首页 / 专利库 / 数学与统计 / 模糊逻辑 / 一种基于语义的生产线设备故障诊断系统及方法

一种基于语义的生产线设备故障诊断系统及方法

阅读:973发布:2020-05-08

专利汇可以提供一种基于语义的生产线设备故障诊断系统及方法专利检索,专利查询,专利分析的服务。并且本 发明 请求 保护一种基于语义的生产线设备故障诊断系统及方法,包括,原始信息层,语义层,服务层和应用层。使用语义本体技术对原始故障信息进行语义化描述。即使用类和属性进行形式化规范说明。然后在此 基础 上利用推理技术进行故障诊断。所述原始信息层通过搜集和调研各种资料、经验、知识等等对原始故障信息进行收集。所述语义层即是构建故障诊断 知识库 和模糊推理系统。其中故障诊断知识库是构建故障本体知识库和规则库。所述服务层即包括查询服务和知识库管理服务。所述应用层包括用户登录管理模 块 ,知识库管理模块,故障诊断模块,维修方案模块。本发明可以有效检查生产线设备故障产生的原因,从而减少因为生产线设备故障导致的停机时间。,下面是一种基于语义的生产线设备故障诊断系统及方法专利的具体信息内容。

1.一种基于语义的生产线设备故障诊断系统,其特征在于,包括:
数据源层:用于获取生产线设备故障的原始信息,包括获取故障现象、故障原因、维修方案在内的原始信息以及原始信息之间所对应的关系;
语义层:包括故障诊断知识库和模糊推理系统,故障诊断知识库包括本体库和规则库,本体库存放生产线设备故障相关的本体模型和语义数据,规则库用于存放生产线设备故障现象、故障原因以及维修方法所需推理的相关规则,模糊推理系统用于不确定性的故障现象与故障原因的推理,根据获取到的故障现象、故障原因、故障源、维修方案在内的原始信息,在TopBraidComposer本体编辑器下构建本体模型,然后在利用逻辑规则语言Prolog编辑故障原因与故障现象之间的推理规则,把故障原因、故障现象、故障源、维修方案本体模型以及推理规则存储在语义图形数据库
服务层:包括查询服务模和知识库管理服务模块,其中查询服务是对来自应用层的故障诊断和维修方法的请求进行web封装,供应用层调用;知识库管理服务模块用于生产线设备故障本体库和规则库的管理;
应用层:包括用户登录管理模块,知识库管理模块,故障诊断模块,维修方案模块,所述用户登录管理模块用于人员的注册和管理;所述知识库管理模块用于对故障诊断知识库的增加、删除或者修改;所述故障诊断模块用于对生产线设备故障进行诊断;所述维修方案用于查询故障现象所对应的故障维修方法。
2.根据权利要求1所述的一种基于语义的生产线设备故障诊断系统,其特征在于,所述故障诊断模块中,对于故障诊断能进行精确推理的实行精确推理,不能精确推理的则进行模糊推理,最后输出由隶属度大小排序的故障原因集合。
3.根据权利要求2所述的一种基于语义的生产线设备故障诊断系统,其特征在于,所述模糊推理系统包括信息模糊化、模糊推理、去模糊化三个过程,其中信息模糊化是系统输入进行模糊化预处理,将真实的确定量输入转化为模糊输入,由模糊语言变量及其相应的隶属度表示的模糊集合,对输入的信息利用三形隶属度函数进行模糊化处理,得到模糊特征向量,模糊推理机是模糊推理系统的核心,其作用是根据模糊逻辑的运算规则,把模糊规则库中的“IF.…THEN.…”型模糊规则转换成从x1×x2×x3×…×xn上的模糊集到Y上的模糊的映射关系,即根据接收到的包括故障征兆在内的模糊输入信息x=(x1,x2,…xn),和模糊规则库中现有的包括故障推理规则在内的规则,产生相应的包括故障原因在内的模糊输出变量Y;去模糊化是把得到的模糊输出变量Y反模糊化,变为精确的输出。
4.根据权利要求3所述的一种基于语义的生产线设备故障诊断系统,其特征在于,所述故障诊断模块的关键是构建故障矩阵R,故障矩阵R是故障现象和故障原因之间的模糊关系,然后根据模糊产生式规则结合隶属函数建立模糊关系矩阵,其中rij代表某种故障现象对应故障原因的隶属度,m代表故障现象个数,n代表故障原因个数;
5.根据权利要求1-4之一所述的一种基于语义的生产线设备故障诊断系统,其特征在于,所述故障原因、故障现象、故障源、维修方案本体模型分为以下几个部分:
(1)故障现象包括滑环故障,定子故障,滑动轴承故障,AGV故障,四轴机器人在内的故障,其中定子故障包括定子异响,定子转动,轴承故障包括轴承发热,轴承腐蚀、轴承磨损;
(2)故障原因包括轴承间隙过小,轴承负载过大、轴承润滑不及时、齿轮磨损、冷却不及时在内的原因;
(3)故障源包括定子,轴承、离心电机设备在内的故障源,所述定子包括定子绕组、定子心、机壳;
(4)维修方案包括更换定子绕组,减小负载,加润滑油更换齿轮在内的方案。
6.一种基于权利要求1-4之一所述系统的设备故障诊断方法,其特征在于,包括以下步骤:
(1)首先输入故障征兆信息;
(2)判断能否进行精确推理,如果可以进行精确推理,则输出故障原因,如果不能进行精确推理,则进入步骤(3);
(3)对输入的故障征兆信息模糊化,得到模糊向量,启动故障矩阵R,获得模糊输出向量,然后进行去模糊化;
(4)判断输出的结果是否为多个,如果只有一个结果则直接输出故障因,如果结果为多个,则对结果进行整理,最后输出由隶属度大小排序的故障原因。

