FMS狀態監控與故障診斷述評

1　 柔性加工設備狀態監控與故障診斷的必要性與難點
       狀態監控與故障診斷是FMS、CIM、智能制造等先進制造技術中各個環節、各個層次都必須著力解決的關鍵與瓶頸技術之一。 狀態監控與故障診斷技術是生產過程及控制、工藝規劃、產品的質量保證與控制、設備的性能、維修與壽命管理等諸多方面的共性技術，對提高武器裝備及先進設備制造系統的可靠性、延長使用壽命、縮短研制周期、降低成本，以及加強制造業、國防科技工業基礎都具有重要意義。
 　　制造系統的高度自動化、柔性化、智能化，其設備、功能的日趨復雜化，對狀態監控與故障診斷技術提出了更高的要求。對加工設備與加工過程來說，主要表現如下：①系統設備多樣、復雜，加工以柔性多任務為目標，加工類型、過程、工況多樣，難以全面搜集各種正常與異常狀態的先驗樣本和模式樣本；②過程狀態及故障的斷續性、突發性、模糊性、關聯性及時變性；③加工設備各部件間的動態聯動性、離散性；④工件尺寸甚至誤操作等隨機干擾因素影響大；⑤加工過程中信息量大而繁雜，適合于監控、診斷與預警的信息資源需要挖掘；⑥監控系統的安裝限制及監控系統與制造單元的協調性要求；⑦監控與診斷的水平和程度受制于加工設備本身的自動化與智能水平等。這些都是研究中必須注意和解決的，因此如何在多變復雜的工況與過程中快速有效地識別狀態，如何進行動態、關聯、離散設備的狀態監控與故障診斷，如何合理排除變工況及時變性對監控與決策的影響，如何在無法完全獲取狀態及故障的先驗樣本及故障類別時進行識別分類與決策，如何簡捷地實現實際加工現場環境下的監控與診斷等，都是開展加工設備與加工過程狀態監控與故障診斷技術研究必須突破的技術關鍵。
2　  國內外文獻述評
        FMS狀態監控與故障診斷技術的研究正在2個方面深入展開：一是研究智能狀態監控與故障診斷系統的概念設計、體系結構、功能組成、管理與決策模式、信息集成與傳遞等基礎性、概念性、系統性問題；二是具體深入的各種監控與診斷方法研究，以及功能各異的實際監控與診斷系統的建立。
        FMS狀態監控與故障診斷技術研究的主要內容
        縱觀大量文獻，可將FMS狀態監控與故障診斷的主要研究內容依對象的劃分歸納成圖1所示的層狀結構。其中各模塊既包含著系統的構成、設計與實施，又包含著各功能模塊實現與具體方法研究。
        FMS狀態監控與故障診斷理論與技術的常用方法
        (1)各種單一功能的監控與診斷方法　如聲發射、力或扭矩監視、電流與功率監視、振動與譜特征分析、時序或時域特征分析等功能參數與閾值的比較及巡檢。這對柔性大系統來說只能局部適用。
        (2)模式識別與神經網絡等訓練型模型的應用及它們與其它方法的結合　它被認為是在分類與識別方面有特殊優點的模型之一。它受訓練樣本數據的正交性和完備性限制，以及訓練樣本與檢測樣本格式等的一致性限制，在監控與診斷應用中主要針對小范圍或少數幾個固定過程的異常與故障。
        (3)模糊數學與決策方法應用　包括模糊模式識別、模糊邏輯推理、模糊綜合決策，以及模糊理論與人工神經網絡、專家系統等方法的結合等，其關鍵是模糊關系的確定。該方法既適合于具體對象，又適合于復雜大系統。
         (4)人工智能與專家系統方法及與圖論、模糊理論和人工神經網絡的結合它是近年來的研究熱點，但對狀態監控與故障診斷來說，主要是定性推理應用較多。近年來符號與數值結合的融合型模型正被看好，如專家系統與神經網絡結合的融合型專家系統。具有自學習、自組織、自適應的智能模型在監控與診斷中的應用是探討熱點，如智能化信息融合理論等。
        (5)基于模型的監控與診斷方法及與神經網絡、模糊理論的結合　基于模型的狀態監控與故障診斷是一種適應性、魯棒性好的有效方法［1，2］�；�于模型的狀態監控與故障診斷在過程控制的故障監控與診斷中應用較廣，它分過程動力學模型和過程濾波模型2類。目前的應用主要以后者為主，而動力學模型的應用較少，其主要原因是因為加工設備的動力學模型未能較好建立，構成模型參數的具體物理參數關系不明晰，不能進一步深入診斷。近幾年來，人工神經網絡、模糊論等智能理論的滲透使該領域更加活躍。
