国产成人嫩模一区二区,成人黄色小视频在线观看,国产成人夜夜嗨精品视频,成人无码A级毛片免费

網(wǎng)絡(luò)化智能化傳動裝置在線故障診斷系統(tǒng)的集成

4.1 引言
故障智能診斷系統(tǒng)研究迄今在診斷理論和具體實(shí)踐方面都取得了較大的進(jìn)展，正在逐漸形成一個獨(dú)立的研究領(lǐng)域透劈，為該技術(shù)在生產(chǎn)實(shí)際中的廣泛應(yīng)用奠定了堅實(shí)的基礎(chǔ)梧却。國內(nèi)外的專家學(xué)者已研制開發(fā)了一大批故障診斷專家系統(tǒng)，取得了一定的經(jīng)濟(jì)效益和社會效益败去。所有這些理論研究和實(shí)踐工作表明放航，對于故障診斷領(lǐng)域大多數(shù)問題的求解，建立基于知識的診斷系統(tǒng)是可能的圆裕、合理的和合適的广鳍。然而，目前的研究或者偏重于診斷領(lǐng)域中的特定問題吓妆，如診斷模型赊时、知識表示、推理方法等行拢，或者偏重于系統(tǒng)開發(fā)過程中特定階段的具體實(shí)現(xiàn)技術(shù)和方法祖秒，而對故障智能診斷系統(tǒng)的開發(fā)和建造尚未形成具有自身特點(diǎn)的系統(tǒng)理論和科學(xué)的方法體系。
對于傳統(tǒng)的專家系統(tǒng)舟奠，我們似乎已有了一些可以借鑒的竭缝、日趨標(biāo)準(zhǔn)的開發(fā)技術(shù)和策略。然而故障診斷專家系統(tǒng)在工作方式上與其他工程類型的專家系統(tǒng)（設(shè)計型專家系統(tǒng)沼瘫、決策型專家系統(tǒng)等）有較大的差異跳蚓，這主要表現(xiàn)在診斷對象的復(fù)雜性、診斷任務(wù)的零散性房包、診斷理論和方法的不成熟性抠建、診斷知識的難獲取性、診斷結(jié)果的不確定性和診斷環(huán)境的多變性等矮憔，致使在建造故障診斷專家系統(tǒng)時難以選擇合適的原型系統(tǒng)作為參考蔓踩，沒有標(biāo)準(zhǔn)的開發(fā)模式可遵循，而且不能準(zhǔn)確地預(yù)測開發(fā)過程中可能要遇到的困難及相應(yīng)的解決辦法遭绝。這些因素使得智能診斷系統(tǒng)的建造工作極為繁瑣和困難紧慧。目前己有的故障智能診斷系統(tǒng)在知識庫結(jié)構(gòu)、解決問題能力零硫、深淺知識的結(jié)合盯窜、知識的獲取、容錯能力萄蕾、不確定性處理等多方面存在著不同程度的缺陷领靖，這與研制者在開發(fā)診斷系統(tǒng)時所采取的研制策略和方法有密切的關(guān)系俄洞。可喜的是槐秧，一些研究者已開始認(rèn)識到研究開發(fā)故障智能診斷系統(tǒng)一般方法的重要性啄踊，并逐漸做深人的研究。從這個意義上講刁标，加強(qiáng)智能診斷系統(tǒng)開發(fā)策略和方法的研究是十分必要的颠通。

4.2 故障診斷的方法
設(shè)備故障診斷技術(shù)發(fā)展至今，己成為一門獨(dú)立的跨學(xué)科的綜合信息處理技術(shù)膀懈，它是以可靠性理論顿锰、信息論、控制論和系統(tǒng)論為理論基礎(chǔ)启搂，以現(xiàn)代測試儀器和計算機(jī)為技術(shù)手段硼控，結(jié)合各種診斷對象（系統(tǒng)、設(shè)備胳赌、機(jī)器牢撼、裝置、工程結(jié)構(gòu)匈织、工藝過程等等）的特殊規(guī)律而逐步形成的一門新興學(xué)科浪默。大體上由三個部分組成，第一部分為故障診斷物理圣掷、化學(xué)過程的研究薛淆；第二部分為故障診斷信息學(xué)的研究；第三部分為診斷邏輯與數(shù)學(xué)原理方面的研究匿贴。設(shè)備故障診斷技術(shù)從不同的角度出可以分成兩大類：基于數(shù)學(xué)模型的故障診斷方法和基于人工智能的故障診斷方法凑篇。每類又包含著干具體的診斷方法，如圖4.1 所示耗述。

1)基于數(shù)學(xué)模型的故障診斷方法
該方法包括基于直接測量系統(tǒng)輸入輸出及信號處理的方法托蜡、基于狀態(tài)估計的方法和基于過程參數(shù)估計的方法。
A.基于直接測量系統(tǒng)輸入輸出及信號處理的方法是直接測量被診斷對象有關(guān)的輸出量妒彭，如果輸出量超出規(guī)定的正常變化范圍則可以認(rèn)為對象已經(jīng)或?qū)⒁�發(fā)主故障谢燎。這種方法也叫觀測器法，雖然方法簡單幕笋，但容易出現(xiàn)故障的誤判和漏判钧椿。

B.基于狀態(tài)估計的方法是通過估計系統(tǒng)的狀態(tài)并結(jié)合適當(dāng)模型進(jìn)行故障診斷。首先重構(gòu)被診斷過程的狀態(tài)椿笤，并構(gòu)成殘差序列盹屠，殘差序列中包含各種故障信息。基于這個序列膀捷，通過構(gòu)造適當(dāng)?shù)哪Ｐ筒⒉捎媒y(tǒng)計檢驗(yàn)法迈嘹，才能把故障從中檢測出來并做進(jìn)一步的分離、估計和決策全庸。狀態(tài)估計的方法通常是狀態(tài)觀測器及濾波器秀仲。
C.基于過程參數(shù)估計的方法與基于狀態(tài)估計的診斷方法不同，它不需要計算殘差序列壶笼，而是根據(jù)參數(shù)變化的統(tǒng)計特性來檢測故障的發(fā)生啄育，而后進(jìn)行故障分離、沽計和分類拌消。由于可以建立故障與過程參數(shù)的精確聯(lián)系，因此這種方法比基于狀態(tài)估計的方法更有利于故障的分離安券。最小二乘法簡單實(shí)用墩崩，是參數(shù)估計的首選方法。

基于數(shù)學(xué)模型的故障診斷方法侯勉，其優(yōu)點(diǎn)是能深人系統(tǒng)本質(zhì)的動態(tài)性質(zhì)和實(shí)現(xiàn)實(shí)時診斷鹦筹，缺點(diǎn)是當(dāng)系統(tǒng)模型未知、不確定或具有非線性時以睦，這種方法不易實(shí)現(xiàn)泌醋。

