液压系统故障智能诊断方法（2）
3 基于案例推理的诊断法
案例是能导致特定结果的一系列特征属性的集合，其表示就是对一次故障的具体情况尽可能地进行详细描述，对故障的各种属性进行合理划分，以便获得故障的完整资料。案例的组织是在案例表示的基础上，根据案例的特征和检索的需要，对案例进行整理和归类。基于案例推理(Case-based Reasoning，CBR)是用案例来表达知识并把问题求解和学习相融合的一种推理方法。由于案例推理接近于人类认识、解决问题最原始的思维方式，具有在无法获取机理模型、确定规则或统计模型时，采用历史相似性实现问题的定量求解和预测的特点。因此，将基于案例推理的技术用于故障诊断，通过回忆以前曾经成功解决过的相似问题，比较新、旧问题发生背景和条件等差异，经过一系列的调整、修改后，重新使用以前的知识和信息，提出解决当前问题的方案，关键是如何建立一个有效的案例索引机制与案例组织方式。CBR有以下优点：① 利用案例中隐含的难以规则化的知识，弥补规则推理的不足；② 案例的获取比规则的获取容易，较好地解决了“知识获取”的瓶颈问题；③ 对过去的求解结果进行复用，提高对新问题的求解效率；④ 有持续不断的学习能力。因此，CBR可以缩短问题求解途径，提高推理效率，在一定程度上弥补目前专家系统和神经网络系统等多数智能诊断系统的不足，为解决复杂设备故障诊断提供了一条新的途径。
丁贤林在液压系统的故障诊断中将系统的特征信号作为案例推理的特征。王东、张琦、李希红分别将案例推理技术应用于不同液压系统的故障诊断，均取得了较好的效果。
4 基于神经网络的诊断法
基于神经网络(Neural Network，NN)的诊断法是利用神经网络具有非线性和自学习以及并行计算能力的特点，对液压系统的故障进行诊断。其具体应用方式有：从模式识别角度应用神经网络作为分类器进行液压系统故障诊断；从故障预测角度应用神经网络作为动态模型进行液压系统故障预测；从检测故障的角度应用神经网络得到残差进行液压系统故障检测。由于液压系统故障的特征、原因普遍存在不确定性，而神经网络诊断方法存在故障判断中非此即彼的绝对性，往往与实际不符，需要对诊断法进行改进或结合其他诊断法，构造新的诊断方法，来克服传统神经网络诊断的绝对性。
学者们对基于神经网络的诊断方法研究较多。黄志坚将模糊逻辑与神经网络相结合，从症状和故障源两个方向对故障进行诊断，然后综合两个诊断结论，利用神经网络修正误差，在应用中不断优化，缩短学习过程。王益群利用神经网络对模糊推理模型进行训练来提高诊断的准确率，并可对未知的知识进行学习和补充。张若青采用输出递归网络模型对某液压位置伺服系统进行故障检测。杜文正将LVQ网络用于液压系统故障诊断。耿志强利用粗糙集理论对决策信息表进行简约，导出诊断规则，输入神经网络进行训练学习，实现液压系统故障在线诊断。石红雁把高阶统计量和模糊神经网络结合起来，形成高阶统计量模糊神经网络方法，可有效诊断液压系统早期故障。姜万录提出了神经网络和证据理论融合的故障诊断方法，提高了故障诊断的准确率。舒服华提出基于减聚法的RBF神经网络故障诊断方法，有效解决了故障与征兆关系的非线性和复杂性、故障信号的重叠和噪声干扰等问题，能有效提高故障诊断的可靠性和效率。郭垄建立了适合复杂系统故障诊断的复合神经网络结构。傅连东将BP神经网络与遗传算法结合起来，建立了遗传神经网络模型，并结合数据库技术开发出液压AGC故障智能诊断平台。郭刚提出将无线网络和BP神经网络相结合的液压系统故障诊断方案。聂光玮将神经网络集成和模糊逻辑结合，采用Gauss型随机函数作为个体网络训练集的随机采样函数，采用动态加权平均方法构成结论结合方式，构成一个液压系统故障诊断的神经网络集成模型结构。贺湘宇提出了基于NARX (非线性有源自回归)网络模型的液压系统故障检测方法。该方法首先建立系统正常状态下的NARX辨识模型，通过辨识模型获取系统故障状态样本的模型残差；然后运用序贯概率比检验对残差进行假设检验，以检测系统的故障状态。随后，贺湘字提出了基于RBF网络和ARX模型的故障诊断方法。该方法以ARX(有源自回归)模型自回归系数作为系统故障特征，以RBF网络作为故障分类器对故障特征进行分类，判断系统的故障类型和状态。陆跃平运用模糊控制器原理设计了模糊-神经故障诊断系统，引入RBF神经网络作为系统的推理机，运用了带置信度的改进算法。李大磊提出了一种减聚类径向基函数神经网络(RBF)的液压系统故降诊断方法。该方法采用一种减聚类的学习算法来确定径向基函数的相应参数，借助最速下降法求解网络的权值，使网络结构得到优化。
注：著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处，作者：广州市新欧机械有限公司黄志坚教授，020-82333916