        (6)新的信息處理方法應用和新的決策方法應用　新的信息處理方法(如小波分析、時間—頻率分析、高階譜、高階時頻、分形及其它非線性信息處理等)針對機械設備和加工過程等具體的對象，取得了較好的狀態描述與分類的特征提取效果。新的決策方法與框架(如多傳感器融合技術)在加工設備與加工過程狀態監控與故障診斷方面的應用取得了可喜的成績。
        FMS系統及加工設備狀態監控與故障診斷方面的典型成果
        華中理工大學在國內開展狀態監控與故障診斷研究較早，在楊叔子院士的領導下就機械系統所涉及的多個領域與對象開展了廣泛的研究，尤其是在基于時序模型的機床切削狀態監控與故障診斷、故障診斷系統體系結構、智能制造與控制中的監控與診斷模型及新方法研究等方面頗有建樹。
        哈爾濱工業大學的肖祥勝、馬玉林等人“八五”期間在FMS狀態監控與故障診斷領域取得了一些成果：①建立適合FMS的檢測監控體系結構和軟件系統原型；②開發智能數據采集裝置原型樣機及其軟件原型；③突破AE技術在加工中心上應用時提取AE信號的難題等。
        針對國防科技重點實驗室——長春55所的FMS柔性加工設備，北京理工大學提出了全線智能化狀態監控與故障診斷的總體框架及具體實施策略；南京理工大學則提出了FMS故障診斷專家系統框架與實施策略，以及神經網絡基狀態實時監測系統方案。
         國防科技大學自1986年開始承擔多項國家863高技術計劃項目、國防預研及國防預研基金等課題以來，在狀態監控與故障診斷及故障預警系統的體系結構與組成、變工況背景下狀態辨識與決策、故障診斷專家系統等多方面開展了深入而系統的研究，取得了可喜的成績。
         國外，德國Weck［3］1986年提出的“萬能柔性監控系統”設想和方案具有典型意義，它以各種常規的、特殊的特征參數來判別加工過程、NC程序執行等系統運行過程的好壞，以模式識別技術為核心實現碰撞、鉆削刀具磨破損等的檢測、預報。Tonshoff［4］提出了未來的趨勢即多傳感器綜合、多模型系統、學習和決策系統、規則基系統。Monostori［5］1993年對機床與制造單元提出了知識基遞階狀態監控與故障診斷模型。Du等人［6］1995年對制造過程及設備監控的方法進行了深刻剖析，并提出全局數據基與知識基的多處理機結構監控系統方案。
         在綜述與總結性文獻方面，英國的Matrin［7］對目前歐洲、日本、美國的加工設備與加工過程狀態監控與故障診斷進行了綜述；Lee Jay［8］對制造設備和系統中的現代計算機輔助維修做了總結與述評。
        加工過程及刀具切削狀態監控與診斷方面的典型成果
        國內，清華大學萬軍［9］對切削狀態監測進行了述評，給出了刀具狀態檢測的直接法和間接法的狀態信號與特征參數一覽表，并進行了具體分析。西安交通大學在這方面做了許多有益的探討,提出了車削分力比監測、頻段相干函數法等多種監測模型。華中理工大學則在切削狀態的AR模型監測、切削顫振監測與控制等方面做了大量的開拓性工作。東南大學黃仁、鐘秉林等人在刀具壽命管理、磨削燒傷辨識、車削狀態監測等方面運用模式識別等理論做了深入研究。哈爾濱工業大學姚英學、袁哲俊等人就鉆削加工過程與切削狀態監測提出了多參數、多模型監測系統及聲發射監測系統等。上海交通大學在聲發射刀具切削狀態監測等方面也開展了深入研究。
        國外，1983年Tlysty［10］對用于無人加工系統加工過程狀態監測的傳感器系統進行了權威性的總結歸納，主要涉及形位傳感器、切削力傳感器、主軸與進給軸力傳感器、主軸電機傳感器及聲發射傳感器等，給出了它們的動態范圍、應用場合。日本的Bertok等人1983年和1986年就加工過程監控提出了扭矩監測與幾何尺寸間關系模型辨識來實現加工過程監控，并以切削扭矩信號建立AR模型獲取殘差，實現刀具破損監測。Emel等人1988年用AE信號進行模式識別來實現車刀磨破損監測，Elbestawi等人1989年以切削力、扭矩、主軸振動信號等多參數輸入模式識別模型來實現銑削過程監測。Barker等人1993年以高階譜特征來監測刀具磨損。