1 引言
故障診斷是一門綜合性技術(shù)，它涉及現(xiàn)代控制論、信號處理與模式識別、計(jì)算機(jī)科學(xué)、人工智能、電子技術(shù)、統(tǒng)計(jì)數(shù)學(xué)等學(xué)科?，F(xiàn)代故障診斷技術(shù)已有30多年的發(fā)展歷史，但作為一門綜合性的新學(xué)科——故障診斷學(xué)——還是近些年發(fā)展起來的。從不同的角度出發(fā)有多種故障診斷分類方法，這些方法各有特點(diǎn)。概括地講，故障診斷方法可以分為兩大類：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［1］。本文著重對粗糙集理論、人工神經(jīng)網(wǎng)絡(luò)的發(fā)展及其在故障診斷中的應(yīng)用做了較全面的闡述，并且對其他一些方法如小波理論、遺傳算法等進(jìn)行了先容，說明了它們在故障診斷中的應(yīng)用潛力。
2 粗糙集理論 粗糙集理論是波蘭華沙理工大學(xué)的z．pawlak教授于1982年提出的一種處理不完整性和不確定性題目的新型數(shù)學(xué)工具。由于最初關(guān)于粗糙集理論的研究主要集中在波蘭，因此當(dāng)時并沒有引起國際計(jì)算機(jī)界和數(shù)學(xué)界的重視，研究地域僅局限于東歐一些國家。直到1990年前后，由于該理論在數(shù)據(jù)的決策和分析、模式識別、機(jī)器學(xué)習(xí)與知識發(fā)現(xiàn)等方面的成功應(yīng)用，才逐漸引起了世界各國學(xué)者的廣泛關(guān)注。1991年z．pawlak的專著《粗糙集——關(guān)于數(shù)據(jù)推理的理論》（roughsets——theoreticalaspectsofreasoningaboutdata）的問世，標(biāo)志著粗糙集理論及其應(yīng)用的研究進(jìn)進(jìn)了活躍時期。1992年在波蘭召開了關(guān)于粗糙集理論的屆國際學(xué)術(shù)會議。1995年acmcommunication將粗糙集列為新浮現(xiàn)的計(jì)算機(jī)科學(xué)的研究課題。目前，粗糙集理論已成為信息科學(xué)活躍的研究領(lǐng)域之一。同時，該理論還在醫(yī)學(xué)、化學(xué)、材料學(xué)、地理學(xué)、治理科學(xué)和金融等其他學(xué)科得到了成功的應(yīng)用。
粗糙集方法以對觀察和丈量所得數(shù)據(jù)進(jìn)行分類的能力為基礎(chǔ)，不僅為信息科學(xué)和認(rèn)知科學(xué)提供了新的科學(xué)邏輯和研究方法，而且為智能信息處理提供了有效的處理技術(shù)。其主要思想就是在保持分類能力不變的條件下，通過知識約簡，導(dǎo)出題目的決策或分類規(guī)則。它與統(tǒng)計(jì)方法處理不確定題目不同，不是采用概率方法描述數(shù)據(jù)的不確定性，而且與這一領(lǐng)域傳統(tǒng)的模糊集合論處理不精確數(shù)據(jù)的方法也不相同，它無需提供題目所需處理的數(shù)據(jù)集合之外的任何先驗(yàn)信息，因此對題目的不確定的描述和處理是比較客觀的。在pawlak的粗糙集模型中，人們感愛好的對象的集合（有限集）稱為論域，論域中的任何子集稱為概念或范疇，并且論域中的任何概念族稱為關(guān)于論域的知識。論域中的對象或元素可以用可利用的信息（或知識庫中的知識）來描述。當(dāng)兩個不同的對象具有相同的描述時，稱這兩個元素是不可區(qū)分的。所有具有相同的描述的元素構(gòu)成了一個等價類，所有等價類構(gòu)成了這個論域的一個劃分。任意給定論域的一個子集，人們不一定能用知識庫中的知識來精確地描述，這時就用關(guān)于這個集合的一對上、下近似來描述。
鑒于粗糙集理論在處理不確定、不完備信息上的優(yōu)越性，已經(jīng)有不少研究職員把它引進(jìn)到故障診斷系統(tǒng)中。例如文獻(xiàn)把粗糙集理論應(yīng)用于電力系統(tǒng)故障診斷和警報處理，嘗試應(yīng)用粗糙集理論來處理因保護(hù)裝置和斷路器誤動作、信號傳輸誤碼而造成的錯誤或不完整警報信號。提出的方法以決策表作為主要工具，直接從故障樣本集中導(dǎo)出診斷規(guī)則。電力系統(tǒng)的故障診斷可以用一個模式分類題目來描述，很適合應(yīng)用粗糙集理論的決策表方法?；舅枷胧前驯Ｗo(hù)和斷路器的動作信息作為對故障分類的條件屬性，考慮各種可能發(fā)生的故障情況并建立決策表（類似于ann故障診斷的練習(xí)樣本集），刪除多余屬性后抽取出診斷規(guī)則。警報處理也是一個模式分類題目，每一個事件對應(yīng)著一組特征警報集，警報處理的任務(wù)就是對送至控制中心的警報信息進(jìn)行公道的解釋，判定出引起警報的事件。