障的直接原因作為下端事件樹的支節(jié)點，并用邏輯符號與上端事件連接起來；然后該模塊對中間事件進行分析，產(chǎn)生樹的支節(jié)點，直到最基本的事件樹的葉節(jié)點為止。系統(tǒng)建成的時候，知識庫的信息不可能是完整的，必須在應用的過程中不斷擴充。知識庫管理模塊根據(jù)胎面擠出聯(lián)動線故障樹形模型，以增加節(jié)點的方式不斷完善和擴充故障信息；增加節(jié)點時須提供該節(jié)點的父故障代號、節(jié)點類型、故障現(xiàn)象、與其他分支的邏輯關系，該模塊據(jù)此修改相關規(guī)則，并將其添加到相應故障樹。智能診斷模塊判明基本故障，確定故障原因的方法是將胎面擠出聯(lián)動線不希望出現(xiàn)的事件作為故障樹的頂事件，用規(guī)定的邏輯符號自上而下地分析導致頂事件發(fā)生的所有可能的直接因素，及其相互間的邏輯關系，并由此逐步深入分析，直到找出事故的基本原因，即故障樹的底事件為止；該模塊確定故障影響和發(fā)生概率，對故障進行定性與定量分析的方法是定性分析造成故障各種因素的因果關系，找出系統(tǒng)的薄弱環(huán)節(jié)，采取相應措施加以改善，以提高整體工作性能；定量分析在一定條件下某種故障發(fā)生的概率，找出引出故障的主要因素，通過故障樹分析法將系統(tǒng)故障形成的原因由總體至部分按樹枝狀逐級細化分析。故障樹及其對應規(guī)則的信息均以表的形式存貯在數(shù)據(jù)庫中；數(shù)據(jù)庫包含故障表、故障現(xiàn)象表和規(guī)則表；故障表給出故障代號、故障名稱、節(jié)點類型，并給出處理建議；故障現(xiàn)象表包含的字段有故障現(xiàn)象代號、故障現(xiàn)象名稱、交互信息；規(guī)則表包含的字段有規(guī)則代號、父故障代號、子故障代號集、故障現(xiàn)象、故障發(fā)生率及樹枝間邏輯關系；規(guī)則表中的一條規(guī)則對應故障樹的一條分支，故障表、故障現(xiàn)象表和規(guī)則表的信息結合起來完整的表示故障樹的信息。本系統(tǒng)根據(jù)專家經(jīng)驗來確定故障發(fā)生率，子故障代號集是若干子故障代號的與或表達式，如(F1/F2/F3)&(F3/F4)，其中“/”、“&”分別表示邏輯或和邏輯與，F(xiàn)lF4表示子故障代號。本系統(tǒng)運用動態(tài)數(shù)據(jù)庫進行各種數(shù)據(jù)庫的管理操作，程序執(zhí)行期間對動態(tài)數(shù)據(jù)庫進行瀏覽、增刪等操作。胎面擠出聯(lián)動線故障診斷子系統(tǒng)的診斷方法為1)讀取故障信息當聯(lián)動線電氣設備處于正常工作運行過程中，該故障診斷子系統(tǒng)就進入讀故障信息工作狀態(tài)；若無故障信息，則該系統(tǒng)處于等待狀態(tài)，一旦有了故障信息，故障診斷系統(tǒng)立即自動進行推理，并將推理過程、推理結論和解釋內(nèi)容全部存在一個數(shù)據(jù)文件中，同時也在屏幕上顯示出來；2)發(fā)送控制信息當出現(xiàn)的故障被診斷以后，故障診斷子系統(tǒng)發(fā)出命令，使電氣設備試圖恢復正常運行或者停止運行，這些故障診斷信息通過選擇工作狀態(tài)并通過人機交互系統(tǒng)顯示給客戶，再由客戶將命令傳到控制計算機，控制計算機根據(jù)相應的命令來完成響應的操作。