2）基于人工智能的故障診斷方法
該方法包括基于專家系統(tǒng)的方法、基于案例的診斷方法滤钠、基于模糊數(shù)學(xué)的方法赌拒、基于人工神經(jīng)網(wǎng)的方法和基于故障樹的方法。
A.基于專家系統(tǒng)的診斷方法是故障診斷領(lǐng)域中最為引人注目的發(fā)展方向之一祠裸，也是研究最多贵郎、應(yīng)用最廣的一類智能診斷技術(shù)。它大致經(jīng)歷了兩個發(fā)展階段：基于淺知識（領(lǐng)域?qū)＜业慕?jīng)驗(yàn)知識）的故障診斷系統(tǒng)和基于深知識（診斷對象的模型知識）的故障診斷系統(tǒng)眶昵。
基于案例的推理方法能通過修訂相似問題的成功結(jié)果來求解新問題蒂轨。它能通過將獲取新知識作為案例來進(jìn)行學(xué)習(xí)，不需要詳細(xì)地診斷對象模型拔衙。在這種推理方法中檩榕，主要的技術(shù)包括：案例表達(dá)和索引、案例的檢索栓稻、案例的修訂关揣、從失敗中學(xué)習(xí)等∑戎�；�于案例的診斷方法的原理是宪赶，對于所診斷的對象，根據(jù)其特征從案例庫中檢索出與該對象的診斷問題最相似匹配的案例，然后對該案例的診斷結(jié)果進(jìn)行修訂作為該對象的診斷結(jié)果搂妻。
B.基于案例的診斷方法適用于領(lǐng)域定理難以表示成規(guī)則形式蒙保，而易表示成案例形式并且已經(jīng)積累了豐富的案例的領(lǐng)域（如醫(yī)學(xué)診斷等）。它的局限性是：傳統(tǒng)的基于案例的診斷方法難以表示案例之間的聯(lián)系欲主；對于大型案例庫進(jìn)行檢索非常費(fèi)時邓厕，并且難以決定應(yīng)選擇哪些癥狀及它們的權(quán)重；基于案例的診斷方法難以處理案例修訂時的一致性檢索（特征變量間的約束關(guān)系）扁瓢，難以對診斷結(jié)果加以解釋详恼。
C.基于人工神經(jīng)網(wǎng)的方法
近年來，神經(jīng)網(wǎng)絡(luò)以其獨(dú)特的容錯引几、聯(lián)想昧互、推測、記憶伟桅、自適應(yīng)机凭。自學(xué)習(xí)和處理復(fù)雜多模式等優(yōu)點(diǎn)，在許多學(xué)科中掀起了研究的熱潮窖升。同樣在故障診斷領(lǐng)域级衅，其發(fā)展前景也是十分樂觀的。
在知識獲取上呕瞎，神經(jīng)網(wǎng)絡(luò)的知識不需要由知識工程師進(jìn)行整理笑诫、總結(jié)以及消化領(lǐng)域?qū)＜业闹�識，只需要用領(lǐng)域?qū)＜医鉀Q問題的實(shí)例或范例來訓(xùn)練神經(jīng)網(wǎng)絡(luò)婉肆；在知識表示方面咽行，神經(jīng)網(wǎng)絡(luò)采取隱式表示，在知識獲取的同時衰惜，自動產(chǎn)生的知識由網(wǎng)絡(luò)的結(jié)構(gòu)和權(quán)值表示涣疑，并將某一問題的若干知識表示在同一網(wǎng)絡(luò)中，通用性強(qiáng)藕壹，便于實(shí)現(xiàn)知識的自動獲取和并行聯(lián)想推理诞嗦。在知識推理方面，神經(jīng)網(wǎng)絡(luò)通過神經(jīng)元之間的相互作用來實(shí)現(xiàn)推理椿访。目前在許多領(lǐng)域的故
障診斷系統(tǒng)中己開始應(yīng)用乌企，如在化工設(shè)備、核反應(yīng)堆成玫、汽輪機(jī)加酵、旋轉(zhuǎn)、機(jī)械和電動機(jī)等領(lǐng)域都取得了較好的效果哭当。由于神經(jīng)網(wǎng)絡(luò)從故障事例中學(xué)到的知識只是一些分布權(quán)重猪腕，而不是類似領(lǐng)域?qū)＜疫壿嬎季S的產(chǎn)生式規(guī)則，因此診斷推理過程不能夠解釋，缺乏透明度陋葡。
D.基于模糊數(shù)學(xué)的診斷方法不需要建立精確的數(shù)學(xué)模型亚亲，適當(dāng)?shù)剡\(yùn)用隸屬函數(shù)和模糊規(guī)則，進(jìn)行模糊推理就可以實(shí)現(xiàn)模糊診斷的智能化腐缤。但是捌归，對于復(fù)雜滋診斷系統(tǒng)，要建立正確的模糊規(guī)則和隸屬函數(shù)是非常困難的岭粤，而且需要花費(fèi)很長的時間惜索。對于更大的模糊規(guī)則和隸屬函數(shù)集合而言，難以找出規(guī)則與規(guī)則之間滋關(guān)系惰衬，也就是說規(guī)則有“組合爆炸”現(xiàn)象發(fā)生铡碧。另外由于系統(tǒng)的復(fù)雜性。耦合性羔题，由時域织娶、頻域特征空間至故障模式特征空間的映像關(guān)系往往存在著較強(qiáng)的非線性，這對隸屬函數(shù)形狀不規(guī)則掺变，只能利用規(guī)范的隸屬函數(shù)形狀來加以處理，如用三角形淳篡、梯形或直線等規(guī)則形狀來組合予以近似代替帆骗，從而使得非線性系統(tǒng)的診斷結(jié)果不夠理想。
E.基于故障樹的方法是由計算機(jī)依據(jù)故障與原因的先驗(yàn)知識和故障率知識自動輔助生成故障樹些援，并自動生成故障樹的搜索過程的席。診斷過程從系統(tǒng)的某一故障開始，沿著故障樹不斷提問“為什么出現(xiàn)這種現(xiàn)象准徘？”而逐級構(gòu)成一個遞階故障樹赁至，通過對此故障樹的啟發(fā)式搜索，最終查出故障的根本原因洛退。在提問過程中瓣俯，有效合理地使用系統(tǒng)的實(shí)時動態(tài)數(shù)據(jù)將有助于診斷過程的進(jìn)行”�怯；�于故障樹的診斷方法類似于人類的思維方式彩匕，易于理解，在實(shí)際中應(yīng)用較多媒区，但大多與其它方注結(jié)合使用驼仪。