利用診斷信息的冗余性，通過避開丟失或錯誤的警報來處理不完備警報信息。文獻(xiàn)是將粗糙集方法應(yīng)用于旋轉(zhuǎn)機(jī)械（如燃?xì)廨啺l(fā)電機(jī)組）的故障診斷中，旋轉(zhuǎn)機(jī)械故障診斷實(shí)在質(zhì)也是模式分類題目。文中以振動特征頻譜為依據(jù)，提出了一種基于粗糙集理論的旋轉(zhuǎn)機(jī)械故障診斷方法，該方法不但可以直接從完備的故障頻譜特征樣本集中導(dǎo)出正確的診斷結(jié)論，而且還能從不完整的故障頻譜特征樣本集中導(dǎo)出滿足的診斷結(jié)論。它揭示了故障特征頻譜信息的冗余性，為在不完整征兆信息下的旋轉(zhuǎn)機(jī)械故障診斷提供了新的思路。文獻(xiàn)針對內(nèi)燃機(jī)的運(yùn)行狀態(tài)監(jiān)測和故障診斷，在故障診斷專家系統(tǒng)的基礎(chǔ)上，引進(jìn)粗糙集理論，并以信息系統(tǒng)屬性值表為主要工具，對專家系統(tǒng)中的規(guī)則進(jìn)行約簡并剔除不必要的屬性，揭示了故障診斷信息中內(nèi)在的冗余性，降低了故障診斷專家系統(tǒng)構(gòu)成的復(fù)雜性，并建立了簡化后的決策規(guī)則。
3 人工神經(jīng)網(wǎng)絡(luò)
人工神經(jīng)網(wǎng)絡(luò)是近些年發(fā)展起來的十分熱門的交叉學(xué)科，它涉及生物、電子、計(jì)算機(jī)、數(shù)學(xué)和物理等學(xué)科，有著非常廣泛的應(yīng)用背景，這門學(xué)科的發(fā)展對目前和未來的科學(xué)技術(shù)的發(fā)展將有重要的影響。人工神經(jīng)網(wǎng)絡(luò)就是采用物理可實(shí)現(xiàn)的系統(tǒng)來模仿人腦神經(jīng)細(xì)胞的結(jié)構(gòu)和功能的系統(tǒng)。它是由很多處理單元有機(jī)地聯(lián)接起來，進(jìn)行并行地工作，它的處理單元十分簡單，其工作則是“集體”進(jìn)行的，它的信息傳播、存貯方式與神經(jīng)網(wǎng)絡(luò)相似，它沒有運(yùn)算器、存貯器、控制器這些現(xiàn)代計(jì)算機(jī)的基本單元，而是相同的簡單處理器的組合。它的信息是存貯在處理單元之間的連接上，因而，它是與現(xiàn)代計(jì)算機(jī)不同的系統(tǒng)。
人工神經(jīng)網(wǎng)絡(luò)的發(fā)展可以追溯到一個世紀(jì)前，它的發(fā)展經(jīng)歷了初始發(fā)展期、低潮期、復(fù)興期和高潮期四個階段。1890年，美國生理學(xué)家w．james出版了《生理學(xué)》一書，該書闡明了有關(guān)人腦的結(jié)構(gòu)和功能，以及一些相關(guān)學(xué)習(xí)、聯(lián)想記憶的基本規(guī)則。半個世紀(jì)以后，w．s．mcculloch和w．a(chǎn)．pitts提出了神經(jīng)元的最原始的模型—mp模型，將神經(jīng)元當(dāng)作一個功能邏輯單元對待，為以后進(jìn)一步的研究提供了依據(jù)。1949年d．o．hebb發(fā)表論著《行為自組織》，提出了很多有價值的觀點(diǎn)，這對以后神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和算法都有很大的影響。1958年f．rosenblatt定義了一個稱為感知器（perceptron）的具有三層結(jié)構(gòu)的神經(jīng)網(wǎng)絡(luò)，這是個真正的人工神經(jīng)網(wǎng)絡(luò)，它次把神經(jīng)網(wǎng)絡(luò)的研究從純理論的探討付諸工程實(shí)際，掀起了神經(jīng)網(wǎng)絡(luò)研究的一次高潮。從60年代末到80年代初，神經(jīng)網(wǎng)絡(luò)的研究一度陷進(jìn)了低潮。1969年m．minsky和s．papert發(fā)表了名為《perceptrons》的論著，對感知器解決題目的能力表示了懷疑，指出感知器只能解決一階謂詞邏輯，而不能解決高階謂詞邏輯。這個結(jié)論對當(dāng)時的人工神經(jīng)網(wǎng)絡(luò)研究無疑是個沉重的打擊，很多領(lǐng)域的專家紛紛放棄了這個課題的研究。是j．j．hopfield博士點(diǎn)燃了人工神經(jīng)網(wǎng)絡(luò)復(fù)興的火把，1982年他提出了后來被稱為hopfield網(wǎng)絡(luò)的離散神經(jīng)網(wǎng)絡(luò)模型，兩年后又提出連續(xù)神經(jīng)網(wǎng)絡(luò)模型，其中的神經(jīng)元動態(tài)方程可以用運(yùn)算放大器來實(shí)現(xiàn)。