英语原文共 13 页，剩余内容已隐藏，支付完成后下载完整资料
IEEE系统，人和控制论第三部分：应用和评论，31卷，3号，2001八月 269
基于智能技术的电子系统故障诊断研究
威廉·G·芬顿，IEEE会员，T. M.麦金尼蒂，IEEE会员，马奎尔利亚姆
【摘要】 在一个日趋复杂且竞争日益激烈的市场体系里，上市时间和生命周期却在不断缩减。故障诊断的目的是在有缺陷的系统上的故障隔离，这是一项需要高技能的任务。这已经推动了自动诊断工具的需求。在过去的二十年中，自动诊断一直是一个活跃的研究领域，但是，这些技术的工业接受，特别是在成本敏感领域，并没有很高。本文回顾了这项研究，主要包括基于规则的，基于模型的，和基于案例的方法和应用。未来的研究方向是最后检查和浓度的问题，这可能会极大的推广自动化诊断。
【关键词】人工智能，案例推理，故障诊断，模糊逻辑，机器学习，基于模型的推理，神经网络，基于规则的推理
- 引言
随着系统复杂性的提高，产品生命周期的缩短，生产成本的降低和技术的不断革新，对产品生命周期的各个阶段的智能工具的需要变得越来越重要。
在[ 71 ]，一个系统被定义为“任何聚集的相关元素，一起形成一个足够复杂的实体，它是不切实际的处理所有的元素在最低的水平的细节。”例如汽车、计算机、电子线路板用超大规模集成（超大规模集成电路）组成。
故障诊断系统的故障诊断，通过收集和分析系统状态的信息，使用测量，测试和其他信息来源（例如，观察到的症状）。通常，它是由人类专家进行的。它在产品生命周期的所有阶段都是一个重要的功能，尤其是在制造和现场维修阶段。
在过去的三年中，自动化故障诊断，人工智能（人工智能）技术一直是一个重要的研究课题。并且已经有很多进展，但工业的接受程度，特别是在成本敏感领域一直不高。
此外，随着新兴的可重构系统的发展，在线测试[ 58 ]和智能诊断可以协助
复杂系统的自维护[ 69 ]。
本文的目的是使用人工智能的方法审查系统的诊断研究，并检查其应用，特别是在电子系统诊断领域。
二、动机
应用智能技术进行故障诊断是近三年来的一个活跃的研究领域。然而，它的工业接受程度很低。这是为什么呢？本文作者就这一问题进行了深入的调查研究。另外的工作正在进行中，将确定接受问题，并可能的解决方案，以增加接受和部署。
此外，没有一个单一的参考位置，涵盖了广泛的选择智能诊断的方法，因此，它被认为，本文可以填补这一空白。
三、诊断过程
故障诊断的目的是以一个及时的态度去分析造成系统（组件）故障的原因。
执行诊断的顺序一般可以概括如下。
1）故障信息生成：必须收集故障信息的性质。这是通过融合来自不同来源的信息，包括：观察到的症状，测量和运行诊断测试。
2）故障假设生成：根据收集到的信息来定位故障部件或组件，这与可用的故障信息是一致的。
3）故障假说辨析：如果不止一个故障被建议需要进行进一步的测试或者采用历史数据（例如，概率），以便进一步的辨析。如果进一步的辨析无法达成，经验或者实验错误可能会确定最合适的修复方案。
从本质上讲，诊断过程可以被定义为从系统观测和测试中收集的信息的故障隔离。
四、传统方法
A．基于规则的系统
1）方法；基于规则的诊断系统代表的经验进行技术诊断规则的形式通常是”如果症状（S），那么错。”代表知识的特定问题域，可能需要数百，甚至数千的规则。规则为基础的推理涉及到有关问题域的信息，以及与此信息匹配的规则。这个新生成的数据会被添加到问题信息中。这个过程是反复迭代，直到找到问题的解决办法[ 50 ]，[ 62 ]。这种在20世纪70年代和80年代初的实施形式是最聪明的诊断方法。
2）应用：在电子工程中的应用程序的选择在[ 63 ]。包括在电话网络，磁盘驱动器，电话开关设备，航空电子设备控制系统的诊断中的应用。
甚至在最近，基于规则的系统将继续使用。电脑维修专家系统（ESPCRM）[ 47 ]介绍了一种用于诊断PC系统可更换模块级的系统。在[ 64 ]，报道了一种电子伪造的故障诊断程序。在[ 2 ]，一个复杂的专家系统采用多个专业规则库诊断复杂的电脑板。最终，在[ 21 ]，报道了诊断工具的服务器电脑板使用内存分析处理器的内存转储。
3）问题：这种方法的主要优点是它的直观性。
它的缺点是以下：
- 获取的知识来建立规则的难度—被称为知识获取的瓶颈。
- 它应对新故障的能力。
- 系统的依赖性，需要为每个新的系统类型生成新的系统规则。
B．故障（决策）树