4.3 智能分析系統(tǒng)的基本設(shè)計思想和組成
4.3.1 故障智能診斷系統(tǒng)的基本設(shè)計思想
隨著人工智能技術(shù)的迅速發(fā)展，特別是知識工程袜漩、專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)在診斷領(lǐng)域中的進(jìn)一步應(yīng)用绪爸，迫使人們對智能診斷問題進(jìn)行更加深入與系統(tǒng)地拼究。所謂診斷系統(tǒng)的智能就是它可有效地獲取、傳遞奠货、處理介褥、再生和利用診斷育息，從而具有對給定環(huán)境下的診斷對象進(jìn)行成功狀態(tài)識別和狀態(tài)預(yù)測的能力仇味。但是診斷系統(tǒng)的智能并不意味著完全代替人的智力活動呻顽，將人排斥于診斷系統(tǒng)之外。實(shí)踐證明区为，任何人工智能系統(tǒng)的研究喇纬，都不能完全擺脫人腦對系統(tǒng)的參與，只能是“人幫機(jī)”和“機(jī)幫人”嫂衅。人是智能系統(tǒng)的重要組成部分凯书。由此，可以這樣來定義智能診斷系統(tǒng)：
它是由人（尤其是領(lǐng)域?qū)＜遥┕嗔洹��?dāng)代模擬腦功能的硬件及其必要的外部設(shè)備咬恨、物理器件以及支持這些硬件的軟件所組成的系統(tǒng)。該系統(tǒng)以對診斷對象進(jìn)行狀態(tài)識別與狀態(tài)預(yù)測為目的文鸽。顯然邀漩，該定義下的智能診斷系統(tǒng)具有以下特點(diǎn)：（1）它是一個開放的系統(tǒng)，系統(tǒng)的能力在實(shí)際使用的過程中纹词，在同環(huán)境進(jìn)行信息交互的過程中不斷進(jìn)化绿踱，且具備自我提高的潛能。（2）它是由計算機(jī)硬件與軟件組成的系統(tǒng)残匈，但又不同于常規(guī)的計算機(jī)程序系統(tǒng)菲藏，不具有確定的算法和程序途徑。智能診斷系統(tǒng)是根據(jù)診斷過程的需要搜索和利用領(lǐng)域?qū)＜业闹�識及經(jīng)驗(yàn)來達(dá)到診斷的目的胆萧。（3）它既是一個人工智能系統(tǒng)庆揩，離不開模擬人腦功能的硬件設(shè)備及軟件，另一方面又不排斥人的作用跌穗，同時對硬件并不僅僅限制為今天的馮·諾依曼式傳統(tǒng)計算機(jī)订晌。

4.3.2 故障智能診斷系統(tǒng)平臺的基本組成
本文使用的智能診斷系統(tǒng)平臺是較為實(shí)用的圖形化智能故障診斷平臺，作為通用的智能化診斷系統(tǒng)平臺蚌吸，其設(shè)計思想是：將人類的思維能力腾仅、系統(tǒng)的物理規(guī)律和數(shù)學(xué)模型有機(jī)地結(jié)合，更好套利、更靈活地表征系統(tǒng)各個狀態(tài)推励，力圖在得到足夠好的專家知識的基礎(chǔ)上，依靠優(yōu)化和學(xué)習(xí)肉迫，調(diào)整專家知識验辞、調(diào)整推理結(jié)構(gòu)稿黄。系統(tǒng)將人工智能的最新技術(shù)有機(jī)的融合，具有很強(qiáng)的通用性跌造、適應(yīng)性睡谒、容錯性及易實(shí)現(xiàn)性，同時尾丑，特有的圖形化模糊神經(jīng)網(wǎng)絡(luò)專家知識表達(dá)方式榆墅、分布式并行運(yùn)行能力、迅速的推理及優(yōu)化和遠(yuǎn)程分析能力熔淘，使系統(tǒng)達(dá)到了較高的智能化水平榨未。智能診斷系統(tǒng)平臺包括了三種推理引擎和一個專家知識庫（如圖4.2所示）。三種推理引擎是：

（1）模糊邏輯推理引擎饼痘；（2）專家規(guī)則推理引擎收谭；（3）神經(jīng)網(wǎng)絡(luò)推理引擎；對智能診斷系統(tǒng)平臺構(gòu)成的科學(xué)性全僧，我們可以從如下三個方面來解釋：

a.專家系統(tǒng)和模糊邏輯的知識處理旧败，模擬的是人的邏輯思維，人工神經(jīng)網(wǎng)絡(luò)的知識處理所模擬的則是人的經(jīng)驗(yàn)思維機(jī)制公杰；在人類自身的思維過程中暮孕，邏輯思維、經(jīng)驗(yàn)思維许起、創(chuàng)造性思維是缺一不可并且是非常巧妙地互相結(jié)合而形成的有機(jī)整體十偶。
b.模糊診斷是根據(jù)模糊集合論征兆空間與故障狀態(tài)空間的與故障狀態(tài)空間的某種映射關(guān)系，由征兆來診斷故障街氢。
c.由于神經(jīng)網(wǎng)絡(luò)具有原則上容錯、結(jié)構(gòu)拓?fù)漪敯裟佬洹⒙?lián)想珊肃、推測、記憶馅笙、自適應(yīng)伦乔、自學(xué)習(xí)、并行和處理復(fù)雜模式的功能董习，使其能在實(shí)際存在著大量的多故障烈和、多過程、突發(fā)性故障皿淋、龐大復(fù)雜系統(tǒng)的監(jiān)測及診斷中發(fā)揮出較大作用招刹。

4.3.3 故障智能診斷系統(tǒng)平臺的主要技術(shù)
系統(tǒng)的主要技術(shù)包括：智能化推理算法、數(shù)據(jù)處理器窝趣、圖形化模糊神經(jīng)網(wǎng)絡(luò)專家知識庫疯暑、綜合的動態(tài)聯(lián)接庫數(shù)據(jù)通訊模塊牧稳。
智能化推理算法：系統(tǒng)巧妙地將專家系統(tǒng)推理機(jī)、神經(jīng)網(wǎng)絡(luò)推理機(jī)盅格、模糊邏輯推理機(jī)有機(jī)結(jié)合闰袒、并行運(yùn)行，充分發(fā)揮各個推理算法的優(yōu)勢鞭碳，克服其中的不足悴觅，使智能推理達(dá)更加適用于多變量、多參數(shù)山滔、多目標(biāo)及多過程的復(fù)雜系統(tǒng)轰蜗。同時采用了M-ARY理論對推理結(jié)果進(jìn)行優(yōu)化，并且通過歷史數(shù)據(jù)分析和在線強(qiáng)化學(xué)習(xí)來調(diào)整專家知識呀逃、調(diào)整推理結(jié)構(gòu)澳银，能充分保證推理結(jié)果的準(zhǔn)確性。通用化設(shè)計是該系統(tǒng)的重要特色钾植，裝載不同領(lǐng)域的專家知識便能對不同領(lǐng)域的問題進(jìn)行智能化推理決策慨即。
數(shù)據(jù)處理器的設(shè)計：為更好地解決數(shù)據(jù)的抗噪能力，在系統(tǒng)中泛鸟，用模糊閾值對測量數(shù)據(jù)進(jìn)行模糊化蝠咆，保證系統(tǒng)數(shù)據(jù)的抗擾能力。
圖形化的模糊神經(jīng)網(wǎng)絡(luò)專家知識庫：系統(tǒng)采用圖形化模糊神經(jīng)網(wǎng)絡(luò)專家知識表達(dá)方式北滥，可突破共性知識和專家知識的學(xué)習(xí)刚操、獲取、表達(dá)與利用的瓶頸問題再芋，系統(tǒng)有一個獨(dú)特的結(jié)構(gòu)用來方便地菊霜、遞增地收集和存儲專家知識而不需要任何模型，這對于沒有數(shù)學(xué)模型存在的地方特別有用济赎，它使用戶易于理解利用專家知識解決實(shí)際問題的思路與方法鉴逞。
綜合的動態(tài)聯(lián)接庫數(shù)據(jù)通訊模塊：通訊的整體結(jié)構(gòu)按分布式設(shè)計，分為兩個層次：一方面司训，通訊模塊與推理機(jī)之間采用客戶機(jī)/服務(wù)器的方式构捡，采用TCP/IP協(xié)議，數(shù)據(jù)通訊服務(wù)一旦設(shè)置好壳猜，就始終處于運(yùn)行狀態(tài)勾徽，推理機(jī)一旦需要申請數(shù)據(jù)，就向數(shù)據(jù)通訊模塊提出數(shù)據(jù)請求表忿震，數(shù)據(jù)通訊模塊根據(jù)綜合各個推理機(jī)的數(shù)據(jù)請求表向相應(yīng)的對象提出數(shù)據(jù)請求斗黍，再將從對象得到數(shù)據(jù)分配給各推理機(jī)；另一方面肚浴，數(shù)據(jù)通訊模塊與特定對象之間采用調(diào)用動態(tài)聯(lián)接庫的辦法進(jìn)行通訊坦浦，針對不同的對象調(diào)用不同的動態(tài)聯(lián)接庫就可以實(shí)現(xiàn)數(shù)據(jù)通訊辙求。
網(wǎng)絡(luò)化遠(yuǎn)程診斷：通過設(shè)備故障診斷技術(shù)與計算機(jī)技術(shù)的結(jié)合，用若干臺中心計算機(jī)作為服務(wù)器怔赤，重大企業(yè)重要關(guān)鍵設(shè)備上建立狀態(tài)監(jiān)測點(diǎn)弟诲，采集設(shè)備狀態(tài)數(shù)據(jù)，而在技術(shù)力量強(qiáng)的科研院所建立中心分较，對設(shè)備運(yùn)行進(jìn)行遠(yuǎn)程分析徘伯、診斷。