系統(tǒng)建模模塊針對胎面擠出聯(lián)動線的惡性故障、質(zhì)量故障、機械液壓故障、循環(huán)水、汽故障、溫控加熱故障、電氣故障、PLC模塊故障、電源故障、總線故障、智能從站故障、夕卜部設備故障、總線電源故障、信號干擾、總線連接器故障、波特率設置問題、從站通訊故障、通訊板故障、總線電纜故障、總線連接器接觸不良、總線連接器終端電阻設置不對、總線連接器已壞故障建立樹形故障模型；該模塊將上述故障作為上端事件樹的根節(jié)點，將產(chǎn)生系統(tǒng)故障的直接原因作為中間事件樹的支節(jié)點，并用邏輯符號與上端事件樹連接起來，然后再對中間事件進行分析，產(chǎn)生樹的支節(jié)點，直到最基本的事件樹的葉節(jié)點為止；本系統(tǒng)通過推理機搜索推理的深度較淺，實現(xiàn)剪枝；智能故障診斷模塊和數(shù)據(jù)管理與報告模塊還通過人機交互對話，以多選一的問答方式和用戶操作提示來實現(xiàn)剪枝。螺桿擠出機故障診斷子系統(tǒng)建立多類分類故障模型，采用一對一分類算法和一類對余類的分類算法，以及兩種分類算法的結合實現(xiàn)胎面螺桿擠出機的故障診斷。螺桿擠出機故障診斷子系統(tǒng)的診斷過程包括以下步驟Si)整理數(shù)據(jù)，使故障數(shù)據(jù)滿足診斷子系統(tǒng)對數(shù)據(jù)格式的要求通過數(shù)據(jù)采集與檢測模塊的數(shù)據(jù)整理層進行數(shù)據(jù)校正，從現(xiàn)場采集擠出機的轉(zhuǎn)速、電流和壓力，將這些數(shù)據(jù)存放在數(shù)據(jù)庫中，再將校正好的數(shù)據(jù)由調(diào)試專家對有用數(shù)據(jù)分好類別，分別傳至人機界面交互系統(tǒng)中的監(jiān)督管理層與參數(shù)估計模塊處理，通過監(jiān)督管理層將處理好的數(shù)據(jù)導入到EXCEL表格中，剔除不相關的數(shù)據(jù)，然后通過EXCEL的xlsread函數(shù)讀取EXCEL中所需要的行和列中的數(shù)據(jù)以便操作工查看；S2)將分類好的數(shù)據(jù)傳至參數(shù)估計模塊，通過歸一化消除量綱的影響，同時加快診斷的速度根據(jù)下式(1)對數(shù)據(jù)進行[-1，1]歸一化處理χ.=2^l,、-1(1)1max(xz·)-min(xz·)其中，Xi為采集到的數(shù)據(jù)，Hiin(Xi)為其最小值，max(χ,)為其最大值；歸一化后的屬性值e[-1'+1]，訓練樣本與測試樣本采用相同的歸一化方法；S3)訓練模型，即通過對學習樣本數(shù)據(jù)進行訓練，得到模型通過LS-SVMlab工具箱中的訓練樣本函數(shù)trainlssvmO進行訓練，在訓練中使用徑向基和函數(shù)，并通過網(wǎng)格搜索和交叉驗證的策略進行參數(shù)的選擇，訓練后得到一組支持向量；S4)將測試樣本輸入訓練好的模型進行測試，通過LS-SVMlab工具箱中的測試樣本數(shù)據(jù)分類函數(shù)simlssvmO實現(xiàn)，得到測試結果，同常規(guī)控制層數(shù)據(jù)進行測試比較，S5)整理結果對于多故障情況的測試時，需要將測試數(shù)據(jù)依次輸入每個模型，然后整理每個模型的診斷結果，最終得到多故障分類器對測試樣本的識別結果；S6)得出結論判斷分類器對測試樣本是否正確識別。下面結合附圖，進一步詳細闡述本發(fā)明。如圖1針對胎面擠出聯(lián)動線故障類型為惡性故障、質(zhì)量故障、機械液壓故障、循環(huán)水/汽故障、溫控加熱故障、電氣故障為根節(jié)點，PLC模塊故障、電源故障、總線故障、智能從站故障、外部設備故障為電氣故障的支節(jié)點，總線電源故障、信號干擾、總線連接器故障、波特率設置問題、從站通訊故障、通訊板故障、總線電纜故障為總線故障的支節(jié)點，總線連接器接觸不良、總線連接器終端電阻設置不對、總線連接器已壞故障為總線連接器故障的葉節(jié)點。