柔性制造系统(FMS)故障诊断技术

1 FMS特点及其故障诊断的困难性

    柔性制造系统（FMS）作为一类复杂的机电系统，其复杂程度、行为状态和工作环境等都与传统的制造系统有很大不同，比较明显的是：

    （1）FMS是对多个异质系统在功能及结构上的有机集成，属于复杂大系统。

    （2）系统强调高度自动化，智能程度要求较高。

    （3）相对于自动化生产线，系统的动态行为更加复杂，刚性控制减弱，柔性更加明显。

    （4）系统具有容错控制，当某一子设备或子系统发生故障时，系统的运行过程控制（即调度）可以重构，以保证系统整体功能的不失性。

    （5）单一设备或系统的自身行为或故障不再局限于其自身范围内，常常会影响在功能或地域上相关、相连的设备或系统。

    FMS系统所具有的上述特点，导致其故障诊断不仅有一般设备诊断的特点，而且表现的更复杂、更特殊。

    （1）FMS的高度柔性，必然要求系统内部的高度灵活性和运行模式的多样性，负面的影响是增大了系统的不定因素和在模式转换过程中故障发生的高可能性。

    （2）系统设备多样、复杂，加工以柔性多任务为目标，加工类型、过程、工况多样，因此，难以全面搜集各种正常与异常状态的先验样本和模式样本，即诊断知识获取困难。

    （3）过程状态及故障的断续性、突发性、模糊性、关联性及时变性更加明显，致使故障征兆信息、设备状态信息的获取比较困难，故障的快速定位难度更大。

    （4）加工设备各部件间的动态联动性、离散性致使故障的传播性、故障源的分散性更加明显。

    （5）工件尺寸甚至误操作等随机干扰因素影响加大，使诊断系统的误诊、漏诊的可能性更大，诊断推理的精确性、结论的可信度都有所下降。

    （6）加工过程中信息量大而繁杂，适合于监控、诊断与预警的信息资源需要挖掘，对监控策略、故障特征提取、诊断知识库管理等环节提出了挑战。

    （7）FMS在运行过程中，更多情况下是缺乏人的现场监视，因此，故障难以早期发现；对现场故障的瞬时信息，特别是感官信息就往往无法捕捉，而此类信息对故障的快速定位（推理）是极有价值的。

    从实际的应用来看，诊断对象的复杂度增加，可能导致诊断系统的复杂度呈几何指数性增长。从多家FMS研究及应用单位的实际应用情况看，FMS的运行故障频发，且现有的诊断系统难以应付多种复杂的故障快速定位要求。

2 当前的研究内容及发展状态

    作为FMS理论研究及实践应用的关键与瓶颈技术之一的故障诊断技术，受到了国内外制造领域的重点研究，并取得了一定的研究成果。分析和总结众多在不同研究方向上具有创新性的研究成果，归纳、分类形成如图1所示FMS诊断技术研究的基本方向。可以清楚的看出，围绕FMS这一具有复杂结构及组成的自动化制造系统，诊断技术的研究主要沿如下4个方向深入开展：

    （1）诊断系统架构研究。

    （2）智能诊断方法研究。

    （3）FMS故障机理及故障模型研究。

    （4）系统集成技术研究。

    基于上述4个大的研究方向，众多的研究又从不同的侧重点出发，最终形成了更细致的研究分支。整体而言，FMS诊断技术研究呈发散式向与诊断流程各个环节相关技术逐级深入。

2.1 诊断系统架构

    针对FMS的特点，当前的诊断系统架构设计主要有两种形式：集中式和分布式。在两种基本方式的基础上为了兼顾诊断的实时性及诊断的精密性要求，系统又出现了在线实时诊断与离线精密诊断相结合的模块式结构。

    华中理工大学在诊断方法论、体系结构方面进行了开创性研究，并针对郑州纺织机械厂的FMS故障诊断开展进一步的研究；北京理工大学以长春BQ-FMS为研究对象，诊断系统采用简易实时诊断与离线精密诊断相结合的形式，该系统已应用于现场运行，但其总体架构仍是集中式结构。