1）方法：在历史上，这已经是最常用的用于记录故障诊断程序的方法。故障树使用症状或测试结果作为其起点，然后由一个分支的决策树，组成的行动，决定和最后的维修建议。图1显示了一个简单的例子。
2）应用：协助大型诊断网络的导航，[ 1 ]描述了一个超媒体系统的点和点击遍历的故障树和其他类型的诊断信息。
为了简化复杂系统的故障树的生成，智能技术已被应用于自动生成它们。在[ 23 ]，自动故障树的产生是通过使用一个电路描述，故障模拟产生的故障，量化和分类的这些影响产生的电效应，产生一个测试矩阵，并最终生产的测试树的递归搜索和评估测试矩阵。在[ 57 ]，故障树的产生，使用案例推理系统中提取的案例。在[ 36 ]，过程模型，故障仿真，机器学习技术用于生成故障树。
此外，故障树已被用于在各种现实世界的智能应用程序，包括[ 23 ]提出了一种用于诊断汽车电子控制系统和[ 66 ]，它描述了一个专家系统的彩色电视诊断。
3）问题：故障树的主要优点是简单和易于使用。事实上，小培训是需要使用这些诊断协助的。然而，对于更复杂的系统，一个完整的故障树可以是非常大的。此外，故障树是系统相关的，甚至是小的工程变更，都可以意味着显著的更新。最后，故障树并没有提供能够直接指示答案的知识。
五、基于模型的方法
在过去的15年中，模型作为一个智能系统的诊断的首要研究方向以及取代了以规则为基础的技术。模型是实际系统被诊断的一种近似表示形式。基于模型的诊断包括使用模型来预测错误和从真正的设备或系统使用观察到的信息。
模型通常用于在一个层次的方式，即初始诊断是一个亚基级使用一个高层次的模型，然后一个更详细的模型的亚基是用来诊断到下一个水平等。
各种类型的方法都已经被运用到了，包括故障模型，结构模型，行为模型，诊断推理模型。以下各节讨论这些方法，以及它们的相关联的推理机制。
- 故障模式（或故障词典）
1）方法：这种类型的模型预测可能出现的故障类型，只有这些模型。每个选定的故障类型被插入到每个组件中，并使用模拟，监测系统的整体行为。每个模拟产生一个描述的整体系统如何运作时，一个特定的部分在特定的方式中是有缺陷的。这提供了一种故障/症状对列表,用于生成一个故障字典,可以指示哪些组件缺陷当一个特定的整体症状。
2）应用：此方法已被应用于数字电路的诊断，它已被用于检测卡在“一”和“零”故障，桥接（短路）故障，和延迟（定时）故障[ 80 ]。例如，使用一系列的二进制测试向量来测试一个简单的数字组合电路。使用故障模拟器每个测试模式的行为，指出为每个故障类型。图2所示为一个故障字典的例子（times;times;表示，该测试模式不存在对应的故障）。有缺陷的组件是门的行为根据故障字典或模型为每个测试模式。
3）问题：组合数字电路的故障诊断模型，可以模拟故障的准确，但是，他们无法应付意料之外的（即unsimulated）故障。然而，模拟故障的集合可能最充足的诊断，因此，可能为许多应用程序提供足够多的解决方案。
当时序电路一起使用时故障模型是不太成功的。如果在测试过程中诊断电路的测试序列不是一个单一的必需矢量，那么因为故障它会是不可能完成的序列，因此，要诊断[ 80 ]，[ 81 ]。并且已经提出了一个可能的解决方案[ 81 ]，那就是将电路分为更易管理的块，称为封装。
最后，对于大型电路，测试向量的数量需要大导致不切实际的测试时间。数据压缩方法已被应用到这个问题[ 80 ]，[ 82 ]。
- 因果模型
1）方法：因果模型是一个有向图，其中的节点代表的变量的建模系统和链接代表的变量之间的关系或协会。例如，在一个诊断模型中，变量往往代表的症状和故障，和链接代表的症状，故障关联。每一个链接的强度通常用一个数值或概率定义。因此，故障假设形成的排名或淘汰使用贝叶斯技术[ 59 ]，[ 60 ]。贝叶斯网络是这种方法的变化[ 37 ]。
2）应用：在[ 83 ]，一个贝叶斯网络被运用到一个集成电路测试仪的诊断。一个领域专家的知识，对于不同的测试故障模式的概率表示为一个贝叶斯网络。
根据[ 84 ]，基于规则的系统比基于模型的方法在工业更为普遍，因为它被认为，基于模型的系统更难以建立。为了克服这一点，可以用一个工具将一个简单的系统框图的因果模型表示出来。
3）问题: 专业知识的应用领域需要构建一个因果模型，所以”知识获取瓶颈”是其主要缺点.主要优点是更容易比规则代表复杂的结构化知识的物理或抽象的概念，从而导致更大的计算效率。此外，因果模型的基础上的企业数学理论的概率。
C．基于结构和行为的模型
