摘要:對機械狀態的誤診斷是對機械狀態的一種歪曲反映，誤診斷原因是多方面的，包括診斷數據的不 準確性、診斷依據的不可靠性、診斷推理的不合理性等。機械狀態的信息特性對機械故障診斷起重要作用，研究信息特性對提高故障確診率和故障診斷的可靠性具有實際意義針對獲取的故障信息具有不確定性，本文發表在《煤礦機械》上，文章提出用粗集理淪處理診斷中的不確性的數學方法理論，是機械類論文發表范文。

　　機械故障診斷的發展歷程中，故障確診率的提高一直是研究的熱點，故障的誤診卻沒有引起人們足夠的重視。為了系統地闡述機械故障診斷中的誤診問題，給出了誤診的含義及分類;按照機械故障診斷推理過程的環節，詳細分析了誤診產生的機理和具體的原因，針對這些誤診的潛在原因，提出了減少誤診的方法和措施。

　　提高機械故障診斷的可靠性，降低誤診率，在保證診斷數據準確無誤的同時，必須使診斷系統合理，同時具有開放性和可擴充性，使診斷知識不斷得到豐富和充實。

　　1機械誤診斷的原因

　　從診斷的結果與診斷對象客觀存在的差異來看，故障診斷的結論可分為確診、誤診和漏診，確診即為對診斷對象的故障判斷是準確無誤的。漏診則是對故障的遺漏。而誤診，顧名思義，就是錯誤的診斷，也可稱之為誤判。漏診實質上也可歸為對設備的誤診。

　　1.1故障的復雜性

　　在故障診斷過程中，診斷對象的故障過程是復雜多變的，在故障發展過程中，由于引起故障的因素在性質、特點及作用方式上是不同的，機械功能狀況和所受損害的具體情況也不同，使得故障征兆和演變具有不同形式，診斷中往往難以迅速準確地認識故障的性質，導致誤診，具體表現在以下幾方面:

　　(1)故障的發展過程中，一種故障可能表現出多種不同故障征兆。如液壓系統故障診斷中，電磁換向閥故障可能導致系統壓力、流量不滿足要求，脈動可能加劇，還可能導致系統工作溫度升高等。而對不同診斷對象，即使是同一種機械，對同一種故障的反應也是有差異的。一個對象的反應可能快，另一個對象反應可能慢，一個對象的某征兆對某故障反應可能劇烈，而另一個對象反應可能較平穩等。

　　(2)不同故障在發展過程中，可能出現相似的征兆，同種征兆可能對應多種故障形式。如回轉機械中，各種故障的發生，往往都伴隨著振動的加劇，而且在頻域分析時，在相同倍頻上，不同故障可能會有相似的表現形式。這種故障征兆的相似性，使我們在故障診斷中容易產生混淆。

　　(3)在很多情況下，隨著故障的發展，還可能引起繼發性故障，這種繼發性故障可能會掩蓋原來的故障，或原來的故障掩蓋繼發性故障，這都將造成故障診斷的困難。如液壓系統中，由于某種原因引起油液污染程度增加，這可能引起液壓泵運動副的嚴重磨損，磨損的顆粒混人油液中，進一步加劇油液污染，液壓泵磨損將引起液壓系統失效，泵的失效是油液污染這種原發性故障所引起的，而原發性故障和泵磨損這種繼發性故障混在一起，相互促進，造成惡性循環，這增加了查找原發性故障的難度。

　　為克服故障征兆的復雜性給故障診斷帶來的困難，必須開闊思路，不拘泥于典型故障一征兆的狹窄思路，從系統角度出發，進行由環境到機械，由局部到整體，由階段到過程的具體分析，將征兆、原因、故障機理有機結合起來加以研究，減少誤診率。

　　1. 2診斷知識的不確定性

　　各種機械設備，由于復雜程度不同，工作環境各異，使我們獲得的有關故障的知識往往有不確定和不完善的一面。一般來說，我們不能等待某種故障完全發生后再得出結論，而必須實施早期診斷，及時采取措施避免故障的進一步發展，這樣，我們必須依據故障的部分征兆或無任何征兆情況下作出診斷，這不可避免地帶來誤診。

　　由于故障診斷資料不足，對故障的認識受到較大限制，給明確診斷帶來困難，有時不能將其有類似征兆的故障完全排除，有時所懷疑的故障的一般規律與故障征兆不完全相符，另外排除了一種故障的可能，又缺乏對某種故障作出識別的足夠依據，因此故障診斷的推理過程往往也是模糊的，具有一定程度的不確定性。

　　針對這種情況，充分研究故障診斷對象，建立合理的模糊知識體和模糊推理機，利用現代人工智能原理實施診斷更符合故障診斷的性質，將提高診斷的可靠性。

　　1. 3理論的相對性

　　任何理論與實際的故障過程相比，總有局限性，機械設備作為一個與環境和人共同組成的有機體，是有差異的，理論只能大體概括故障診斷實踐中的具體情況，同時，理論又受到一定科學技術條件的限制，還存在尚待認知的領域。