    基于Internet的远程故障诊断技术是复杂设备故障诊断最新的发展动态，美国的斯坦福大学、新加坡的国立大学等一些研究机构已建立了开放式远程诊断及支持中心，在设备用户、研究机构（领域专家）及设备生产商之间形成了面向多用户、多设备的动态敏捷诊断通道，实现了诊断资源共享，大大提高了诊断效率、成功率及诊断结果的可信度。西安交通大学、上海交通大学和西北工业大学已先后建立了远程故障诊断服务中心，在大型复杂设备诊断远程网络化方面迈出了可喜的一步。当前，华中科技大学也已开展分布式远程协作诊断研究，已建立了一定功能的原型测试系统。

    Agent及MAS（multi-agent system）理论和方法是计算机软件工程最具革命性的成果之一，MAS理论应用于故障诊断希望解决两方面的问题，其中之一就是从分布式问题求解角度来建立分布式诊断架构。应用多Agent系统来构建具有灵活配置、高柔性、扩充性好的软件系统具有较大的优势。Maria-Athina等学者分析了在分布式设备故障管理中应用智能Agent技术的有关细节问题，并给出了简单的系统设计方法。德国的研究者在FMS的实时监测问题研究中，采用Multi-Agent机制解决了监测的分布式问题，并给出了监测Agent模型和功能封装。英国曼彻斯特大学针对典型FMS系统研究并设计了基于Multi-Agent的集成故障诊断系统，目前的研究正在逐渐深入。加拿大Edmonton大学的智能工程实验室提出了应用于复杂化工设备故障监测及诊断的集成化分布式智能系统结构，在基于MAS的集成框架下有效实现了多种诊断工具的综合利用，并对原有工具、系统可以方便集成。R.Khosla同样在电力供应系统监测中应用了Multi-Agent方法，其所提出的多层模型及多诊断算法（软件）Agent协同求解方法值得借鉴和采用。德国柏林技术大学的人机系统研究中心开发的商业化故障诊断软件ComPASS，系统完全基于Multi-Agent架构，具有良好的开放性，用户可以方便地通过API接口进行功能和知识的扩展，实现特定设备的故障诊断。新加坡国立大学的研究者提出并构建了基于Multi-Agent的远程故障诊断系统架构，给出了系统的自学习方法，并在Java环境中进行了两个案例测试。陆宝春等人建造了面向制造过程监控的分布式多Agent诊断系统结构，研究了多Agent模糊关联模型及基于此的诊断与决策问题；清华大学针对多Agent故障诊断原型系统，着重研究了基于多Agent理论的设备诊断问题分布式任务分解与控制策略及Agent间的协调合作机制，提出诊断任务的串行与并行以及混合控制策略。

2.2 智能诊断方法

    目前，开展智能诊断是诊断领域的一个研究热点，相应的成果也非常多，图2对智能诊断方法的应用情况作了归纳。FMS故障诊断技术从总体而言，以智能诊断为主，特别是专家系统（expert system，ES）、人工神经网络（artificial neural net，ANN）以及它们与模糊理论的结合，此方面的研究和应用最为常见。国际先进技术中心的V.R.Mi-lacic等人开发了EXMAX专家系统模型，实现了对FMS机械系统的故障诊断和维修。北京航空航天大学与北京航空工艺研究所等单位合作，自行设计并建造了北京柔性制造系统实验中心，并初步研究和应用了适用的诊断专家系统。但专家系统所存在的知识获取“瓶颈”、规则“组合爆炸”、推理过程的低效率、对机器系统的依赖性强等缺陷限制了其更广泛、更完善的应用。故障诊断从根本上来说仍然是一个模式识别问题，人们成功的应用神经网络解决了许多实时状态监测、故障分类、故障预报等难题。