Ramamurthi等人1993、1994年以加工影響圖模型、數字實時知識基系統及譜分析結合來實現鉆頭狀態的監測與預測。Tarng等人1994年對鉆削過程的顫振以力和扭矩來建立其過程模型，并建立銑刀破損的神經網絡分類模型。Kaye等人以監測主軸轉速變化實現車刀刀具磨損監測。Zhang Deyuan［11］1995年以遙測力信號方式和同步采樣濾波方式實現銑刀破損監測。Sunil Elanayar等人1995年以徑向基函數神經網絡分類模型實現刀具磨損監測。Tansel等人1995年用小波信號處理結合ART2神經網絡模型實現銑刀切削狀態監測。Das等人1997年提出一種簡單分析遞階過程模型(AHP)來實現刀具磨損監測。X.Q.Li等人1997年以2個交叉加速度間的相干函數為基礎實現車削過程刀具磨損與顫振監測。Santochi等人1997年研制了一種集刀具與傳感器于一體的無線數據傳輸傳感系統。J.C.Chen等人1997年以三向切削力信號運用模糊邏輯、模糊搜索分類器、ANN相結合構造了一個銑刀破損監測系統等。
         狀態監控與故障診斷的多傳感器融合技術
         在智能加工與監測控制方面，傳統的感知單一屬性的傳感技術和經典分類決策方法已不能滿足要求。近年來，越來越多的研究者傾向于使用多個傳感器來做監控與決策。Chryssolouris等人分析了多傳感器融合的優點，采用神經網絡、數據成組處理、多元最小二乘回歸3種方法來進行多傳感器融合。Dornfeld 等人1991年開發了一神經網絡傳感器信息綜合用于刀具狀態監測的系統，并比較了信息組合不同時監測結果的正確性問題。 Okafor等人 和Di Yan 等人對銑削磨損破損、加工表面粗糙度和鏜孔誤差，以及預報加工質量等問題開展了研究。 Noori Khajavi和Komanduri、Govekar和Grabec對鉆頭磨損監測開展了研究,他們均使用自組織神經網絡進行分類，這些都是采用多傳感器融合技術來進行的。Lezanski等人1993年就磨削加工的智能監控采用力、振動、聲發射、位移等傳感器進行研究，取得良好效果。Monostori［5］1993年明確提出神經網絡在制造系統中應用的最好場合是采用多傳感器信號處理相關的領域。Dimla等人1998年以多層感知ANN和多變量過程參數辨識刀具狀態。Silva等人1998年以多傳感器融合、神經網絡、專家系統相結合方式拾取切削力、主軸電流、AE、機械振動實現車刀的磨損監測。Kim等人1996年對刀具狀態監測的多傳感器融合技術作了總結。Dimla［12］1997年對應用于刀具狀態監測中的神經網絡方法進行了總結，對已有的系統和文獻的研究結果分傳感器輸入信號(單傳感器輸入、多傳感器輸入)、ANN結構與訓練方法、信號處理方法、監測成功率等方面進行了歸納與比較。
           國內許多學者在多傳感器融合監測方面也開展了相應的研究，其中國防科技大學李圣怡、吳學忠等人［13］在國家自然科學基金資助下進行的工作比較典型。
           先進制造系統故障診斷專家系統與人工智能理論與技術
           專家系統與人工智能在制造系統中的應用非常廣泛，這里僅就制造系統加工設備與加工過程故障診斷專家系統、知識基系統進行綜述。華中理工大學周祖德教授領導的課題組［14］在FMS故障診斷專家系統方面成績斐然，針對具體的FMS系統提出了基于PLC信息等的故障診斷專家系統，深入研究了故障樹層次診斷模型、不確定性處理方法和面向對象的實現方法，探討了擴展故障樹及其框架知識表述和基于此的診斷推理策略，給出了多模型故障診斷方法。
         “八五”國防預研FMS應用工程技術項目之一——FMS故障診斷知識庫開發項目到“八五”結束，已初步建立適合長春FMS中心的有651條規則的AGV、加工中心、換刀機器人的故障診斷知識庫。田文�。�15］1995年在對CNC系統的故障分析基礎上，把數控系統分成幾個子系統，以故障樹表征故障結構，以故障模糊分析實現故障推理。1997年屈梁生［16］和師漢民［17］分別就人工神經網絡在機械工程智能化方面的應用作了回顧，對機器故障智能診斷、機器運行過程智能檢測與預報、多傳感器信息集成與融合、機械系統的辨識和智能控制等的應用指出了成功的、不足的，以及有待深入研究的地方。