本發(fā)明建立胎面擠出聯(lián)動線故障樹形模型，將故障診斷系統(tǒng)出現(xiàn)系統(tǒng)故障作為上端事件_樹的根節(jié)點，將產(chǎn)生系統(tǒng)故障的直接原因作為下端事件(中間事件)_樹的支節(jié)點，并用邏輯符號與上端事件連接起來，在對中間事件進行分析，產(chǎn)生樹的支節(jié)點，直到最基本的事件-樹的葉節(jié)點為止。故障診斷的具體步驟Stepl建立規(guī)則庫、故障樹和事實庫(1)故障樹和規(guī)則庫的建立在建立控制網(wǎng)絡的故障樹之后，選擇知識表達，將故障樹中的專家知識用計算機能夠接受的形式表示。采用符合人們的思維習慣產(chǎn)生式規(guī)則表示法，規(guī)則具有模塊性，易于增加、刪除和修改。故障診斷專家系統(tǒng)采用框架結構結合產(chǎn)生式規(guī)則的知識表達方法。根據(jù)故障樹的不同結構，最基本的規(guī)則形式有AND(邏輯與)和OR(邏輯或)兩種。對于某一具體的故障樹，首先根據(jù)節(jié)點的不同層次對其進行編號，如F、Fi、Fij等，其中F表示結點，i和j表示序號。然后自頂向下根據(jù)邏輯關系的不同運用AND和OR兩種規(guī)則完成知識表7J\ο故障樹的層次結構較強。規(guī)則庫的建立采用了多選一的問答方式，利用該故障樹的特征，縮小了搜索空間，加快了推理目標的逼近，當搜索到故障樹的葉節(jié)點時，由于產(chǎn)生原因可能有幾個，所以這里采用了用戶提示和問答的方式來確切地判斷產(chǎn)生故障的原因。故障診斷系統(tǒng)實現(xiàn)自動推理的規(guī)則也根據(jù)類似的方式建立，只是將用戶的選項換成由工控機送來的檢測信號確定。規(guī)則庫中包括多條規(guī)則，每條規(guī)則又分為多條分規(guī)則。相同故障類型的基本原因可能不同，因而解決問題的辦法也就不相同。在某條規(guī)則下根據(jù)產(chǎn)生原因的不同再細分成分規(guī)則，既便于分類和推理，也便于對規(guī)則進行查錯和修改。(2)事實庫的建立建立用于存放故障的類型及其代碼的事實庫，它既可以當作推理過程中的條件使用，也可以做解釋結論來使用。表1為事實庫中的一些故障類型。表1事實庫故障代碼故障類型100直流調(diào)速器電子板電源故障_<table>tableseeoriginaldocumentpage9</column></row><table>107直流調(diào)速器擴展板EBl硬件故障_<table>tableseeoriginaldocumentpage9</column></row><table>(3)知識庫的更新系統(tǒng)建成的時候，知識庫的信息不可能是完整的，必須在應用的過程中不斷擴充。知識庫管理系統(tǒng)完成這項工作。要增加節(jié)點，須提供該節(jié)點的父故障代號、節(jié)點類型、故障現(xiàn)象、與其他分支的邏輯關系等，系統(tǒng)據(jù)此修改相關規(guī)則，并將其添加到相應故障樹；當用戶要刪除某一分支時，用戶只需提供其故障名稱及其父故障代號綜合數(shù)據(jù)庫的建立Step2綜合數(shù)據(jù)庫在數(shù)據(jù)庫中，故障樹及其對應規(guī)則的信息均以表的形式存貯。數(shù)據(jù)庫中包含故障表、故障現(xiàn)象表和規(guī)則表。故障表給出故障代號、故障名稱、節(jié)點類型，并給出處理建議；故障現(xiàn)象表包含故障現(xiàn)象代號、故障現(xiàn)象名稱、交互信息等字段；規(guī)則表包含的字段有規(guī)則代號、父故障代號、子故障代號集、故障現(xiàn)象、故障發(fā)生率及樹枝間邏輯關系。故障發(fā)生率主要是根據(jù)專家經(jīng)驗來確定的，不同故障事件的發(fā)生率只具有相對的意義；子故障代號集是若干子故障代號的與或表達式，如(F1/F2/F3)&(F3/F4)，其中“/”、“&”分別表示邏輯或和邏輯與。