说明书全文

一种基于语义的生产线设备故障诊断系统及方法

技术领域

[0001] 本发明属于语义网和生产线设备的结合领域,涉及一种基于语义和模糊推理的生产线设备故障诊断机制研究。

背景技术

[0002] 我国制造业发展迅速,生产线上的设备也是多种多样,机器设备经常处在高负荷,长时间的运转当中,机械设备难免发生故障。由于生产线设备故障知识来源多且分散,比如专家书籍网络等。这些知识往往是异构的,相互之间缺乏精确的语义信息,很容易造成生产线故障信息的重复构建问题。故障征兆和故障原因之间不是一一映射关系,而是多对多关系,即一种故障现象可能有多种故障原因,一种故障原因也可能导致多处故障。各种故障原因、故障现象相互交错,相互诱导,再加上认知上的限制,对某些设备故障现象和故障原因之间的因果关系难以确定。
[0003] 作为一种新型的数据处理技术,语义网技术在对信息进行组织与管理以及实现一些智能化应用等方面具有独特优势。其中本体是对概念以及概念之间关系的精确描述,在知识的重用和共享方面优势明显,近年来愈来愈受到人们的关注。利用语义网技术可以对异构的故障信息进行语义化描述,故障信息被定义的更加完好,能够促进计算机和人更好的协作。