    从大量的应用来看，ANN只是作为一种信息软处理的工具，在局部问题处理上优势明显，但从一切系统行为的指标上，还没有全部占优的报道。与ES一样，ANN同样也存在缺陷：推理过程的不可解释性、知识补充及修改的困难性、模型的僵化及脆弱性等等。

    ES与ANN的集成应用为人们克服两者的缺陷开辟了新的途径，在具体应用中表现出更大的优越性。基于神经网络的专家系统的实现方式主要有两种：直接用神经网络构造专家系统（也称紧耦合方式）和两者以简单的功能组合形式（也称松耦合方式）。前者仍然难以克服ANN的缺点，因此，人们正把注意力放在符号推理与数值运算的更高级集成上。第二种结合方式，其本质是将整个系统中易于用符号表达的规则编码于专家系统的知识库中，而将不易于用符号或复杂逻辑表达，需要并行、模糊、实时处理的规则（知识）编码于神经网络之中，通过功能互补提高系统的整体能力。

    印度S.N.Gupta开发的工况监测维修专家系统，在知识的获取方法上，使用了神经网络以解决专家系统知识获取困难的弊端。模糊逻辑、ANN与专家系统结合的诊断模型是最具发展前景的，也是目前人工智能领域的研究热点之一，相应的诊断技术正在蓬勃开展。北京理工大学在其所开发的FMS诊断系统中将模糊数学方法与神经网络、专家系统相结合进行了综合应用，给出了具体的模糊推理算法，同时就模糊性诊断规则的归纳和总结及知识库的建立做出了较为全面的研究。

    MAS理论应用于故障诊断希望解决的另一个问题就是将诊断功能模块拟人化封装，表现出社会化的群体智能，不仅使诊断系统更智能、更可靠，而且诊断决策成功的可能性大大提高。如果说，专家系统和神经网络是以实现系统单一手段的智能化为目标的话，MAS则是以提高系统整体问题求解的智能化为目标。智能体理论引入故障诊断领域已有一段时间，有关的研究正在深入进行。在应用方面，日本的T.Nagata实现了基于Multi-Agent的供电系统监测及紧急恢复项目的实施，对多智能体的协商机制和消息通讯机制进行了实践检验。南京理工大学首先将分布式人工智能（distributed artifical intelligence，DAI）理论引入FMS智能检测与故障诊断系统研究中，并指出Agent的融合、协调和控制方法，知识表示与推理机制是实现该系统的关键；东南大学的钟秉林教授及其学生提出了基于行为的多代理（Multi-Agent）故障诊断方法，并给出了系统的实现策略，对问题求解采用“自下而上”的推理方法；南京理工大学的研究者用模糊集理论和定义决策相似度的方法建立了多监控Agent求解结果的一致性判断算法，将求解结果一致性融合问题转换为群决策环境下的梯形模糊数表示的模糊意见的综合问题。

2.3 FMS故障机理及故障模型

    分析FMS故障机理，以最有效的方法获取反映FMS设备状态（静态）、运行状态（动态）的特征量或诊断知识，并据此建立合适的故障模型是该部分的研究内容。相关的研究集中在3个方面：

    （1）以FMS的具体设备或部件为对象，如刀具切削状态监测与预警、加工主轴振动监测与诊断、主轴伺服系统监测与诊断、加工工件的质量监测等等，相应的诊断方法以传感器技术、信号处理及分析技术、多传感器信息融合技术为主，通过一定的监控诊断模型（如阀值判断或神经网络模型）实现状态判定与故障预报，也有依靠数学模型来分析诊断对象的某种动态特性的尝试，但应用的并不成功。

    （2）从全局制造过程出发，建立过程仿真模型，注重状态的变迁及原因和结果之间的联系，如Petri网、有限状态机、有向图模型的应用。

    （3）从分析诊断对象的功能、原理、结构等方面入手，并结合人类专家经验，以建立诊断知识库为目标，诊断过程以知识推理为主，机理模型、功能模型、故障树模型是常用的方法。

