[发明专利]基于专家系统和神经网络算法融合的织机故障诊断方法

说明书

本发明涉及基于专家系统和神经网络算法融合的织机故障诊断方法。该方法将神经网络用于剑杆织机的故障识别，将神经网络与专家系统协同耦合，实现对剑杆织机故障诊断的智能判断。该故障诊断方法能够很好的对运转的剑杆织机设备的运行状态进行实时监测和故障诊断，及时发现设备故障；能有效延长设备运行寿命，判断故障位置，同时提高设备稳定性，确保设备全生命周期的安全可靠。

技术领域

本发明涉及剑杆织机故障诊断技术领域，具体是一种基于专家系统和神经网络算法融合的织机故障诊断方法。

背景技术

企业对生产效率、产品质量提出了更高的要求，提高传统制造业的智能化水平已成为大势所趋，车间设备互联互通以及车间联网是智能制造的前提条件之一。剑杆织机远程监控及故障诊断系统对于实现车间设备互联互通、车间联网功能以及提高剑杆织机智能故障诊断水平意义重大。

随着计算机技术、信号处理技术和人工智能纺织业的快速发展，剑杆织机的智能故障诊断开始受到关注。目前剑杆织机故障诊断正向着智能自动化、网络化方向发展。因此，人工智能的前沿技术已经成为了剑杆织机的故障诊断不可或缺的力量。利用信息融合技术，实现剑杆织机的智能诊断已成为剑杆织机故障诊断领域所面临的新问题。

例如浙江理工大学的现代纺织装备技术浙江省重点实验室开发了喷气剑杆织机工艺专家系统设计，能够设定智能化进程，利用在线同步和离线拷贝两种形式的获取剑杆织机数据。该套系统将专家系统的推理机及知识库的设计放在pc机上，但仅能在有限的定制式规则中寻求答案，当对于一个复杂无规律的知识库，传统专家系统仍无法收敛问题。传统的专家系统没有自学习功能，当遇到数据库不兼容类型时，无法处理，将陷入循环不终止状态。而神经网络的引入恰好解决了这一难题，目前将神经网络和专家系统结合用在剑杆织机上的方法未见报道。

发明内容

针对剑杆织机的故障诊断问题，本发明公开了一种基于专家系统和神经网络算法融合的织机故障诊断方法，该方法创立了神经网络与专家系统协同耦合的全新模式，改进专家系统的故障树，并将神经网络用于剑杆织机的故障识别，进而实现对剑杆织机故障诊断的智能判断。

为了实现上述目的，本发明采用的技术方案是：

一种基于专家系统和神经网络算法融合的织机故障诊断方法，其特征在于，该方法将神经网络用于剑杆织机的故障识别，将神经网络与专家系统协同耦合，实现对剑杆织机故障诊断的智能判断，包括以下步骤：

对直接影响剑杆织机生产状况的定量因素进行分析,发现发生故障后将定量因素作为影响剑杆织机生产状况的因子进行预测分析；

建立剑杆织机的逻辑关系故障树：

将一个故障事件分层划分为初事件、中间事件、底事件，最上层即初事件是设备故障的表象，底事件才是真正造成故障具体原因，中间事件位于初事件和底事件的二者之间；当故障发生时，将故障事件集合后，按照各事件发生的相互逻辑诊断推理，推论得出诊断结果；

对于剑杆织机系统具有多个子故障树，将涉及交集的子事件设为引用关系，不同的子故障树能引用同一子事件。

所述直接影响剑杆织机生产状况的定量因素包括引纬参数、送经参数、电子卷取参数、启停参数、储纬参数；采集剑杆织机运行状态信号，这些运行状态信号包括：振动信号、各级温度信号、电流信号、开关量信号；对运行状态信号进行处理，凝练故障信号的特性；

将剑杆织机故障划分为元器键故障、传感器故障、执行器件故障；

其中元器键为决定剑杆织机系统能否正常工作的固定器件，包括伺服驱动器、控制电路板、变频器、变压器、开关电源；

传感器为用于监控剑杆织机工作时各部位工作状态的器件，包括编码器、接近开关、断经传感器、纬纱检测器、张力传感器、油位、油压传感器；