发明内容

[0004] 本发明旨在解决以上现有技术的问题。提出了一种基于语义的生产线设备故障诊断系统及方法。本发明的技术方案如下:
[0005] 一种基于语义的生产线设备故障诊断系统,其包括:
[0006] 数据源层:用于获取生产线设备故障的原始信息,包括获取故障现象、故障原因、维修方案在内的原始信息以及原始信息之间所对应的关系;
[0007] 语义层:包括故障诊断知识库和模糊推理系统,故障诊断知识库包括本体库和规则库,本体库存放生产线设备故障相关的本体模型和语义数据,规则库用于存放生产线设备故障现象、故障原因以及维修方法所需推理的相关规则,,规则库用于存放生产线设备故障现象、故障原因以及维修方法所需推理的相关规则,模糊推理系统用于不确定性的故障现象与故障原因的推理;根据获取到的故障现象、故障原因、故障源、维修方案在内的原始信息,在TopBraidComposer本体编辑器下构建本体模型,然后在利用逻辑规则语言Prolog(Programming in Logic)编辑故障原因与故障现象之间的推理规则,把故障原因、故障现象、故障源、维修方案本体模型以及推理规则存储在语义图形数据库
[0008] 服务层:包括查询服务模和知识库管理服务模块,其中查询服务是对来自应用层的故障诊断和维修方法的请求进行web封装,供应用层调用;知识库管理服务模块用于生产线设备故障本体库和规则库的管理;
[0009] 应用层:包括用户登录管理模块,知识库管理模块,故障诊断模块,维修方案模块,所述用户登录管理模块用于人员的注册和管理;所述知识库管理模块用于对故障诊断知识库的增加、删除或者修改;所述故障诊断模块用于对生产线设备故障进行诊断;所述维修方案用于查询故障现象所对应的故障维修方法。
[0010] 进一步的,所述故障诊断模块中,对于故障诊断能进行精确推理的实行精确推理,不能精确推理的则进行模糊推理,最后输出由隶属度大小排序的故障原因集合。
[0011] 进一步的,所述模糊推理系统包括信息模糊化、模糊推理、去模糊化三个过程,其中信息模糊化是系统输入进行模糊化预处理,将真实的确定量输入转化为模糊输入,由模糊语言变量及其相应的隶属度表示的模糊集合,对输入的信息利用三形隶属度函数进行模糊化处理,得到模糊特征向量,模糊推理机是模糊推理系统的核心,其作用是根据模糊逻辑的运算规则,把模糊规则库中的“IF.…THEN.…”型模糊规则转换成从x1×x2×x3×…×xn上的模糊集到Y上的模糊的映射关系,即根据接收到的包括故障征兆在内的模糊输入信息x=(x1,x2,…xn),和模糊规则库中现有的包括故障推理规则在内的规则,产生相应的包括故障原因在内的模糊输出变量Y;去模糊化是把得到的模糊输出变量Y反模糊化,变为精确的输出。
[0012] 进一步的,所述故障诊断模块的关键是构建故障矩阵R,故障矩阵R是故障现象和故障原因之间的模糊关系,然后根据模糊产生式规则结合隶属函数建立模糊关系矩阵,其中rij代表某种故障现象对应故障原因的隶属度,m代表故障现象个数,n代表故障原因个数。
[0013]
[0014] 进一步的,所述故障原因、故障现象、故障源、维修方案本体模型分为以下几个部分:
[0015] 故障现象包括滑环故障,定子故障,滑动轴承故障在内的故障,其中定子故障包括定子异响,定子转动,轴承故障包括轴承发热,轴承腐蚀、轴承磨损;
[0016] 故障原因包括轴承间隙过小,轴承负载过大、轴承润滑不及时、齿轮磨损、冷却不及时在内的原因;
[0017] 故障源包括定子,轴承、离心电机设备在内的故障源,所述定子包括定子绕组、定子心、机壳;
[0018] 维修方案包括更换定子绕组,减小负载,加润滑油更换齿轮在内的方案。
[0019] 一种基于所述系统的设备故障诊断方法,其包括以下步骤:
[0020] 首先输入故障征兆信息;
[0021] 判断能否进行精确推理,如果可以进行精确推理,则输出故障原因,如果不能进行精确推理,则进入下一步;
[0022] 对输入的故障征兆信息模糊化,得到模糊向量,启动故障矩阵R,获得模糊输出向量,然后进行去模糊化;
[0023] 判断输出的结果是否为多个,如果只有一个结果则直接输出故障因,如果[0024] 结果为多个,则对结果进行整理,最后输出由隶属度大小排序的故障原因。本发明的优点及有益效果如下:
[0025] 本发明将来源广泛,且相互之间缺乏精确的语义信息的生产线设备故障信息,利用语义网技术异构的故障信息进行语义化描述,从而避免了生产线设备故障信息重复构建的问题。通过规则推理,可以将故障诊断分为精确推理和模糊推理。能够进行精确推理的直接输出故障原因,不能进行故障推理的则启动模糊推理,最后输出由隶属度大小排序的故障原因。通过这种方法可以有效检查生产线设备故障产生的原因,从而减少因为生产线设备故障导致的停机时间。
[0026] 在生产线设备故障诊断领域,传统的语义规则推理只能进行0和1两个量的逻辑的推理,不能满足模糊性、不确定性的故障推理,本方法加入模糊推理系统可以很好的与语义规则推理相结合,弥补语义规则推理的缺陷附图说明
[0027] 图1是本发明提供优选实施例基于语义的生产线设备故障诊断系统;
[0028] 图2为本发明中故障诊断知识本体模型图;
[0029] 图3为本发明中故障诊断流程图

