郑文青 山东科技大学

随着工业4.0时代的到来，设备自动化水平程度越来越高。在设备给人们的生产生活带来极大便利的同时，设备出现故障造成的经济损失也越来越大。设备故障是设备运行过程中不可避免的行为，如何事先发现设备运行中的问题，提前对其进行修复，保证其安全生产与运行，这是长期困扰设备管理人员的问题。在早期的故障诊断过程中，设备故障处理更多的是凭借着使用者的经验判断和维修人员已有的一些常规处理方式解决，缺乏一定的系统性与安全性，并不能真正意义上排除设备对相关人员生命安全财产的隐患。与此同时，设备故障处理效果不够稳定，一个故障的处理甚至会引发新的故障，给用户带来更大的麻烦与损失。

故障诊断作为一门专门的科学，在历经数十年的发展过程中，初步形成了自身的一套研究体系。现阶段故障处理往往有两大类型，一个是基于非模型的故障处理模式，另一个是基于系统数学模型的故障处理。这两大故障处理类型极大的促进了故障诊断理论的进步与发展，由于故障的出现往往具有突发性和非线性等特点，这使得其处理判断规则较为模糊，人工解决较为困难。为此，基于人工智能的系统成为了识别故障、故障诊断、处理故障的良好选择。通过人工智能神经网络，构成具有适应性的单院互联网络系统，模拟生物神经系统对于现实世界做出的反映，有效的识别诊断问题。因此，基于神经网络的故障诊断系统研究，其本身具有一定的理论和实践意义。

1 现阶段故障诊断中存在的问题

故障诊断最早起源于设备维修检验过程中，最初是通过原始的经验分析判断，后来随着技术于方法的进步，故障诊断逐渐强调通过监测设备了解设备运行的状态参数，以前发现设备可能存在的一些异常状况，了解设备故障的原因，帮助使用者了解预测设备未来的运行状态。现阶段我国设备诊断技术虽然取得了较快的发展，但是许多设备诊断技术于方法还有待提升的空间。随着计算机技术与互联网信息的迅猛发展，设备诊断也逐步进入了智能化阶段，其在工业生产中地位也越来越重要。现阶段故障诊断中遇到的常见的难题：第一，故障定位问题。故障发生后，如何快速的定位故障、找出故障、排除故障，这是困恼故障处理人员的重大难题。第二，故障信息提取问题。由于不同环节故障的信息处理没有一套统一的标准，不同的环节处理与信息翻译，给故障的排除与维护带来了困难。第三，适应问题。故障排除与零件替换后，往往存在着一个磨合与环境适应问题。如何缩短磨合时间，自动适应设备运行环境，这也是故障处理不可避免的难题。

2 神经网络故障诊断优点

人工神经网络凭借着其独特的优点迅速发展，一方面神经网络具有可逼近任意连续有界非线性函数的能力，这种能力使得其有助于帮助故障系统建立非数学模型，实现故障诊断的跨越式发展；另一方面，神经网络具有令人惊讶的数据分类能力，能够帮助设备进行故障模式分类与学习，从而诊断出故障。因此，神经网络凭借其物理模型方法和数学模型方法的结合，实现两者的互补协作，发挥两者长处，从而使得故障诊断的范围更宽，准确性更高，效果也将更加明显。

3 神经网络用于故障诊断的可行性与前景展望

神经网络诊断与传统的故障诊断方法相比，实现了内部知识表达方式的统一。在神经网络诊断中，知识规则可以利用范例的学习，将信息存储于同一个神经网络连接权重重，使得知识库的通用性更加，管理更加方便于规范。与此同时，大量的知识存储于一个相对小的多的神经网络中，有助于故障诊断速度的改善与提升。与此同时，基于神经网络的故障诊断，能够利用神经网络数据库，实现知识的自动获取，来适应环境的变化。传统故障诊断中的“匹配冲突”“组合爆炸”“无穷递归”等问题，可以借用这一载体得到有效解决，实现推理速度的提升与进步。最后，基于神经网络的故障诊断系统，其本身具有联想、记忆和类比的形象思维能力，克服了以往系统中的“知识窄台阶”问题。即使是未接触过的学习知识外的范围，也不会对其造成困恼，因为神经网络将知识表示、存储与推理进行融合，帮助其实现真正意义上知识迁徙与拓展。因此，从未来的发展前景看，基于神经网络的故障诊断在以下方面具有独特的发展前景：

3.1 知识存储

与以往传统的故障诊断相比，训练过的神经网络能够有效的改善故障诊断的知识存储模式。通过引用神经网络，能够将诊断过程中需要存储的相关过程性的知识，直接进行定量的、历史的学习。这与之前的零散性、分散化的故障诊断存储模式相比，具有明显的优势。基于神经网络的故障诊断，能够根据对象的正常历史数据训练，将信息与测量数据对比，进行对比分析，确定故障，解决故障。

3.2 信息处理

在今后的故障诊断系统中，人工神经网络将在信息处理方面大大改善故障处理能力。由于人工神经网络具有独特的滤除噪声能力，使得其能够在噪音干扰的情况下，排除噪声状况，准确定位，得出正确的故障结论。神经网络特殊的噪声信息处理能力，可以使得其在噪声环境中，依然规范有效地工作，提升人工神经网络在线故障检测与诊断的技巧与能力，帮助故障诊断处理者克服传统故障诊断与处理的弊端。

3.3 分辨识别

基于神经网络的故障诊断，能够有效改善传统故障诊断中故障识别与诊断的效率，提高故障定位与诊断的能力，分辨故障问题产生的原因，辨析不同的故障类型，大大提升故障处理效率与能力。事实上，面向设备故障诊断的神经网络子系统，其本身具有复杂的网络设计，能够以最快的速度，帮助设备故障处理者自动分辨故障。同时，神经网络也能够利用其下属成千上万的子系统，详细发挥子系统的功能与特点，使得子系统整合组合成新的框架模式，实现智能诊断的预期效果。

将神经网络应用于故障诊断，这是故障诊断的进步与趋势。从目前的发展现状看，人工神经网络对于故障诊断的精确性、多样性、结构性与全面性依旧还处于初级阶段。在以后的发展过程中，诊断理论与神经网络将得到更好的结合，信号处理与神经网络契合度将会进一步提升，网络结构的改进，设备故障诊断的微型化，将得到进一步的改进与提升。由于主客观条件的限制，本文对于故障诊断的方法与理论研究还不够深入，对于神经网络的探讨还不够成熟与全面，但随着技术与经验的进步与积累，基于神经网络的故障诊断必将得到更好的发展，相信神经网络在故障诊断中将发挥越来越重要的作用，帮助两者实现更好的衔接与进步。