規(guī)則表中的一條規(guī)則對應故障樹的一條分支；故障表、故障現(xiàn)象表和規(guī)則表的信息結合起來完整的表示故障樹的信息。運用動態(tài)數(shù)據(jù)庫對數(shù)據(jù)庫進行各種管理操作，如在程序執(zhí)行期間可以對它進行瀏覽、增刪等操作。系統(tǒng)利用動態(tài)數(shù)據(jù)庫實現(xiàn)了兩種功能一是對規(guī)則使用的可信度進行統(tǒng)計和判斷，二是對推理過程中產(chǎn)生的信息進行動態(tài)的存儲和管理，使故障診斷系統(tǒng)能夠在運行時迅速地逼近目標。Step3解釋模塊功能及其實現(xiàn)解釋功能作為本胎面聯(lián)動線PLC控制網(wǎng)絡電氣故障診斷系統(tǒng)的重要功能之一，向客戶、領域?qū)＜液椭R工程師提供完整的、清楚的和易于理解的解釋也是故障診斷系統(tǒng)功能的標準之一。故障診斷系統(tǒng)采用預制文本和執(zhí)行追蹤兩種解釋方法向遠程用戶和領域?qū)＜姨峁┯行У慕忉專收显\斷系統(tǒng)對故障結論的解釋采用預制文本方法，即預先根據(jù)各種故障類型，將其產(chǎn)生原因、解決辦法和防止措施寫成文本形式存入庫中，當推理機推理出結論時，故障診斷系統(tǒng)根據(jù)結論給出解釋內(nèi)容，回答胎面擠出過程用戶提出的問題。表2解釋模塊故障結論變頻器過電流故障原因1電動機的功率與變頻器的功率不對應2電動機導線短路3有接地故障維修建議1檢查電動機的功率與變頻器的功率是否對應2檢查電纜的長度是否超過了允許的最大值3檢查電動機的電纜和電動機的內(nèi)部是否有短路4檢查輸入變頻器的參數(shù)與實際使用的電動機的參數(shù)是否一致故障結論變頻器過電流5檢查輸入變頻器的定子電阻值是否無誤6檢查電動機的冷卻風道是否通暢故障結論變頻器過電壓故障原因1直流回路的電壓超過了跳閘電平2由于供電電壓過高或者電動機處于再生制動方式下引起過電壓3斜坡下降過快或者電動機由大慣量負載帶動旋轉(zhuǎn)處于再生制動狀態(tài)下維修建議1檢查電源電壓是否在銘牌規(guī)定的范圍內(nèi)2檢查直流回落電壓控制器是否有效且是否正確進行了參數(shù)化3檢查斜坡下降時間是否與負載的慣量相匹配故障診斷系統(tǒng)對推理過程和規(guī)則的可信度的解釋采用了執(zhí)行追蹤的方法，即對系統(tǒng)的執(zhí)行過程進行追蹤，將跟蹤的過程和結構向用戶解釋。Step4推理機的實現(xiàn)胎面聯(lián)動線PLC控制網(wǎng)絡故障診斷的推理機根據(jù)診斷類型故障診斷專家系統(tǒng)的特點和求解策略設計。從圖1可以看出，故障樹是層次結構性很強、樹長得不高，但樹的葉子茂盛，所以推理機搜索推理的深度較淺，關鍵是實現(xiàn)迅速的剪枝。本故障診斷系統(tǒng)通過人機交互對話實現(xiàn)多選一的問答方式和給用戶做一些操作提示來實現(xiàn)迅速的剪枝。規(guī)則庫中的規(guī)則用來描述圖所示故障中的各種故障的原因和結果的關系，推理時對規(guī)則的條件部分的執(zhí)行也就是多次執(zhí)行的動態(tài)數(shù)據(jù)庫模塊中數(shù)據(jù)，當規(guī)則的條件部分得到滿足時，故障結論也就是驗證。如圖2經(jīng)過剪枝后的故障樹，即至頂向下依次為總線連接器接觸不良、總線連接器故障、總線故障、電氣故障、胎面線系統(tǒng)故障。讀取故障信息。當聯(lián)動線電氣設備處于正常工作運行過程中，該故障診斷系統(tǒng)就進入讀故障信息工作狀態(tài)，若無故障信息，則該系統(tǒng)處于等待狀態(tài)。一旦有了故障信息，故障診斷系統(tǒng)立即自動進行推理，并將推理過程、推理結論和解釋內(nèi)容全部存在一個數(shù)據(jù)文件中，同時也在屏幕上顯示出來。