4.4 智能分析系統(tǒng)的設(shè)計開發(fā)
4.4.1 圖形化的專家知識輸入引擎模塊
專家知識輸入引擎模塊內(nèi)容如圖4.3所示南垦，該模塊的核心是用圖形化的方式建立診斷推理流程圖就考，該流程圖是由分布三個層次上的多個節(jié)點(diǎn)及節(jié)點(diǎn)間的連線所組成，如圖4.4跛鸵。診斷推理流程圖中贯卦，底層為“數(shù)據(jù)”層，這里的數(shù)據(jù)焙贷，可以是測量參數(shù)撵割、傳感器的輸出、工作狀態(tài)辙芍、檢修記錄等多種廣泛意義上的參數(shù)啡彬，中間層為“故障現(xiàn)象”層，這里的癥狀現(xiàn)象可以是能直接觀察到的現(xiàn)象（如工作條件故硅、參數(shù)范圍庶灿、參數(shù)變化等），也可以是間接的現(xiàn)象吃衅，即多種廣泛意義上的現(xiàn)象往踢。最上層為“故障原因”層。用連線相連彼此相關(guān)的“數(shù)據(jù)”與“故障現(xiàn)象”或“故障現(xiàn)象”與“故障原因”徘层。這樣構(gòu)成診斷推理流程圖峻呕。

4.4.2 組合推理模塊的設(shè)計

推理模塊是一個隱藏于后臺的推理計算模塊，它的結(jié)構(gòu)如圖4.5惑灵，協(xié)調(diào)控制器用來管理各推理機(jī)的工作并協(xié)調(diào)推理執(zhí)行器與專家知識輸入引擎模塊可知山上，對一示同的故障伟蕾，其“數(shù)據(jù)層”私舱、“故障現(xiàn)象層”、“故障原因?qū)印奔捌渌鼈冎�間的連線關(guān)系絕不相同配昼，協(xié)調(diào)控制器就是將“數(shù)據(jù)層”菊舅、“故障現(xiàn)象層”、“故障原因?qū)印奔捌渌鼈冎�間的連線關(guān)系自動轉(zhuǎn)化為推理進(jìn)程關(guān)系如癌，由推理執(zhí)行器完成推理診斷工作舆滞。

（1）專家系統(tǒng)推理

按推理結(jié)論的不同菱区，推理可分為精確

推理和不精確推理：按推理過程的不同，可分為正向推是服讯、反向推理和混合推理绎瓣。根據(jù)圖形化專家知識庫結(jié)構(gòu)采用了正向不精確推理。

專家系統(tǒng)推理主要是從知識庫所需的數(shù)據(jù)集合D={D₁授灵、D₂堵忌、…、D_n}出發(fā)藏亲，根據(jù)知識庫中每一數(shù)據(jù)點(diǎn)相應(yīng)的一個或多個語義表達(dá)和數(shù)據(jù)范圍杯道，將獲取實(shí)時數(shù)據(jù)與知識庫中相應(yīng)數(shù)據(jù)的語義表達(dá)和數(shù)據(jù)范圍進(jìn)行相似性分析，得出相似性系數(shù)的集合：

（4.1）

式中：S₁ 责蝠、S₂党巾、…、S_n分別為各個實(shí)時數(shù)據(jù)與相應(yīng)知識庫數(shù)據(jù)點(diǎn)的相似性系數(shù)的子集霜医，各集參數(shù)為： 齿拂；,S_n=，m₁支子、m₂创肥、…、m_n分別為知識庫各數(shù)據(jù)點(diǎn)的語義表達(dá)個數(shù)值朋。

數(shù)據(jù)叹侄、參數(shù)的語義表達(dá)按專家的與、或規(guī)則便函形成了各種事件征兆集E={E₁昨登，E₂趾代，…，E_K}丰辣，各種事件征兆集的輸出信息為事件信息e={e₁撒强，e₂，…滥港，e_K}鸠头。事件信息與數(shù)據(jù)、參數(shù)語義表達(dá)的相似性系數(shù)及規(guī)則的與换蛔、或表達(dá)密切相關(guān)诱价，如E₁的語義表達(dá)集為：

E₁={（d₁₁∧d₂₅∨）（d₃₂∧d₄₈）}，則e₁=max{min（s₁₁,S₂₅）孽强，min（s₃₂,S₄₈）}涧俐。

推理結(jié)果與征兆集之間采用網(wǎng)絡(luò)連接模式，每根聯(lián)線上有連接的權(quán)值信息 氮妆，事件信息與權(quán)值信息通過運(yùn)算關(guān)系得出推理結(jié)果偶村。

 柄午，其中：j=1，2娶架，3爽咒，…，p                     （4.2）

根據(jù)推理結(jié)果窿侈，知識庫相應(yīng)地具有控制进肯、處理措施，便構(gòu)成了智能化系統(tǒng)的專家系統(tǒng)推理模式棉磨。

（2）模糊邏輯推理

模糊邏輯主要應(yīng)用模糊規(guī)則庫進(jìn)行模糊邏輯關(guān)系運(yùn)算最終得出推理結(jié)果江掩，模糊規(guī)則庫采用圖4.6所示的專家知識庫結(jié)構(gòu)。首先對數(shù)據(jù)乘瓤、參數(shù)進(jìn)行模糊化處理环形，進(jìn)入推理機(jī)的數(shù)據(jù)與參數(shù)，根據(jù)知識庫中不同的語義表達(dá)衙傀，通過合理的選擇與構(gòu)造模糊隸屬函數(shù)抬吟，得出相應(yīng)的數(shù)據(jù)、參數(shù)在不同語義表達(dá)下的模糊隸屬度统抬。