    Wu和Joshi就故障分类、故障知识表达及故障恢复3个方面的关键问题进行了研究，强调系统的执行故障对FMS运行的影响。Monostori对机床与制造单元提出了知识基递阶状态监控与故障诊断模型。Kuo等人从FMS运行过程的行为角度出发，使用着色赋时Petri网建模实现对FMS的状态监测及故障诊断。新加坡南洋理工大学在分析FMS子设备及设备的子部件之间的故障传播关联性的基础上，提出模糊图模型诊断方法，诊断推理沿着节点之间的最坏路径逐级搜索，该方法在缺乏先验诊断样本的情况下，能解决其它诊断模型应用的困难性，但模糊隶属函数的确定有一定的主观性。华中理工大学针对具体的FMS系统，深入研究了故障树层次诊断模型，提出扩展故障树建模方法，并给出了基于此的框架知识表达和诊断推理策略，并采用了多模型故障诊断方法。

2.4 诊断系统集成技术

    从诊断技术的发展阶段看，集成智能诊断是当前智能诊断的研究热点及将来的发展趋势。所谓集成诊断就是把涉及诊断的不同侧面的理论和方法组合起来，并以系统对问题求解的高效性、有效性、成功性为目的。集成包含多方面的内容，可以参考图1所示。从宏观角度而言，FMS诊断系统的集成技术体现在4个方面：

    （1）诊断流程各个环节的集成直至向上集成至企业资源管理的一部分，可以称之为过程集成。

    （2）不同诊断数据、诊断知识及其相应的表达方法的合理综合应用，可以称之为信息集成，由于监控系统中还包含硬件设备，如传感器、PLC、NC、CNC等，但其是服务于监控及诊断的底层数据获取，因此，可以把硬件集成归属于信息集成中。

    （3）多种故障模型、诊断推理策略或方法的组合应用，以及系统对多种智能方法的集成，包括人的集成，可以称之为功能方法集成。

    （4）从现场诊断到远程诊断服务中心的网络化、多资源共享集成，可以称之为网络化集成。从学科交叉的角度，系统集成意味着多种学科在某种目标下的交叉、衔接、渗透和综合。

    由FMS特点及其故障诊断的困难性看出，要建立有效、可靠的诊断系统，集成诊断势在必行。W.Hu所提出的集成诊断系统强调模块化及可重构性，并将故障树划分为3类：功能化故障树、原理性故障树和规则化故障树，在诊断过程中三者紧密联系，共同实现故障推理过程，并基于PLC监控信号提出了逻辑诊断和控制命令序列诊断模型。Abdoul等人将FMS的故障诊断及故障情况下加工任务的重新调度联系在一起进行研究，建立了FG（functional graph）及OAG（operation alaccessibility graph）模型，系统以FG模型为基础进行故障推理，以OAG模型为基础实现生产任务的重新调度，这一过程是紧密联系、协作完成的。国内，国防科技大学在“863”计划项目中，对FMS监控系统的总体设计和关键技术作了大量的预研工作，研究了系统安全、工件流、刀具流、加工设备等检测监控子系统的初步集成及统一协调处理问题。为了实现多种诊断方法的综合应用和集成，从软件设计方法上就要求一种更好的适用机制，多种信号检测、处理及分析方法、诊断方法、知识处理方法通过智能Agent封装，实现系统的总体集成。

3 研究的特点及存在的问题

3.1 研究的特点

    （1）监控及诊断系统多为集中式结构，诊断系统总体架构按FMS的层次结构设计，呈递阶控制方式；考虑监控及诊断的实时性需要，采用简单的阀值判定和推理迅速的简易专家系统，并利用神经网络数值运算的快速性，来处理局部信息的状态识别问题；诊断系统结构由集中式向分布式、网络化方向发展，相关的研究已经起步。