1）方法：过去15年的主要研究方向之一是基于结构和行为的模型。使用两种结构和行为的双重表示。结构表示列表中的建模系统中的所有组件及其互连。行为表示描述了每个组件的正确行为模式。行为模型可以使用不同层次的抽象，包括：数学，定性，或功能[ 10 ]，[ 18 ]。这两个陈述通常使用的逻辑公式，如一阶谓词演算。
如果模型的操作不同意在特定的操作过程中的实际系统的观测，那么发生差异，必须进行诊断，以找到有缺陷的组件（的）。图3显示了一个简单的算术电路的例子。如果通过电子邮件输入一个被刺激如图所示，输出应测量如图所示。测量这些值的失败表明模型和实际系统之间的差异。
与故障模型，这种类型的模型是一个正确的模型。也就是说，它是一个工作装置，在理论上，它可以诊断任何故障类型，而不仅仅是建模的。
上世纪80年代提出的许多基本技术，包括简单的组合数字电路的诊断。同样的基本原理也适用于其他类型的设备。这个过程一般包括三个步骤。
- 两代：产生一个组成部分（嫌疑人），可能是负责观察差异的列表。
- 假设检验：测试每一个可疑的人，看看是否能解释所有的观测结果。为了免除和减少在假设的产生创造了嫌疑人名单我们已经提出可很多方案。这些措施包括：约束悬架[ 19 ]，假设为基础的真相维护[ 39 ]，故障模型仿真[ 43 ]。
- 假说辨析：如果超过一名嫌疑人仍在前一步后，这一行动收集更多的信息，以帮助进一步的歧视。使用下列方法之一的方法来收集附加信息。
——附加测量：确定最佳的测量序列的关键问题和各种方法进行研究，包括使用的故障概率[ 39 ]和半分割方法[ 43 ]。
——附加测试：确定下一个测试，它将提供最佳的信息，最大的歧视，是关键问题[ 68 ]。
2）应用：假设检验（HT）是诊断中的应用[ 19 ]在结构/行为模型的开创性作品之一。其应用领域是组合数字电路。描述结构采用decmmp并行语言的一个子集，一个超大规模集成电路设计语言。所使用的陈述是分层的，同时使用物理和功能描述。约束是用来描述行为，并模拟和推理规则描述组件的输入和输出之间的关系。使用候选生成和约束暂停进行诊断。
在[ 28 ]，HT是延长处理时间变数字电路。它的行为表示扩展到处理（值，时间）对，使电路的行为可以描述一系列的时间段。然而，他的结论是除非是在完整的状态可见性（即在不同的时间段里）的测量是可用的，而诊断带固有的非约束性是不会区分的。为了方便在不同的时间点可以采取意见，单步进电路提出了作为一个可能的解决方案。
在[ 39 ]，一般诊断发动机（GDE）介绍。该解决多故障问题，成为该地区[ 39 ]为后来研究的基础。介绍了诊断[ 38 ]使用自动取款机。使用约束传播andatms，确定最小的诊断，但考虑的所有超集的每个最小可能的诊断；如果某个最小诊断是无关的所有超集也无妨。为了进一步区分候选人的诊断，它采用了额外的电路测量。一组最优的测量，它使用一步先行的基于最小熵预测最佳探测序列。失败概率的单个组件需要指导这个过程。通常这样的故障概率可能很难获得，因此该[ 41 ]的延伸，提出了原油的使用概率估计来指导诊断。他通过假设所有组件失败是等概率的概率非常小。最后，一些延伸的GDE利用故障模式或模型[ 40 ]提供额外的诊断鉴别。在[ 29 ]，延长诊断发动机（XDE）扩展了GDE程序所述，处理更复杂的电路，包括一些连续的。它使用一个结构化的语言称为罗勒提供物理和电路的功能表示两。例如，功能表示将描述在加法器和乘法器的运算电路，而物理描述将用于建立实际的电路元件。之间的关系都是在描述定义。描述一个行为，时空约束传播是所谓的色彩语言。色彩定义的规则在多层次的时空抽象到ndescribe电路的操作主要是在功能层面。概率估计是用来排名的替代诊断和选择下一个最佳的测量。这些估计值被定义相对于一个组件的复杂性。为了进一步完善诊断，故障模型，以进一步调整概率估计。XDE已经过测试，包括复合板基于微处理器的电路。
在[ 15 ]和[ 17 ] DEDALE，描述了用于模拟电路故障诊断的方法，它是一个自动取款机DEDALE系统。组件的行为是使用定性模型的基础上相对数量级。一些组件，如晶体管，可以有一些正确的操作模式。诊断是一个分层的方式进行，从设备的水平，这是一个功能性诊断，并工作到组件级别，一块一块地。要执行一个有缺陷的块内的推理，在每个节点和它的附加组
剩余内容已隐藏，支付完成后下载完整资料
资料编号：[148475]，资料为PDF文档或Word文档，PDF文档可免费转换为Word
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