發(fā)送控制信息。當出現(xiàn)的故障被診斷以后，故障診斷系統(tǒng)要發(fā)出命令，使電氣設備試圖恢復正常運行或者停止運行，這些故障診斷信息是通過選擇工作狀態(tài)并通過人機交互系統(tǒng)顯示給客戶，再由客戶將命令傳到控制計算機的，控制計算機再根據(jù)相應的命令來完成響應的操作。St印5規(guī)則的可信度統(tǒng)計和判別在該故障診斷系統(tǒng)中設計了規(guī)則的可信度統(tǒng)計判別模塊，以便根據(jù)實際使用情況，不斷地向故障系統(tǒng)擴展新的規(guī)則、修正有錯誤和不確切的規(guī)則、刪除無用的規(guī)則，提高故障診斷系統(tǒng)的實用性和水平。該故障診斷系統(tǒng)對規(guī)則的可信度進行統(tǒng)計是通過動態(tài)數(shù)據(jù)庫來實現(xiàn)的，在動態(tài)數(shù)據(jù)庫內(nèi)存放所有的規(guī)則的使用情況統(tǒng)計值，由于動態(tài)數(shù)據(jù)庫的動態(tài)特性，使得在故障診斷系統(tǒng)的運行過程中可以隨意對所有的可信度進行統(tǒng)計，并將新的統(tǒng)計值存入庫內(nèi)，待系統(tǒng)運行一段時間后，就可以根據(jù)統(tǒng)計值決定是否修改相應的規(guī)則。某條規(guī)則是否修改不能只根據(jù)R(可信度)的值來決定，而是根據(jù)Zl(規(guī)則的正確使用的次數(shù))、X1(規(guī)則總的使用次數(shù))和R這三個值來決定。設A、B分別表示規(guī)則需要修改時的最少使用次數(shù)和最大可信度值，則規(guī)則要修改的條件為X1彡AandR彡B。A和B的確定應由領域?qū)＜腋鶕?jù)專業(yè)領域和重要程度確定，并要在實際使用中加以修正。在故障診斷系統(tǒng)中，當確定某條規(guī)則需要修改時，是由領域?qū)＜襾硇薷牡?，領域?qū)＜腋鶕?jù)系統(tǒng)提供的信息、運行結果、使用情況和自己的實際的經(jīng)驗進行修改，修改后再存入規(guī)則庫中使用。如圖3針對螺桿擠出機故障，建立多類分類故障模型，采用一對一分類算法和一類對余類的分類算法，以及綜合兩種分類算法實現(xiàn)胎面螺桿擠出機的故障診斷。多分類故障模型的建立以螺桿擠出機的正常工作狀態(tài)和3種故障狀態(tài)共4種狀態(tài)建立多故障分類器。取每種狀態(tài)18個樣本共72個樣本數(shù)據(jù)作為訓練樣本，所有分類器均采用高斯徑向基核函數(shù)，分別采用“成對分類”和“一類對余類”的多類分類算法。“1對1”分類將兩種狀態(tài)各18個樣本作為分類器的兩類輸入，分別標識為+1禾口-1，對應4種工作狀態(tài)共建立6個兩類分類器SVMO1、SVM02、SVM03、SVMl2、SVMl3、SVM23,其中SVMmn代表m類與η類樣本之間建立的兩類支持向量機。“1對多”分類將一種狀態(tài)的18個樣本和其余3種狀態(tài)的18X3=54種狀態(tài)作為分類器的兩類輸入，分別標識為+1和-1，對應4種工作狀態(tài)，共建立4個兩類分類器SVM0、SVM1、SVM2、SVM3，其中SVMn代表η類與余類樣本之間建立的兩類支持向量機。