對于數(shù)據(jù)D₁火本，屬于語義表達(dá)d₁₁、d₁₂聪建、…钙畔、 隸屬度可根據(jù)不同的模糊隸屬函數(shù)求出，分別為…槽悼。同樣地埂荤，對于數(shù)據(jù)D₂，屬于語義表達(dá)d₂₁页梁、d₂₂屁蕾、…、 的隸屬度可根據(jù)不同的模糊隸屬求出队淳，分別為 …躺潘、 。以此類推千雏，便可行出不同數(shù)據(jù)毕亲、參數(shù)在不同語義表達(dá)下的模糊隸屬度。

（4.3）

同時李荚，根據(jù)知識庫中的模糊規(guī)則灰囤，數(shù)據(jù)參數(shù)據(jù)語義表達(dá)與事件征兆集之間按照連線權(quán)值為1属诀、非連線權(quán)值為0的原則構(gòu)成的矩陣D_mk鸥层，事件征兆集與推理結(jié)果之間按專家給定的權(quán)值構(gòu)成矩陣D_kp锐拟，便形成模糊關(guān)系矩陣R_c=D_mk×D_kp。

最終慧邮，模糊推理的結(jié)果可通過模糊變換公式獲得：

（4.4）

式中“﹒”為模糊算子调限，采用Sup-T合成運(yùn)算方法實(shí)現(xiàn)。

（3）神經(jīng)網(wǎng)絡(luò)推理

根據(jù)圖4.6所示的專家知識結(jié)構(gòu)误澳，神經(jīng)網(wǎng)絡(luò)推理為五層結(jié)構(gòu)耻矮。

第一層為數(shù)據(jù)參數(shù)語義表達(dá)層。每個數(shù)據(jù)或參數(shù)對應(yīng)有若干語義表達(dá)忆谓，相應(yīng)的連接權(quán)值為1裆装，對于任意一個數(shù)據(jù)或參數(shù)輸入D_i,其第j條語義表達(dá)根據(jù)專家知識庫存在著數(shù)據(jù)或參數(shù)的輸入閾值θ_ij，利用Sigmoid型神經(jīng)元特性函數(shù)便可算出y_ij倡缠。

第二層為事件征兆層哨免。根據(jù)專家知識庫，若干個語義表達(dá)的集合便構(gòu)成了一個事件昙沦，用連線及權(quán)值表達(dá)它們的關(guān)系琢唾，形成了k個事件。每個事件的輸出同樣根據(jù)相應(yīng)的語義表達(dá)個數(shù)盾饮、連接權(quán)值采桃、Sigmoid 神經(jīng)元特性函數(shù)確定。對任意事件E_i档价，對應(yīng)的語義表的集合為{d₁脂壁、d₂、…靡黑、d_j}事件輸出為：

式中：w_k——連線權(quán)值笆滓；θ_k——偏置信號
第三層為推理結(jié)果層。每個事件輸出E_i與推理結(jié)果F_j之間都有連線并賦有權(quán)值 篙绎，參照模糊推理初肥，推理結(jié)果為：

，其中：i=1亿隔，2午螺，3，…乃蔬，k跷它；j=1，2刁夺，3唾诺，…，p             （4.7）

推理算法確定后將進(jìn)行推理方式選擇，推理方式的選擇有手動選擇和自動選擇兩種垢夹。
手動選擇主要根據(jù)具體對象和推理系統(tǒng)的運(yùn)行狀況來進(jìn)行溢吻，在領(lǐng)域知識和定性知識缺乏的情況下，主要選擇神經(jīng)網(wǎng)絡(luò)推理果元，或者選擇神經(jīng)網(wǎng)絡(luò)與模糊邏輯推理的組合促王；在領(lǐng)域知識比較豐富和明確的情況下，主要選擇專家系統(tǒng)推理而晒，或者選擇專家系統(tǒng)與模糊邏輯推理的組合蝇狼，也可選擇專家系統(tǒng)、模糊邏輯倡怎、神經(jīng)網(wǎng)絡(luò)推理同時運(yùn)行迅耘；在對象特征參數(shù)語義表達(dá)豐富的情況下，主要選擇模糊邏輯推理监署，或者選擇模糊邏輯與專家系統(tǒng)推理的組合豹障、模糊邏輯與神經(jīng)網(wǎng)絡(luò)推理的組合，也可選擇專家系統(tǒng)焦匈、模糊邏輯称侣、神經(jīng)網(wǎng)絡(luò)推理同時運(yùn)行。當(dāng)存在兩個以上推理同時進(jìn)行時淳胆，則進(jìn)行推理結(jié)論的優(yōu)化赁挚。
自動選擇的推理方式是分別進(jìn)行專家系統(tǒng)、模糊邏輯螃方、神經(jīng)網(wǎng)絡(luò)的推理照腐，各個推理結(jié)論通過優(yōu)化決策后形成最終結(jié)論作為神經(jīng)網(wǎng)絡(luò)的樣本進(jìn)行學(xué)習(xí)，根據(jù)學(xué)習(xí)結(jié)果修改調(diào)整專家知識庫担灭，用于下一輪推理贿册，如此不斷地循環(huán)進(jìn)行。推理結(jié)果優(yōu)化：
推理結(jié)果會出現(xiàn)不一致問題寓综，有時甚至矛盾睦忘。為此，采用了優(yōu)化算法耿堕。

a.設(shè)計變量
令：推理要解決的問題：1砖啄、2、3味廊、…蒸甜、p個
    模糊邏輯推理對問題的輸出：F_f1、F_f2余佛、F_f3柠新、…窍荧、F_fp

    神經(jīng)網(wǎng)絡(luò)推理對問題的輸出：F_n1、F_n2恨憎、F_n3蕊退、…、F_np

    專家系統(tǒng)推理對問題的輸出：F_e1框咙、F_e2、F_e3痢甘、…喇嘱、F_ep

設(shè)計變量為：X={x_f、x_n塞栅、x_e}

b.目標(biāo)函數(shù)

c.約束條件

0≤x_f≤1者铜；0≤x_n≤1； 0≤x_e≤1放椰；x_f+x_n+x_e=1

d.根據(jù)目標(biāo)函數(shù)與約束條件绵颅，求最優(yōu)解。

分別求f（X）對x_f玲禾、x_n忙体、x_e的偏導(dǎo)數(shù)。由于目標(biāo)函數(shù)為非線性函數(shù)盏掉，為避免多個局部最小指出現(xiàn)怨级，采用約束變尺度法求解，最終求出優(yōu)化后的x_fh毙向、x_nh钮核、x_eh。

e.推理結(jié)果輸出

求解問題1：x_thF_f1+x_nhF_n1+x_ehF_e1

求解問題2：x_fhF_f2+x_nhF_n2+x_ehF_e2

求解問題3：x_thF_f3+x_nhF_n3+x_ehF_e3

……………………………………

求解問題P：x_fhF_fp+x_nhF_np+x_ehF_e

組合智能推理機(jī)系統(tǒng)巧妙地將三個推理引擎有機(jī)結(jié)合形负、并行運(yùn)行新掸，各個推理算法的優(yōu)勢，充分發(fā)揮各個推理算法的優(yōu)勢瞒礼，克服其中的不足教九，使智能推理達(dá)到了高級水平。在實(shí)際推理過程中可靈活地選擇其中的任意一種或兩種推理方式來運(yùn)行芯勘，也可采用三種推理同時運(yùn)行潭千。基于相關(guān)聯(lián)系的系統(tǒng)借尿，采用模糊推理算法刨晴；基于事件的系統(tǒng)，采用神經(jīng)網(wǎng)絡(luò)路翻；基于規(guī)則的系統(tǒng)狈癞，采用規(guī)則轉(zhuǎn)換算法。這三種推理模塊同時存在、各盡其責(zé)蝶桶，通過歷史數(shù)據(jù)和在線強(qiáng)化學(xué)習(xí)達(dá)到優(yōu)化這些模塊內(nèi)部的因素慨绳。