    （2）相关学科的新技术、新方法迅速应用于FMS诊断，但更多的是针对FMS的子设备或某一设备的子部件进行试验性研究，偏重于原理性探讨和应用的试探，特别是围绕知识处理问题，采用新型信息处理技术，力求建造实用性更高的专家系统；诊断方法、策略不断智能化，如模糊数学、人工智能的应用，智能诊断方法逐渐占据主导地位。

    （3）软硬件系统的模块化、可扩展、可重构式结构已逐步得到采用，系统的组建以图形化组态方式进行。用户可以运用基本的、标准的部件（模块），各模块单元根据诊断对象的不同，经特征优化及细节设计实现通用而又专业的系统；监控系统的体系与布局与复杂制造系统的结构相适应，采取不同的系统层对应不同的监控与诊断模块，即故障诊断的层次模型，形成分布式信息拾取与处理，并逐级向上集成形成全局的状态检测与故障诊断系统，即“万能”、“柔性”、“可集成”系统。

    （4）集成诊断开始受到重视，如多信息、诊断技术及方法的综合运用与集成，但显得零零散散，更多研究的出发点是就某一局部问题，将几种诊断方法相结合加以应用。

3.2 存在的问题

    从国内外研究现状可以看出，现有的研究仍有许多不足：

    （1）集成化诊断思想还不成熟，缺乏合理的集成架构，基于MAS理论建造诊断系统，已有的研究不够深入，表现在Agent功能角色划分不明确，粒度太粗，以及缺乏如何从系统的角度去实现这一集成架构等等方面；状态监控与故障诊断系统的通用型智能化设计与实施方法研究还未形成明确的研究目标。

    （2）诊断信息的传递及共享缺乏一个通用化、标准化的交互机制，传统的方法是通过应用程序接口（API）按一一对应的关系进行参数传递，该方法僵硬死板，其协议的不透明性导致系统的开放性受限制。已应用的诊断系统缺乏开放性和柔性，功能子模块之间采用“紧耦合”方式，表现为：当监测环境改变时，诊断系统难以适应；对诊断系统作局部调整时，牵扯的改动面太大，开发性是现代软件系统的发展方向；软件的重用、重构性不理想导致开发和维护困难。

    （3）实时监测、故障诊断、趋势预报有脱节形象，特别是在FMS实时运行过程中，忽视了应用设备内部的信息，对PLC、CNC内部实时数据没有开发利用，而此类信息对故障的早期发现及“事后”诊断极有价值。

    （4）就多种智能诊断方法的集成应用还需要作进一步的深入研究，有限的研究与实际应用还有一定的距离，特别体现在国内该领域的发展状况上。总体而言，由于国内FMS的发展和应用相对滞后于国外，导致FMS故障诊断技术的研究也相对粗浅和缺乏。

4 发展趋势

    （1）多传感器信息拾取与融合的综合智能决策系统。诊断系统的智能程度、决策方法更加趋近于人类专家在处理诊断问题时的综合决策方式。

    （2）自动地对未遇到过的或无法预计的加工状态及异常、故障状态进行分析、处理、监控；敏锐的捕获突发故障的能力。

    （3）先进的组态化、高度“柔性”的诊断系统结构。这是诊断系统灵活性、易用性的要求，状态监控与故障诊断系统的通用型智能化设计与实施系统研究。

    （4）监控设备的“积木式”组合方式，同时提供软件的通用化标准接口（如：OPC）及监测设备的自诊断、自适应功能模块。用户可以运用基本的、标准的各模块单元简单而快速的搭建适用的诊断系统，并最终实现软硬件系统的高度集成应用。

    （5）面向领域问题的特点，进一步分析、探讨FMS诊断系统的体系结构、原理、组成、监控策略、功能要求等问题，并引入相关学科的新观点、新方法、新思维、新技术不断提高诊断系统的可靠性、灵活性、易用性、实用性、实时性及精确性。

    （6）远程网络化诊断服务中心的建设，这是实现“产校联合”，推进应用与研究共同发展的有效途径；服务中心的仿真教学为企业培养急需的高素质维修人员，同时，通过广阔的信息来源丰富诊断数据库和教学素材。