　　理論與具體故障相比，總是有一定距離的。以故障診斷的標準來說，它是以典型征兆為基礎而總結制定的，不太典型的故障，就未必都與診斷標準相符合，若將診斷標準當作教條而一成不變，難免造成誤診。

　　總之，我們所研制的診斷系統，應具有開放性和可擴充性，使系統具有不斷完善的能力，這是降低誤診率的重要途徑。

　　1. 4診斷實踐的局限性

　　故障診斷的實踐是機械故障診斷學形成發展的基礎，對故障現象進行試驗研究，雖然也是獲取相關知識的重要途徑，但由于試驗與機械系統實際運行情況、工作環境是有差異的，所得出的結論必然存在一定的局限性，作為實施故障診斷的主體—人，對機械系統的了解程度及故障診斷的實踐經驗不同，得出的結論也有差異，如觀察1幅機械圖象，1個經驗豐富的人，頭腦中積累了大量故障知識，往往能較準確地從中把握機械運行狀況，作出合理診斷結論，尤其是對早期故障和不典型故障的診斷更是如此。因此，必須加強診斷的實踐環節，從實踐中抽取有用的知識去擴充和豐富我們的診斷系統。

　　1. 5獲取數據的不準確性

　　在實施故障診斷過程中，首先應獲取機械系統運行的有關數據。機械運行過程中，往往受外界環境及各種隨機因素影響，使獲取的數據具有某種程度的不準確性，容易造成誤診。因此須采取必要數據預處理手段，減少隨機因素的影響，剔除其中的趨勢項、奇異項等，提高數據準確性，這也是降低誤診率的必要條件。

　　1. 6診斷人員不專業

　　診斷人員的素質也決定了診斷結論的正確程度。診斷人員的理論知識、實踐經驗、方法知識以及執行故障診斷時的態度都可能導致誤診。同時，診斷人員在綜合運用知識、理論聯系實際、善于解決實際問題等方面的能力也會影響診斷結論。

　　2機械故障診斷中信息提取

　　2.1信息提取不可靠

　　機械故障診斷分為直接診斷和間接診斷，但由于受到設備結構和工作條件的限制，直接診斷往往難以進行。因而，多采用間接診斷，即通過二次診斷信息來間接判斷設備中關鍵零部件的狀態變化。而診斷測試便是獲取二次診斷信息必備的關鍵環節。最常見的是振動測試(位移、速度、加速度)和聲音測試。

　　然而，由于各種原因，獲取的數據可能發生偏差。體現在3個方面:(1)數據沒有正確反映客觀存在;(2)數據的信噪比低;(3)數據的不完備性。如果把這些不準確的數據當成有效數據來分析，就很可能發生誤診。

　　2. 2信息處理不準確

　　能夠快速、有效地提取反映機器故障信息的特征是機械故障診斷的關鍵。診斷特征主要通過對設備采集來的信號進行分析和處理獲取。這些特征可能是一些簡單的時域特征，如峰峰值、均方根值、峭度等，或者工藝參數特征，如油溫、油壓等，還有一些復雜的頻域特征及基于全息譜的特征，如轉頻橢圓及軸心軌跡等。

　　目前，各種特征提取方法層出不窮，如統計模擬、小波分析、獨立分量分析、頻域分析、全息譜分析等，為診斷對象的特征提取提供了有效的解決方案。在應用中，許多方法都有其應用的前提條件。而且，在不同的應用場合，各種方法還可能存在其局限性以及數學上的精確性問題。在實際應用中，如果沒有注意到這些，就可能引起誤診。

　　2. 3信息不完美

　　對于一個診斷對象，如果其運行狀態較復雜，由于客觀條件和手段的限制等原因，可能使獲得的信息難以確切地給出診斷結論，主要體現在以下3個方面:

　　(1)信息不完備。在診斷實踐中，故障與診斷信息之間并非一一對應的關系。1個信息對應多個不同的故障，而1個故障也表征為多個不同的信息。這就需要掌握充分的有用信息來區分不同的故障。否則，就可能出現誤診。

　　(2)信息不一致。診斷信息不一致在診斷實踐中也是較常見的現象。這些信息之間存在一定程度上的沖突。也就是說，某些信息很大程度上支持故障F1，否定故障F2;相反，另一些信息則支持故障F2，而否定故障F1。此時，誤診也容易發生。

　　(3)信息不確定。來自于診斷對象的診斷信息經歷了許多傳輸途徑，其不確定性可能較小，也可能很大，如傳感器、傳輸線等均影響其確定性。此外，還有定性與定量信息之間轉換導致的不確定性。