螺桿擠出故障診斷步驟，分為六個步驟Stepl整理數(shù)據(jù)使故障數(shù)據(jù)滿足診斷系統(tǒng)對數(shù)據(jù)格式的要求通過數(shù)據(jù)采集與檢測模塊的數(shù)據(jù)整理層進行數(shù)據(jù)校正，從現(xiàn)場采集的擠出機的轉(zhuǎn)速、電流和壓力等數(shù)據(jù)，存放在數(shù)據(jù)庫中，將校正好的數(shù)據(jù)由調(diào)試專家對有用數(shù)據(jù)分好類另IJ，分別傳至人機界面交互系統(tǒng)中監(jiān)督管理層與估計參數(shù)模塊處理，在機界面交互系統(tǒng)中監(jiān)督管理層將其導入到EXCEL表(微軟公司的算表軟件)格中，剔除不相關的數(shù)據(jù)，然后通過EXCEL的xlsread函數(shù)讀取EXCEL中所需要的行和列中的數(shù)據(jù)以便操作工查看；Step2分類好的數(shù)據(jù)傳至估計參數(shù)模塊通過歸一化消除量綱的影響，同時加快診斷的速度根據(jù)下式(1)對數(shù)據(jù)進行[-1，1]歸一化處理-0X廣minOz)X/=2^~T1--I(1)max(xz)-min(xz)其中，Xi為采集到的數(shù)據(jù)，Hiin(Xi)為其最小值，max(χ,)為其最大值；歸一化后的屬性值e[一1，+1]，訓練樣本與測試樣本采用相同的歸一化方法；Step3訓練模型，通過對學習樣本數(shù)據(jù)進行訓練，得到模型；通過LS-SVMlab(一種支持向量機軟件)工具箱中的訓練樣本函數(shù)trainlssvmO進行訓練，在訓練中使用徑向基和函數(shù)，并通過網(wǎng)格搜索和交叉驗證的策略進行參數(shù)的選擇，訓練后得到一組支持向量；St印4將測試樣本輸入訓練好的模型進行測試，通過LS-SVMlab工具箱中測試樣本數(shù)據(jù)分類函數(shù)simlssvmO實現(xiàn)，得到測試結果，同常規(guī)控制層數(shù)據(jù)進行測試比較，St印5整理結果對于多故障情況的測試時，需要將測試數(shù)據(jù)依次輸入每個模型，然后整理每個模型的診斷結果，最終得到多故障分類器對測試樣本的識別結果；St印6得出結論判斷分類器對測試樣本是否正確識別。權利要求胎面擠出過程智能故障診斷系統(tǒng)，其特征在于本系統(tǒng)包括胎面擠出聯(lián)動線故障診斷子系統(tǒng)和螺桿擠出機故障診斷子系統(tǒng)；胎面擠出聯(lián)動線故障診斷子系統(tǒng)包括系統(tǒng)建模模塊、知識管理模塊、智能診斷模塊、協(xié)同管理與調(diào)度模塊、數(shù)據(jù)管理與報告模塊和診斷專家管理模塊；系統(tǒng)建模模塊采用故障樹模型表達故障及故障相互間的邏輯關系；知識管理模塊在應用的過程中不斷完善和擴充故障信息；智能診斷模塊判明基本故障，確定故障原因、影響和發(fā)生概率，對故障進行定性與定量分析；協(xié)同管理與調(diào)度模塊對規(guī)則使用的可信度進行統(tǒng)計和判斷，對推理過程中產(chǎn)生的信息進行動態(tài)的存儲和管理；數(shù)據(jù)管理與報告模塊向客戶、領域?qū)＜液椭R工程師提供完整的、清楚的和易于理解的解釋及報告；診斷專家管理模塊提供廣域范圍內(nèi)的共享診斷資源平臺，為客戶提供共享資源和多種智能診斷手段，并與客戶進行交互；螺桿擠出機故障診斷子系統(tǒng)包括數(shù)據(jù)采集與檢測模塊、人機界面交互系統(tǒng)和常規(guī)控制層，人機界面交互系統(tǒng)又包括監(jiān)督管理層和參數(shù)估計模塊。2.根據(jù)權利要求1所述的診斷系統(tǒng)，其特征在于所述系統(tǒng)建模模塊建立胎面擠出聯(lián)動線故障樹形模型的方法是將胎面擠出聯(lián)動線可能出現(xiàn)的系統(tǒng)故障作為上端事件樹的根節(jié)點，將產(chǎn)生系統(tǒng)故障的直接原因作為下端事件樹的支節(jié)點，并用邏輯符號與上端事件連接起來；然后該模塊對中間事件進行分析，產(chǎn)生樹的支節(jié)點，直到最基本的事件樹的葉節(jié)點為止。3.