故障诊断是指系统在一定工作环境下查明导致系统某种功能失调的原因或性质，判断劣化状态发生的部位或部件，预测状态劣化发展趋势的过程。故障诊断技术是40年来发展起来的一门新学科，它具有很强的工程背景和重要的实用价值，并且以深厚的理论为基础，系统论、信息论、控制论、非线形科学等最新技术在其中都有广泛应用。特别是近年来智能化故障诊断技术被应用于电力、石油化工、冶金等行业的大型、高速旋转机械的故障诊断中并取得了显著的效果，让我们看到了智能故障诊断技术在机械工程领域中的巨大应用前景。

　　1 故障诊断技术的发展

　　故障诊断技术的发展大体经历了三个阶段：

　　第一阶段是故障诊断的初级阶段，诊断结果是建立在领域专家的感官和专业经验基础上，仅对诊断信息作简单的处理，其诊断水平极大地受到个人生理条件和经验水平的限制。

　　第二阶段是以传感器技术和动态测试技术为手段、以信号处理和建模处理为基础的常规诊断技术。其中，信号处理包括统计分析、相关分析、频谱分析、小波分析和模态分析等：建模处理包括参数估计、系统辨识、模式识别等，其理论基础是系统论、信息论和控制论。在这一阶段，故障诊断技术在工程上得到了广泛的应用，其自身也得到了空前的发展，诞生出许多新的诊断方法。如振动诊断技术、声发射诊断技术、铁谱诊断技术、光谱诊断技术、无损诊断技术和热成像检测诊断技术等。

　　第三阶段是智能诊断技术阶段。至80年代中期以后，由于机器设备的大型化、复杂化以及连续高速运行的需要，加之自动化制造系统(如CIMS，FMS)的诞生和发展，单靠信号处理和人工分析判断又难以实现在线的精确诊断：人工智能技术的发展，特别是基于知识的专家系统和以并行分布处理为特征的人工神经网络等技术在智能故障诊断中的应用，使得故障诊断技术进入了一个新的智能化发展阶段。

　　2 智能故障诊断的发展及研究现状

　　智能化故障诊断技术的发展一直与人工智能技术，尤其是人工智能最成熟的分支专家系统的发展紧密关联。其中基于知识的诊断专家系统和基于人工神经网络的诊断专家系统两个方面研究的最多也最成熟，下面重点概述这两方面的发展及研究现状。

　　基于知识的诊断专家系统

　　基于知识的专家系统技术的发展大致经历了两个阶段：第一阶段是被称为第一代专家系统的基于浅知识的专家系统：第二阶段是被称为第二代专家系统的基于深知识的专家系统。此外将深、浅知识相融合的专家系统可以看成是将前两阶段成果的结合。在这里面使用的知识主要是一些模型知识(如系统的数学模型、定性物理模型、结构模型、过程模型、功能模型和因果网络模型等)。

　　基于浅知识的专家系统

　　基于浅知识的诊断推理实际上是已知一组征兆，要求对产生这组征兆的原因做出解释的过程。这类问题的求解需要用到两类知识：一类是表示系统故障是如何引起各种征兆的因果性知识，另一类是反映因果关系的成立程度(模糊强度)和可能性(概率强度)方面的知识。

　　利用浅知识诊断方法的特点如下。

　　浅知识通常以IF-THEN类型的规则形式表现，而且知识的变更也非常容易。

　　诊断推理方法多种多样。特别是有许多不确定知识的推理方法：确定性因子方法(Certainty Factors Method)：主观贝叶斯概率理论(Subjective Bayes Probability Theory)：证据理论(Theory of Evi-dence)：可能性理论(Possibility Theory)。

　　收集处理异类的知识比较困难。由于基于浅知识故障诊断专家系统的知识库容易构造和管理，推理效率高，因而赢得了众多专家系统使用者的青睐。但是由于浅知识模型的限制，诊断精度常常受到限制，而且从专家那里获取经验较难，知识集不完备。

　　基于深知识的专家系统

　　为了克服第一代专家系统基于浅知识推理的缺点，专家系统中又引入了深知识推理的概念。深知识刻画了专门领域内原理性和功能性的知识，更深刻地了解领域对象和对象之间的相互作用。基于深知识的诊断专家系统属第二代诊断专家系统，其特点是：

　　利用深知识的诊断方法收集的知识比较容易。如果给设备装置以适当的记述形式，它可以比规则法有更充分的知识表现，从而增加了知识的利用深度。

　　如果给出诊断对象的构造记述，可以立即进行故障的诊断，这很适合设备种类多样化的特点。

　　利用深知识诊断方法的缺点是：其推理处理复杂，搜索空间大，处理速度慢。

　　基于混合知识的专家系统

　　鉴于深、浅知识专家系统各自的优缺点，综合利用深、浅知识相结合的诊断方法可以达到人类专家诊断过程相近的诊断，从而使专家系统的智能水平也前进了一步。

　　混合知识诊断专家系统的诊断过程首先由浅层推理产生初始诊断假设，再由深层诊断进行确认和解释。两层之间的通讯是通过浅层中的假设对象与深层中的一个假设结点相对应，当浅层中产生一个故障假设对象后，深层推理则与之相对应网络连点开始推理。也就是浅层知识(基于启发式的知识)推理由于产生诊断焦点，而深层知识则用于对诊断假设进行确认，具体化以及提出精确的解释或推翻故障假设。

　　所有上述诊断推理方法的出现都大大地推动了智能诊断化诊断技术的发展，在一定的领域和范围内，诊断专家系统问题求解的能力达到了人类专家的水平。然而，在诊断专家系统的应用研究取得初步成功的后面却隐藏着极大的困难，主要表现在：