　　3提高信息可靠度、減少誤診斷的措施

　　3.1提高診斷測試的準確性

　　提高診斷測試的準確性是保證診斷數據可靠性的重要前提。可以從以下4方面著手:(1)對傳感器進行定期檢驗;(2)可考慮用多個傳感器測量;(3)采用可靠的傳輸線;(4)正確設置采樣參數。

　　3. 2提高診斷系統的可靠性

　　隨著設備運行與維護的需要，各種在線、離線、遠程等診斷分析系統以及人工神經網絡、貝葉斯網絡、專家系統等智能診斷系統逐漸用于機械故障診斷，為確診故障帶來了許多便利之余，也增加了機械故障誤診的可能性。開發合理完善有效的診斷系統，提高它們在特征提取或診斷推理方面的可靠性，有利于減小誤診率。

　　3. 3加強診斷信息描述的客觀性

　　診斷信息在機械故障診斷中的重要性是不言而喻的，其表達與描述是否合理、準確關系到診斷推理結果的正確與否。然而，在診斷實踐中，診斷信息既有定性信息，也有定量信息;既包含簡單信息，又包含復雜信息;既存在確定信息，又存在不確定信息。在診斷推理過程中，定量信息經常會轉換為定性信息，例如，" 70 },m的振動”描述成“振動大”等。

　　概率論和模糊數學是描述這種信息的強有力的工具。因而，可以考慮用適當的方式把概率論和模糊數學理論融人到故障診斷的信息表達和描述中來，加強其描述的客觀性。

　　4粗集理論對信息不確定性的處理

　　具有隨機信息、未確定信息、模糊信息、灰信息中的一種的信息為單式信息;至少存在2種以上的信息為盲信息，而將概率論、模糊理論、灰色數學、未確知數學的理論與方法有機結合起來，即不確定性數學的理論與方法，提出或運用某種理論和方法，對具有相似或不同特征模式的信息進行處理，以獲得融合信息，從而改善信息的不確定性、模糊性、矛盾性。

　　粗集理論是一種處理模糊和不確定知識的有效數學工具，其在知識分類和知識獲取中已得到成功應用。粗集理論方法與神經網絡方法、遺傳算法、模糊集理論方法、混沌理論等“軟科學”方法的不同在于它僅利用數據本身所提供的信息，不需要任何附加信息或先驗知識，如證據理論中的基本概率賦值、模糊集理論中的隸屬度函數、統計學中的概率分布等，粗集方法以觀察和測量數據進行分類為基礎，直接處理對象的可測輸出，剔除冗余信息和矛盾信息，從而找到問題的內在規律，因此粗集理論比其他“軟計算”方法更具實用性。粗集理論進行診斷的一般步驟:

　　(1)知識庫建立利用搜集到的歷史或仿真數據生成聯合診斷系統故障信息表，進而表示為知識庫的形式S=(U, A, D, V, f)知識庫可分為非空的對象空間U = 3x>> xz,…，xm(，屬性集合空間R=AV D，子集A=}dl } a2 }…，do}和子集D=}df分別稱為條件屬性和結果屬性，并且在對象空間與后兩者之間存在對象屬性關系f8和九，即對于。eA, f8:‘升硯稱為信息函數，兒:U}Vd稱為決策函數，Va和yd分別是A和D的有限值域。

　　(2)數據離散化數據離散化方法包括等距離劃分算法、等頻率劃分算法、NaiveScaler算法、基于屬性重要性算法和基于斷點重要性算法，以及布爾邏輯和粗集理論相結合的算法等，使條件屬性和決策屬性的取值為連續的不確定性空間，數據離散化是運用粗集理論的數據預處理。

　　(3)特征提取從原N個數據特征中找到M個數據特征，簡化后M個數據特征對對象空間U的分類能力和原N個數據特征的分類能力相同(N,M)，此過程稱為特征提取。常用的特征提取方法有基于屬性重要性的最小約簡、基于差別矩陣和差別函數的邏輯化簡、基于包含度理論方法的最大分布約簡、基于下近似質量不變進行屬性約簡和對存在噪聲污染時用基于上近似質量的任一約簡。特征提取使條件屬性得到約簡，進而剔除冗余的條件屬性。

　　(4)規則應用提取的規則集可用來對新對象進行分類，該規則集稱為“分類器”，用RUL來表示。當分類器遇到一個新對象x時，則在規則集RUL中尋找與x的條件屬性相匹配的規則，應用規則集可判斷新對象x決策屬性。

　　參考文獻

　　1 屈梁生，何正嘉.機械故障診斷學.上海:上海科技出 版社，1986

　　2 劉振華，陳曉紅.誤診學.濟南:山東科學技術出版 社，2001

　　3屈梁生，吳松濤.統計模擬在工程診斷中的一些應用. 振動、測試與診斷，2001，21 (3):157-167

　　機械類論文發表須知：《煤礦機械》雜志以印刷精良，信息量大，發行及時，有參考價值，值得您信賴和愛護的國內外公開發行的煤礦機械行業綜合性技術刊物，全國中文核心期刊。