根據(jù)權利要求2所述的診斷系統(tǒng)，其特征在于知識庫管理模塊根據(jù)胎面擠出聯(lián)動線故障樹形模型，以增加節(jié)點的方式不斷完善和擴充故障信息；增加節(jié)點時須提供該節(jié)點的父故障代號、節(jié)點類型、故障現(xiàn)象、與其他分支的邏輯關系，該模塊據(jù)此修改相關規(guī)則，并將其添加到相應故障樹。4.根據(jù)權利要求2所述的診斷系統(tǒng)，其特征在于智能診斷模塊判明基本故障，確定故障原因的方法是將胎面擠出聯(lián)動線不希望出現(xiàn)的事件作為故障樹的頂事件，用規(guī)定的邏輯符號自上而下地分析導致頂事件發(fā)生的所有可能的直接因素，及其相互間的邏輯關系，并由此逐步深入分析，直到找出事故的基本原因，即故障樹的底事件為止；該模塊確定故障影響和發(fā)生概率，對故障進行定性與定量分析的方法是定性分析造成故障各種因素的因果關系，找出系統(tǒng)的薄弱環(huán)節(jié)，采取相應措施加以改善，以提高整體工作性能；定量分析在一定條件下某種故障發(fā)生的概率，找出引出故障的主要因素，通過故障樹分析法將系統(tǒng)故障形成的原因由總體至部分按樹枝狀逐級細化分析。5.根據(jù)權利要求14中任一項所述的診斷系統(tǒng)，其特征在于故障樹及其對應規(guī)則的信息均以表的形式存貯在數(shù)據(jù)庫中；數(shù)據(jù)庫包含故障表、故障現(xiàn)象表和規(guī)則表；故障表給出故障代號、故障名稱、節(jié)點類型，并給出處理建議；故障現(xiàn)象表包含的字段有故障現(xiàn)象代號、故障現(xiàn)象名稱、交互信息；規(guī)則表包含的字段有規(guī)則代號、父故障代號、子故障代號集、故障現(xiàn)象、故障發(fā)生率及樹枝間邏輯關系；規(guī)則表中的一條規(guī)則對應故障樹的一條分支，故障表、故障現(xiàn)象表和規(guī)則表的信息結合起來完整的表示故障樹的信息。6.根據(jù)權利要求14中任一項所述的診斷系統(tǒng)，其特征在于胎面擠出聯(lián)動線故障診斷子系統(tǒng)的診斷方法為1)讀取故障信息當聯(lián)動線電氣設備處于正常工作運行過程中，該故障診斷子系統(tǒng)就進入讀故障信息工作狀態(tài)；若無故障信息，則該系統(tǒng)處于等待狀態(tài)，一旦有了故障信息，故障診斷系統(tǒng)立即自動進行推理，并將推理過程、推理結論和解釋內(nèi)容全部存在一個數(shù)據(jù)文件中，同時也在屏幕上顯示出來；2)發(fā)送控制信息當出現(xiàn)的故障被診斷以后，故障診斷子系統(tǒng)發(fā)出命令，使電氣設備試圖恢復正常運行或者停止運行，這些故障診斷信息通過選擇工作狀態(tài)并通過人機交互系統(tǒng)顯示給客戶，再由客戶將命令傳到控制計算機，控制計算機根據(jù)相應的命令來完成響應的操作。7.根據(jù)權利要求14中任一項所述的診斷系統(tǒng)，其特征在于系統(tǒng)建模模塊針對胎面擠出聯(lián)動線的惡性故障、質(zhì)量故障、機械液壓故障、循環(huán)水、汽故障、溫控加熱故障、電氣故障、PLC模塊故障、電源故障、總線故障、智能從站故障、外部設備故障、總線電源故障、信號干擾、總線連接器故障、波特率設置問題、從站通訊故障、通訊板故障、總線電纜故障、總線連接器接觸不良、總線連接器終端電阻設置不對、總線連接器已壞故障建立樹形故障模型；該模塊將上述故障作為上端事件樹的根節(jié)點，將產(chǎn)生系統(tǒng)故障的直接原因作為中間事件樹的支節(jié)點，并用邏輯符號與上端事件樹連接起來，然后再對中間事件進行分析，產(chǎn)生樹的支節(jié)點，直到最基本的事件樹的葉節(jié)點為止；本系統(tǒng)通過推理機搜索推理的深度較淺，實現(xiàn)剪枝；智能故障診斷模塊和數(shù)據(jù)管理與報告模塊還通過人機交互對話，以多選一的問答方式和用戶操作提示來實現(xiàn)剪枝。