　　知识获取的“瓶颈”问题。专家系统很难获取较完备的知识库，而知识库不完备可能导致专家系统推理混乱并得出错误的结论。

　　知识窄台阶问题。专家系统的工作范围很窄，只能对专家知识领域范围内的问题予以解决，但对专家知识领域范围以外的问题则显得无能为力，即专家系统缺乏联想、记忆、类比等形象思维能力。

　　推理能力弱。传统的专家系统推理方法一般较为简单，控制策略不灵活，容易出现诸如“匹配冲突”、“组合爆炸”以及“无穷递归”等问题，推理速度慢，效率低。

　　基于人工神经网络的诊断专家系统

　　80代中期，由于“计算能量函数”和“隐单元”的成功进入，人们又重新认识到联结主义机制(Connectionism)，即人工神经元网络(Artifical Neural Network)的价值。人工神经网络技术的崛起首先给传统的人工智能技术和认知科学带来了极大的冲击和影响，继而以其高度的并行分布式处理、联想、记忆、自组织及自学习能力和极强的非线性映射能力，在众多的研究领域显示了广阔的应用前景。

　　目前，在智能化诊断技术领域里人工神经网络的应用研究主要集中两个方面：一是从模式识别的角度应用具有感知器结构的神经元网络模型或各种联想记忆模型来实现征兆集到故障集之间的非线形特征映射关系：二是从知识处理的角度建立基于联结主义机制结构的诊断专家系统，以一种全新的途径试图从知识获取、存储和推理等方面解决专家系统中遇到的困难，概括起来有以下几个方面。

　　BP神经网络的专家系统。BP神经网络模型及其学习算法研究的比较成熟，它可以用来模拟规则的渐进学习和记忆过程，以实现动态的知识组织和自学习，因此其应用研究受到人们的广泛青睐。

　　联结主义机制的专家系统。这类专家系统的研究目的在于将传统的专家系统的知识库(规则库)转化成为一个联结主义知识网络结构，从而以数值计算实现逻辑推理，为大规模并行处理的实现提供基础。

　　逻辑推理和联结机制的集成专家系统。上面所讨论的联结主义机制的专家系统具有较好的知识表达和自动获取能力以及大规模并行处理、联想、记忆、类比及自组织、自学习等优点，在一定程度上较好地模拟了人类的形象思维方式。但是，它仅模拟了人类感觉层次上的智能活动，在模拟人类复杂层次思维方面还远不及传统的符号专家系统，且不能模拟多步推理和演绎链。而基于逻辑推理和联结机制的集成专家系统是符号推理与非符号推理(数值推理)相结合的既具有逻辑思维能力又具有形象思维能力的专家系统。这种集成专家系统一出现就引起人们的广泛热情。如神经元专家系统。

　　上述这些积极的探索对于专家系统技术及其应用，包括智能化诊断技术的发展都具有重要的推动作用。

　　3 智能化诊断技术的研究展望

　　近年来智能化诊断技术的研究虽然已经取得了许多长足的进步，但仍存在许多问题有待研究和解决，如多故障同时诊断问题求解中的组合爆炸问题、诊断推理中的知识获取与学习问题，以及序贯性诊断问题求解中的最优测点选择问题等。本文下面结合当前信息论学科的最新成果来展望机械产品智能故障诊断相关领域的发展。

　　智能集成诊断系统(IIFDS)

　　由于大型故障诊断往往是一个多阶段、多层次的复杂过程，不同的阶段用到的知识内容，表达形式及解决问题的思维方式都可能不尽相同。所以完成一个完整的故障诊断过程常常需要多知识表达形式和多推理模式及合理的控制机构来解决诊断问题。目前的智能诊断系统，大多还停留在处理单一领域知识范畴符号推理问题的专家系统层次上，并未上升到多专家系统集成的高度上，因而限制了其对复杂系统的求解能力。智能集成诊断系统(IIFDS)能模拟诊断者的思维过程，集成和管理诊断子任务(如数据采集，信号分析，故障诊断等)，实现采样，分析和诊断一体化，并集成和使用各种知识(如经验知识，分析知识，数值计算知识等)，以提高其智能诊断和决策水平。

　　远程协作诊断系统

　　基于因特网的设备故障远程协作诊断是将设备诊断技术与计算机网络技术相结合的产物。即用若干台中心计算机作为服务器，在企业的重要关键设备上建立状态监测点采集设备状态数据，而在技术力量较强的科研院所建立分析诊断中心为企业提供远程技术支持和保障。如果生产企业设备运行出现异常，其状态监测服务器立即以工作传票方式向诊断分析服务器申请在线技术援助，同时以电子邮件方式向有关专家发出离线会诊请求，在短时间内调动入网的所有诊断资源，实现对设备故障的早期诊断和及时维修。

　　面向并行工程的制造系统智能监测与故障诊断系统

　　并行工程是国际上80年代末提出的一种新的集成系统化途径，目前在计算机集成制造系统(CIMS)中已得到重视，它对监测和诊断技术提出了更高的要求。所谓面向并行工程的智能监视与诊断，不仅要求对系统运行状态进行在线监视和精确诊断，保证系统稳定可靠安全运行：而且要求实现诊断信息与系统其它层次和类型的信息共享，以及监视子系统与作为信息载体的其它各子系统之间的功能互换，并反馈到并行工程的各个环节，最终达到优化产品设计和制造、提高产品质量和改善产品生命周期的目的。