4.4.3 數(shù)據(jù)引擎模塊的設(shè)計
數(shù)據(jù)引擎完成的功能主要是采集應(yīng)用系統(tǒng)實(shí)時數(shù)據(jù)。將采樣到的數(shù)據(jù)與貢平知識庫中建立的系統(tǒng)模型輸入節(jié)點(diǎn)進(jìn)行對比真竖，再按照推理引擎需要的特宇鄰考贊式將輸入數(shù)據(jù)通過指定通訊協(xié)議傳遞給推理機(jī)脐雪，因此數(shù)據(jù)輸入引擎是系統(tǒng)是系統(tǒng)使用時實(shí)時系統(tǒng)與推理系統(tǒng)的數(shù)據(jù)聯(lián)系通道，并且這種數(shù)據(jù)傳遞是利用靈活TCP/IP或串行通訊等方式進(jìn)行傳輸恢共，因此使用時战秋，可以將數(shù)據(jù)采集系統(tǒng)與推理系統(tǒng)在IP相連的兩個不同物理位置，增加系統(tǒng)構(gòu)建的靈活性柴炉。綜合的通訊模塊使本系統(tǒng)能快速方便地與現(xiàn)場實(shí)時數(shù)據(jù)實(shí)現(xiàn)傳遞辟堡。同時，數(shù)據(jù)引擎還可完成數(shù)據(jù)的壩處理青竹、數(shù)據(jù)記錄與回放触晃。

4.5 網(wǎng)絡(luò)化遠(yuǎn)程診斷的應(yīng)用
4.5.1 計算機(jī)網(wǎng)絡(luò)技術(shù)的發(fā)展
隨著計算機(jī)技術(shù)、計算機(jī)網(wǎng)絡(luò)技術(shù)俱报、多媒體技術(shù)和通信技術(shù)的迅速發(fā)展皂计，遠(yuǎn)程信息數(shù)據(jù)的使用越來越方便，特別是INTERNET網(wǎng)的快速發(fā)展和使用哼狰，使得故障診斷遠(yuǎn)離故障現(xiàn)場鳖路，實(shí)現(xiàn)無地域和時間限制的遠(yuǎn)程故障診斷有了可能。

INTERNET是全世界最大的計算機(jī)互連網(wǎng)絡(luò)凰番，它是由美國APPANET發(fā)展和演化而來的盏萝。INTERNET的核心技術(shù)是TCP/IP協(xié)議和Web 技術(shù)，其中TCP/IP協(xié)議是實(shí)現(xiàn)互連網(wǎng)絡(luò)和互操作性的關(guān)鍵褒堆，正是通過它澡呼，INTERNET 上的各種網(wǎng)絡(luò)才得以互連并實(shí)現(xiàn)通信。
4.5.2 智能診斷系統(tǒng)數(shù)據(jù)通訊接口
本文的智能診斷系統(tǒng)數(shù)據(jù)通訊接口就是使用TCP/P協(xié)議厉碟，直接使用程序及開發(fā)工具所提供的環(huán)境和手段（如Winsock）來實(shí)現(xiàn)遠(yuǎn)程數(shù)據(jù)通信功能喊巍。該系統(tǒng)的通訊接口有以下三個特點(diǎn)：
l）整體結(jié)構(gòu)是按分布式結(jié)構(gòu)設(shè)計的，采用客戶機(jī)/服務(wù)器的方式箍鼓，數(shù)據(jù)服務(wù)器一旦設(shè)置好崭参，就始終處于運(yùn)行狀態(tài)，推理機(jī)一旦需要申請數(shù)據(jù)款咖，就向數(shù)據(jù)引擎提出數(shù)據(jù)請求表何暮，數(shù)據(jù)引擎根據(jù)綜合各個推理機(jī)的數(shù)據(jù)請求表向相應(yīng)的對象提出數(shù)據(jù)請求，再將從對象得到數(shù)據(jù)分配給各推理機(jī)铐殃。具體結(jié)構(gòu)如圖4.7 所示海洼。服務(wù)器與客戶機(jī)之間采用TCP/IP 協(xié)議跨新。
2）數(shù)據(jù)引擎使用的方式是一旦調(diào)試通過了，就讓數(shù)據(jù)引擎一直運(yùn)行坏逢，不再進(jìn)行任何操作域帐。可以把數(shù)據(jù)引擎看作一個數(shù)據(jù)服務(wù)器是整，應(yīng)該進(jìn)行遠(yuǎn)程操作赚朱，一般情況下不進(jìn)行操作。
3）數(shù)據(jù)引擎與特定對象之間采用調(diào)用動態(tài)聯(lián)接庫的辦法進(jìn)行通訊以叛，針對不同的對象調(diào)用不同的動態(tài)聯(lián)接庫谁班。
根據(jù)上述三個特點(diǎn)及圖4.7 所示，數(shù)據(jù)引擎完成的功能主要是調(diào)用數(shù)據(jù)動態(tài)連接庫竹俱。本文的智能故障診斷系統(tǒng)的數(shù)據(jù)引擎界面如圖4.8 所示：

數(shù)據(jù)引擎與特定對象之間采用調(diào)用動態(tài)聯(lián)接庫的辦法進(jìn)行通訊景捅，單擊“打開數(shù)據(jù)收集器”粘胧，激活數(shù)據(jù)收集函數(shù)摊房，進(jìn)入數(shù)據(jù)準(zhǔn)備收集狀態(tài)，單擊“開始收集”诅潮，進(jìn)入數(shù)據(jù)收集狀態(tài)昨哑，收集“監(jiān)測采集系統(tǒng)”發(fā)送的數(shù)據(jù)并進(jìn)行數(shù)據(jù)再處理，再處理的目的是將“監(jiān)測采集系統(tǒng)”發(fā)送的數(shù)據(jù)處理后變?yōu)橥评頇C(jī)要求的數(shù)據(jù)胜全，同時檢測故障診斷推理機(jī)的數(shù)據(jù)申請狀態(tài)域毡，當(dāng)故障診斷推理機(jī)進(jìn)行故障診斷推理時，“數(shù)據(jù)引擎”將收集到的數(shù)據(jù)與專家知識庫中建立的系統(tǒng)模型輸入數(shù)據(jù)節(jié)點(diǎn)進(jìn)行對比琅功，再按照推理引擎需要的特定數(shù)據(jù)格式將推理機(jī)需要的數(shù)據(jù)通過指定通訊協(xié)議傳遞給推理機(jī)考余。顯然，上述中所說的動態(tài)聯(lián)接庫（DLL調(diào)用函數(shù)）是關(guān)鍵的一環(huán)轧苫。在數(shù)據(jù)引擎的基礎(chǔ)上我們可以編制自己獨(dú)特的通訊接口或是保密的通訊接口楚堤。根據(jù)下表所述編制自己的DLL調(diào)用函數(shù)。
動態(tài)連接庫的接口函數(shù)如下：
extern“C”__declspec(dllexport)bool__stdcall CreateContainer()含懊；
主要用于初始化動態(tài)連接庫所需的相關(guān)資源身冬。返回值為是否成功的標(biāo)志。

extern“C”__declspec(dllexport)void__stdcall StartData()岔乔；
主要用于向動態(tài)連接庫發(fā)一個開始收集數(shù)據(jù)的信號酥筝。
extern“C”__declspec(dllexport)void__stdcall StopData()；
主要用于向動態(tài)連接庫發(fā)一個停止收集數(shù)據(jù)的信號雏门。
extern“C”_declspec(dllexport)char*__stdcall GetData(char*)嘿歌；