這一研究成果引起了極大的反響，直接促成了人工神經(jīng)網(wǎng)絡(luò)研究的復(fù)興。80年代中期以后，各國掀起了人工神經(jīng)網(wǎng)絡(luò)研究的高潮。1987年，美國召開了屆國際神經(jīng)網(wǎng)絡(luò)會議并成立了國際神經(jīng)網(wǎng)絡(luò)學(xué)會（inns）。同年，inns和iee開始聯(lián)合召開每年一次的國際學(xué)術(shù)會議，并且ieee成立了由其所屬的10個學(xué)會組成的神經(jīng)網(wǎng)絡(luò)委員會并相繼出版了專門的學(xué)術(shù)刊物，這進(jìn)一步促進(jìn)了神經(jīng)網(wǎng)絡(luò)的研究。
由于神經(jīng)網(wǎng)絡(luò)具有較強(qiáng)的在線學(xué)習(xí)能力、非線性映射能力、聯(lián)想記憶能力等特點(diǎn)，在其研究的早期階段就已經(jīng)被引進(jìn)到電力系統(tǒng)中往。1991年7月在美國召開了屆神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中應(yīng)用的國際學(xué)術(shù)會議，使得神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用得到了世界范圍的廣泛關(guān)注?，F(xiàn)在，人工神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用主要集中以下領(lǐng)域：故障檢測和繼電保護(hù)、運(yùn)行監(jiān)視和暫態(tài)穩(wěn)定控制、警報處理和故障診斷、負(fù)荷建模和負(fù)荷治理、動態(tài)和靜態(tài)安全分析、負(fù)荷猜測、潮流計(jì)算、經(jīng)濟(jì)調(diào)度等。
神經(jīng)網(wǎng)絡(luò)用于電力系統(tǒng)警報處理和故障診斷主要集中在對電網(wǎng)的故障處理上。電網(wǎng)中的每一類故障都會產(chǎn)生一組警報信息，不同類型的故障具有不同的警報組合，因而可以將警報處理和故障診斷表示為模式識別題目，這樣就適用于人工神經(jīng)網(wǎng)絡(luò)來進(jìn)行處理。用神經(jīng)網(wǎng)絡(luò)進(jìn)行故障診斷的基本原理是：將故障警報信息進(jìn)行數(shù)字量化作為神經(jīng)網(wǎng)絡(luò)的輸進(jìn)量，神經(jīng)網(wǎng)絡(luò)的輸出量代表故障診斷的結(jié)果。首先對神經(jīng)網(wǎng)絡(luò)進(jìn)行練習(xí)學(xué)習(xí)，即將特定故障對應(yīng)的警報模式作為樣本，建立較全的樣本庫，然后用所有的樣本對神經(jīng)網(wǎng)絡(luò)進(jìn)行練習(xí)，這樣就可以將樣本庫的知識以網(wǎng)絡(luò)的形式存儲在神經(jīng)網(wǎng)絡(luò)的連接權(quán)中，最后，通過神經(jīng)網(wǎng)絡(luò)輸進(jìn)量的計(jì)算就可以完成故障診斷。故障診斷中神經(jīng)網(wǎng)絡(luò)所采用的模型大多為bp模型，這主要是由于對bp模型的研究比較成熟，使用比較可靠。文獻(xiàn)較早提出了用bp模型進(jìn)行警報處理和故障診斷的方法，該方法將警報信息作為神經(jīng)網(wǎng)絡(luò)的輸進(jìn)量，故障作為神經(jīng)網(wǎng)絡(luò)的輸出量，用于識別電網(wǎng)發(fā)生的故障，缺點(diǎn)是不能用于大規(guī)模系統(tǒng)。文獻(xiàn)提出了基于分層分布式的神經(jīng)網(wǎng)絡(luò)故障診斷方法，適于大規(guī)模電網(wǎng)故障的診斷。將神經(jīng)網(wǎng)絡(luò)用于電氣設(shè)備的盡緣故障診斷，目前主要集中在變壓器'>變壓器的故障診斷和局部放電的識別。文獻(xiàn)提出了基于油中溶解氣體分析的變壓器'>變壓器神經(jīng)網(wǎng)絡(luò)故障診斷方法。文獻(xiàn)對神經(jīng)網(wǎng)絡(luò)在局部放電識別中應(yīng)用的方法進(jìn)行了研究。對于ann如何應(yīng)用于其他電氣設(shè)備的盡緣故障診斷尚待深進(jìn)的研究。固然神經(jīng)網(wǎng)絡(luò)在電力系統(tǒng)中的應(yīng)用領(lǐng)域較廣泛，但目前大多數(shù)尚處于實(shí)驗(yàn)階段，離實(shí)際應(yīng)用還有一定的間隔。