具体实施方式

[0030] 下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、详细地描述。所描述的实施例仅仅是本发明的一部分实施例。
[0031] 本发明解决上述技术问题的技术方案是:
[0032] 如图1所示,基于语义的生产线设备故障诊断机制,该架构图包括以下几个部分:
[0033] (1)原始数据层。生产线设备故障原始信息来源广泛,通过对生产线设备维修手册、维修师傅经验、网络知识等等的深入了解。进而获取故障现象、故障原因、维修方案等原始信息以及他们之间所对应的关系。
[0034] (2)语义层。根据获取到的故障现象、故障原因、故障源、维修方案等原始信息,在TopBraidComposer本体编辑器下构建本体模型。然后在相关环境下编辑故障原因与故障现象之间的推理规则。把故障原因、故障现象、故障源、维修方案本体模型以及推理规则存储在语义图形数据库。
[0035] (3)服务层。所述服务层即包括查询服务和知识库管理服务。其中查询服务是对来自应用层的故障诊断和维修方法的请求进行web封装,供应用层调用。
[0036] (4)应用层。所述应用层包括用户登录管理模块,知识库管理模块,故障诊断模块,维修方案模块。所述用户登录管理模块用于人员的注册和管。所述知识库管理模块用于对故障诊断知识库的增加、删除或者修改。所述故障诊断模块用于对生产线设备故障进行诊断。所述维修方案用于查询故障现象所对应的故障维修方法。
[0037] 图2是上述生产线设备故障知识本体模型图,分为以下几个部分。
[0038] (1)故障现象包括滑环故障,定子故障,滑动轴承故障等等,其中定子故障包括定子异响,定子转动。轴承故障包括轴承发热,轴承腐蚀、轴承磨损。
[0039] (2)故障原因包括轴承间隙过小,轴承负载过大、轴承润滑不及时、齿轮磨损、冷却不及时等等
[0040] (3)故障源包括定子,轴承、离心泵、电机设备等等。所述定子包括定子绕组、定子铁心、机壳等。
[0041] (4)维修方案包括更换定子绕组,减小负载,加润滑油更换齿轮等等。
[0042] 如图3所示,生产线设备故障诊断流程如下:
[0043] (1)首先输入故障征兆信息;
[0044] (2)判断能否进行精确推理,如果可以进行精确推理,则输出故障原因。
[0045] 如果不能进行精确推理,则进入步骤(3);
[0046] (3)对输入的故障征兆信息模糊化,得到模糊向量,启动故障矩阵R,获得模糊输出向量。然后进行去模糊化。
[0047] (4)判断输出的结果是否为多个,如果只有一个结果则直接输出故障因,如果结果为多个,则对结果进行整理,最后输出由隶属度大小排序的故障原因。
[0048] 以上这些实施例应理解为仅用于说明本发明而不用于限制本发明的保护范围。在阅读了本发明的记载的内容之后,技术人员可以对本发明作各种改动或修改,这些等效变化和修饰同样落入本发明权利要求所限定的范围。
高效检索全球专利

专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。

我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。

申请试用

分析报告

专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。

申请试用

QQ群二维码
意见反馈