8.根據(jù)權利要求1所述的診斷系統(tǒng)，其特征在于螺桿擠出機故障診斷子系統(tǒng)建立多類分類故障模型，采用一對一分類算法和一類對余類的分類算法，以及兩種分類算法的結合實現(xiàn)胎面螺桿擠出機的故障診斷。9.根據(jù)權利要求8所述的診斷系統(tǒng)，其特征在于螺桿擠出機故障診斷子系統(tǒng)的診斷過程包括以下步驟S1)整理數(shù)據(jù)，使故障數(shù)據(jù)滿足診斷子系統(tǒng)對數(shù)據(jù)格式的要求通過數(shù)據(jù)采集與檢測模塊的數(shù)據(jù)整理層進行數(shù)據(jù)校正，從現(xiàn)場采集擠出機的轉(zhuǎn)速、電流和壓力，將這些數(shù)據(jù)存放在數(shù)據(jù)庫中，再將校正好的數(shù)據(jù)由調(diào)試專家對有用數(shù)據(jù)分好類別，分別傳至人機界面交互系統(tǒng)中的監(jiān)督管理層與參數(shù)估計模塊處理，通過監(jiān)督管理層將處理好的數(shù)據(jù)導入到EXCEL表格中，剔除不相關的數(shù)據(jù)，然后通過EXCEL的xlsread函數(shù)讀取EXCEL中所需要的行和列中的數(shù)據(jù)以便操作工查看；S2)將分類好的數(shù)據(jù)傳至參數(shù)估計模塊，通過歸一化消除量綱的影響，同時加快診斷的速度根據(jù)下式(1)對數(shù)據(jù)進行[_1，1]歸一化處理<formula>formulaseeoriginaldocumentpage3</formula>其中，x,為采集到的數(shù)據(jù)，min(Xi)為其最小值，max(xi)為其最大值；歸一化后的屬性值巧e[_1，+1]，訓練樣本與測試樣本采用相同的歸一化方法；53)訓練模型，即通過對學習樣本數(shù)據(jù)進行訓練，得到模型通過LS-SVMlab工具箱中的訓練樣本函數(shù)trainlssvmO進行訓練，在訓練中使用徑向基和函數(shù)，并通過網(wǎng)格搜索和交叉驗證的策略進行參數(shù)的選擇，訓練后得到一組支持向量；54)將測試樣本輸入訓練好的模型進行測試，通過LS-SVMlab工具箱中的測試樣本數(shù)據(jù)分類函數(shù)simlssvmO實現(xiàn)，得到測試結果，同常規(guī)控制層數(shù)據(jù)進行測試比較，55)整理結果對于多故障情況的測試時，需要將測試數(shù)據(jù)依次輸入每個模型，然后整理每個模型的診斷結果，最終得到多故障分類器對測試樣本的識別結果；56)得出結論判斷分類器對測試樣本是否正確識別。全文摘要本發(fā)明提供了一種胎面擠出過程智能故障診斷系統(tǒng)，其包括胎面擠出聯(lián)動線故障診斷子系統(tǒng)和螺桿擠出機故障診斷子系統(tǒng)；胎面擠出聯(lián)動線故障診斷子系統(tǒng)包括系統(tǒng)建模模塊、知識管理模塊、智能診斷模塊、協(xié)同管理與調(diào)度模塊、數(shù)據(jù)管理與報告模塊和診斷專家管理模塊；螺桿擠出機故障診斷子系統(tǒng)包括數(shù)據(jù)采集與檢測模塊、人機界面交互系統(tǒng)和常規(guī)控制層，人機界面交互系統(tǒng)又包括監(jiān)督管理層和參數(shù)估計模塊。本發(fā)明能提高胎面擠出生產(chǎn)線的自動化程度。文檔編號G05B19/418GK101833324SQ201010179109公開日2010年9月15日申請日期2010年5月14日優(yōu)先權日2010年5月14日發(fā)明者劉小珠,劉芙蓉,徐華中,曾春年,李向舜,薛麗娟,鄧燕妮,陳躍鵬申請人:武漢理工大學