這個函數(shù)最重要，主要用于主程序向DLL取數(shù)茁影，其中的參數(shù)是指向DLL傳遞的數(shù)據(jù)點(diǎn)名稱列表搅幅，形式為：
NAME1,NAME2,NAME3,……阅束，
DLL向主程序返回的則是數(shù)據(jù)列表，形式為：
VALUE1,VALUE2,VALUE3,……茄唐，
主程序會按設(shè)定的一定的時間間隔調(diào)用這個函數(shù)來進(jìn)行取數(shù)伴严。
例如：向DLL傳遞的數(shù)據(jù)點(diǎn)名稱列
Tag__No1,Tag__No2,Tag__No3，……辐芍，
DLL返回的數(shù)據(jù)列表為：123.46,23.4,34,……贡垃，
extern“C”__declspec(dllexport)void__stdcall FreeConiainer()；
主要用于釋放動態(tài)連接庫所需的相關(guān)資源掷戚。
4.5.3 網(wǎng)絡(luò)化診斷的應(yīng)用
網(wǎng)絡(luò)化遠(yuǎn)程故障診斷的實(shí)現(xiàn)令久，其關(guān)鍵是遠(yuǎn)程數(shù)據(jù)的傳送、存貯及數(shù)據(jù)交換處理猫郎。故障診斷系統(tǒng)遠(yuǎn)離故障設(shè)備現(xiàn)場沧唧，只要故障現(xiàn)場故障測試數(shù)據(jù)能即時通過網(wǎng)絡(luò)傳送到故障診斷系統(tǒng)中，故障診斷系統(tǒng)即能實(shí)現(xiàn)網(wǎng)絡(luò)化遠(yuǎn)程故障診斷矩修。當(dāng)智能故障診斷中的推理機(jī)進(jìn)行推理時叫砚，通過數(shù)據(jù)引擎向動態(tài)連接庫DLL函數(shù)申請數(shù)據(jù)，這些數(shù)據(jù)是推理時需要的故障特征參數(shù)變量值厅揍。動態(tài)連接庫DLL函數(shù)則通過網(wǎng)絡(luò)直接從故障現(xiàn)場測試采集計算機(jī)中得到故障信息數(shù)據(jù)铡涣。數(shù)據(jù)傳送流程圖如圖4.9 所示。

根據(jù)流程圖可知弹惦，從故障測試數(shù)據(jù)到數(shù)據(jù)引擎否淤，有兩種數(shù)據(jù)處理方式，一種是故障測試數(shù)據(jù)由數(shù)據(jù)采集系統(tǒng)采集后棠隐，可先進(jìn)行預(yù)處理石抡，將故障信號數(shù)據(jù)處理為推理機(jī)所需的故障特征數(shù)據(jù)，然后發(fā)送出去助泽，動態(tài)連接庫DLL函數(shù)則通過網(wǎng)絡(luò)接收這些故障特征數(shù)據(jù)啰扛，同時對照推理機(jī)向數(shù)據(jù)引擎申請的故障特征變量，將申請的故障特征變量對應(yīng)的值找出报咳，按數(shù)據(jù)引擎規(guī)定的格式反送給申請數(shù)據(jù)的推理機(jī)侠讯。另一種是故障測試數(shù)據(jù)由數(shù)據(jù)采集系統(tǒng)采集后，按一定格式直接發(fā)送出去暑刃，動態(tài)連接庫DLL函數(shù)則通過網(wǎng)絡(luò)接收這些故障信息數(shù)據(jù)厢漩，然后再進(jìn)行數(shù)據(jù)預(yù)處理，將故障信息數(shù)據(jù)處理為推理機(jī)所需的故障特征數(shù)據(jù)岩臣，同時對照推理機(jī)向數(shù)據(jù)引擎申請的故障特征變量溜嗜，將申請的故障特征變量對應(yīng)的值找出，再按數(shù)據(jù)引擎規(guī)定的格式反送給申請數(shù)據(jù)的推理機(jī)庇启。
推理機(jī)得到數(shù)據(jù)引擎返回的特征數(shù)據(jù)后丢墅，按設(shè)定好的推理規(guī)則兔憨，進(jìn)行推理，完成網(wǎng)絡(luò)遠(yuǎn)程診斷莽简。

4.6 傳動裝置網(wǎng)絡(luò)化智能化診斷系統(tǒng)的集成
本文所用的網(wǎng)絡(luò)化扶楣、智能化故障診斷系統(tǒng)軟件由兩大部分組成。一部分是故障信號采集及數(shù)據(jù)預(yù)處理系統(tǒng)淹宽，另一部分是圖形化的智能診斷推理系統(tǒng)睬毒，兩部分是相互獨(dú)立的，要實(shí)現(xiàn)故障診斷的網(wǎng)絡(luò)化劫丧、智能化遣株，必需將這兩部分集成為一個整體的系統(tǒng)，將數(shù)據(jù)采集浊待、數(shù)據(jù)預(yù)處理革哄、數(shù)據(jù)傳送及故障智能診斷融合為一個有機(jī)的整體，同時又保持這兩部分的相對獨(dú)立性缔类。集成的目標(biāo)有以下幾個方面：

1）數(shù)據(jù)采集按原方式采集不變庭叙，數(shù)據(jù)的存貯方式不變；
2）方便用戶進(jìn)行二次開發(fā)秃臣；
3）數(shù)據(jù)傳送可根據(jù)用戶的要求進(jìn)行選擇涧衙；
4）盡量減少用戶建立故障專家知識時的工作量哪工；
5）數(shù)據(jù)處理中應(yīng)考慮使用特定變量名(變量名固定）奥此，以減少用戶編程工作量。

本文中用的集成系統(tǒng)雁比，使用的數(shù)據(jù)傳送線路為圖4.8中線路1的方式稚虎。

4.6.1故障特征參數(shù)的獲取及傳送
故障診斷中，需要大量的故障特征數(shù)據(jù)偎捎，對于不同的故障蠢终，所需的故障特征不同，為了使集成后的系統(tǒng)能適用更多的設(shè)備故障診斷當(dāng)中茴她，在進(jìn)行故障特征參數(shù)據(jù)的提取時寻拂，應(yīng)盡可能多地考慮各種故障所需的特征參數(shù)。
對于旋轉(zhuǎn)機(jī)械故障需提取特征參數(shù)有：
l）作為變量提取的頻率特征參數(shù)
1/5倍頻丈牢、1/3倍頻祭钉、l/4倍頻相脱、l/2倍頻堪渠，0. 43～0.48倍頻页镜，0.75倍頻框杜，l倍頻懒竖、2倍頻塑陵、3倍頻栋湃、4倍頻牌鹊、5倍頻、臨界轉(zhuǎn)速谐昌，renxuan糙官，每個頻率值為一個值給出。其中renxuan作為可變倍頻參數(shù)筒啄，提取頻率特征參數(shù)時互愚，renxuan變量用戶可根據(jù)自己的需要來設(shè)定renxuan的特征頻率值。例如需要嚙合頻率伴零，則renxuan應(yīng)為轉(zhuǎn)頻的齒數(shù)倍千覆。
2）振動方向
徑向或軸向    用一個值。
3）振動穩(wěn)定性
穩(wěn)定感桌，較穩(wěn)定姑裂，突變后穩(wěn)定，不穩(wěn)定男旗，反向移動舶斧，反向跳動突變，用一個值察皇。

4）振動軌跡
橢圓茴厉，雙環(huán)橢圓，不穩(wěn)定什荣，雙橢圓或不規(guī)則矾缓，不規(guī)則擴(kuò)散，紊亂稻爬，用一個值嗜闻。

5）矢量區(qū)域
不變，矢量起始點(diǎn)大桅锄，隨升速繼續(xù)增大琉雳，升速時矢量逐漸增大，穩(wěn)定運(yùn)行后矢量逐漸減小友瘤，突變翠肘，改變，分別用不同值表示虏向。
6）敏感參數(shù)
振動隨轉(zhuǎn)速變化档广，振動隨負(fù)荷變化，振動隨油溫變化袭甲，振動隨流量變化榛瞪，振動隨壓力變化，各用一個值赊蚁。
統(tǒng)計上述六種特征參數(shù)變量窟诈，共需21個變量几馁，按用戶約定或自行設(shè)定此21個變量的變量名，并記錄在特征參數(shù)變量表中掏手，以便查詢钙阐。
特征參數(shù)的提取在數(shù)據(jù)采集及預(yù)處理系統(tǒng)中完成，此系統(tǒng)按設(shè)定的采集時間丑凛，采集一組數(shù)據(jù)颁吭，處理一組數(shù)據(jù)并發(fā)送一組數(shù)據(jù)。
本文使用的數(shù)據(jù)發(fā)送方式是將特征參數(shù)的變量名與參數(shù)值組成字串苗膝，其形式為“D|變量名1＝值1殃恒，變量名2=值2，……辱揭，變量名n＝值n ,|^^^^”离唐，采用TCP/IP加技術(shù)，建立stocket 連接问窃，將故障特征參數(shù)傳送到服務(wù)器端口上亥鬓。
4.6.2 動態(tài)數(shù)據(jù)連接庫的程序設(shè)計及與推理平臺的連接
根據(jù)本文系統(tǒng)集成的要求，動態(tài)數(shù)據(jù)連接庫的程序工作是進(jìn)行數(shù)據(jù)接收域庇、搜索故障智能推理平臺所需要的特征參數(shù)的值嵌戈，然后這些特征參數(shù)的值與故障智能推理平臺對應(yīng)的變量名組成新的字串，發(fā)送到故障智能推理平臺接收端上听皿。

該程序應(yīng)嚴(yán)格按4.5.2中所述的格式編寫熟呛。其中在GetData(char*）函數(shù)塊內(nèi)完成數(shù)據(jù)搜索及數(shù)據(jù)重組工作。程序設(shè)計時写穴，應(yīng)選擇優(yōu)化的搜索方法惰拱，以減少搜索時間雌贱。
智能診斷推理平臺星肤，在進(jìn)行故障診斷的推理時，采用定時的方式向動態(tài)數(shù)據(jù)連接庫申請故障特征數(shù)據(jù)爸桨，其時間的設(shè)定可以根據(jù)用戶的需求設(shè)定溢牡，一般應(yīng)考慮數(shù)據(jù)采集及預(yù)處理所需的時間來設(shè)定申請數(shù)據(jù)的時間，否則评梁，申請到的數(shù)據(jù)可能是與上次相同的數(shù)據(jù)粉怯。但也不能把時間設(shè)定的過長，這樣當(dāng)數(shù)據(jù)端口堆棧過多時责肯，新數(shù)據(jù)換掉舊數(shù)據(jù)险朴，出現(xiàn)診斷數(shù)據(jù)漏診的現(xiàn)象。
智能診斷推理平臺向動態(tài)數(shù)據(jù)連接庫申請的故障特征數(shù)據(jù)必須是采集預(yù)處理系統(tǒng)故障特征參數(shù)中有的數(shù)據(jù)诬翩，如果沒有使宽，則動態(tài)數(shù)據(jù)連接庫搜索不到該數(shù)據(jù)羞菊，返回的數(shù)據(jù)不足，則沒有診斷結(jié)果厦嘹。如果故障推理所申請的故障特征數(shù)據(jù)在采集預(yù)處理系統(tǒng)故障特征參數(shù)中沒有隐户，而且是必須的數(shù)據(jù)，則應(yīng)在動態(tài)數(shù)據(jù)連接庫中的GetData(char*）函數(shù)塊內(nèi)進(jìn)行處理姐赡，得到故障推理所需要的數(shù)據(jù)莱预。
4.6.3 診斷結(jié)果輸出平臺的設(shè)計
本文使用的智能故障診斷系統(tǒng)，在診斷推理的同時项滑，將診斷結(jié)果發(fā)送到本機(jī)的Stocket端口上依沮，端口數(shù)為2049，數(shù)據(jù)格式如下：
l）在建立Stocket連接時枪狂，傳送故障名和專家建議：
D|故障名1：專家建議1悉抵，故障名2：專家建議2，……摘完，故障名n：專家建議n, ^^^^
2）診斷結(jié)果輸出：
R|Result1,Result2,……,Resultu,| ^^^^
根據(jù)給出的數(shù)據(jù)端口及數(shù)據(jù)格式姥饰，即可按用戶的要求設(shè)計診斷結(jié)果輸出平臺。診斷結(jié)果應(yīng)給出診斷故障的名稱孝治、故障發(fā)生的部位列粪，故障發(fā)生的時間及程度。對于不同的故障谈飒，提示故障發(fā)生的可能原因岂座，給出相應(yīng)的專家建議或維修方法等。圖4.10為本文集成系統(tǒng)的診斷結(jié)果輸出用戶界面隅昌。圖4.11為本文集成系統(tǒng)的專家知識庫建立及診斷推理平臺拉诲。

4.7 本章小結(jié)
本章在闡述了故障診斷的方法的基礎(chǔ)上，重點(diǎn)介紹的本文所使用的故障智能診斷系統(tǒng)的設(shè)計思想及組成琼护，分析了智能診斷系統(tǒng)的組合推理原則和遠(yuǎn)程網(wǎng)絡(luò)診斷數(shù)據(jù)的傳遞原則威卑，指出了本文智能診斷系統(tǒng)的數(shù)據(jù)通訊接口程序的設(shè)計方法和通用的動態(tài)連接庫接口程序。在此基礎(chǔ)上菌熬，分析了網(wǎng)絡(luò)化您凸、智能化診斷系統(tǒng)的集成方法及相應(yīng)的程序設(shè)計方法，并對本文使用的智能診斷系統(tǒng)進(jìn)行了集成炊撕。