國外，Majstorvic［18］1990年對診斷與維修專家系統進行了總結、評論，剖析并列舉了典型的維修專家系統和它們的應用范圍。Alex Bykat［19］1991年對監控與診斷中等智能問題進行了總結，指出了各類系統應注意的問題和相互之間的聯系。Monostori［5］就智能制造中的人工神經網絡進行了回顧總結，論述了模型的發展、ANN分類模型學習、在CIMS中的應用場合及對象、多傳感器融合的ANN決策分類及CIMS智能化的進一步發展趨勢、符號推理與數字并行處理結合之趨勢。Valavanis［20］1994年對工程應用中的知識基系統進行了總結與述評，重點介紹了機器人與控制中的有關系統。Tor Guimaraes［21］1995年在分析了制造系統專家系統需求、實例后，提出了設計建立制造系統專家系統的成功因素。Huang等人［22］1995年對智能制造中的神經-專家混合方法作了總結與回顧，指出了存在的2個問題：通訊問題和置信度分配問題。1997年Dini［23］將1980～1996年間制造工程中用到的人工智能方法分安裝過程與計劃、切削過程與狀態監控、專家系統、綜述、模糊邏輯、基因算法、混合系統、知識基系統、ANN、Petri網等多個專題分門別類進行了歸納，形成一份包含642篇文獻的數據庫。
         研究的特點與存在的問題
         研究的特點
         (1) 大量的研究是針對加工系統某一部件、某一過程展開的，尤其是刀具切削狀態監測與故障診斷。近年來人工神經網絡、遺傳基因算法、模糊決策、多傳感器融合、專家系統等在各類加工設備的刀具狀態監測、加工過程監控與預測方面的應用尤為多見。(2) 提出體系結構設想，并進行某些功能模塊的驗證，或就某一新方法、新技術針對某一設備或部件進行實驗性研究，屬原理性探討、實驗性研究。其中以神經網絡、模糊論等智能方法為最多。(3) 以德國Weck為代表的國內外學者，80年代后相繼提出高級制造系統狀態監控系統的任務、功能和性能要求及發展趨勢，提出建立“萬能柔性監控系統”的新設想，并著手針對不同對象分期開發各功能模塊。目前這些研究仍在不斷完善，同時不斷推出新系統。(4)近期研究多為多參數、多對象、多子系統結構，采用方法以智能理論與技術、多傳感器信息融合理論與技術為主，重在解決監測的實時性、診斷的準確性，提高可靠性、適應性及魯棒性，解決復雜工況、時變性等狀態監控與故障診斷問題。
          存在的問題
          (1) 90年代以前的研究，大部分系統只測量和處理少量信號或在信號中只有一小部分信息被處理和利用；可用性和效率受到相對原始的執行決策算法的限制。功能單一，可信度低，尤其對多設備、多過程監控來說顯得落后。(2) 忽視了應用設備內部的信息，忽略了CNC/PLC的硬/軟件接口，或水平較低。(3) 實時性和實用性受過于復雜的系統結構、學習、檢測與決策模型的限制，應用于現場工況的可靠、高效、簡捷系統不多見。(4) 針對加工設備的某一或某些部件及過程開發專用的監控與故障診斷系統，適用范圍相對較窄，缺乏柔性和可移植性。(5) 柔性加工設備與加工過程的狀態預測與故障預警屬起步性、開拓性研究，范圍局限，模型可靠性不理想。(6) 監控與診斷系統后天增補的多，已推出的一體化產品的監控與診斷功能、性能較落后，適應性較差，實際監控效果不盡如人意。
           FMS狀態監控與故障診斷展望
           (1)采用多個傳感器獲取反映相互關聯的設備、過程的狀態信號，通過信號處理(頻譜分析、系統建模、小波變換等)，提取各種要求的特征參數，進行多參數、多對象的智能決策。(2) 自動地對未遇到過的或無法預計的加工狀態及異常、故障狀態進行分析、處理、監控；敏銳的捕獲突發故障的能力。(3) 監控參數、模型與策略的可調性和自適應的學習訓練能力及擴大更新其知識庫的能力；有合適的過程建模、參考數據生成系統，幫助在線或離線的仿真、建模，生成監控系統所要求的模型、參數、閾值；能幫助用戶開發最合適的監控策略和監控系統本身的程序，如模型選擇、參數選擇、閾值調整、決策綜合等。(4) 系統的高度自動化與智能化，這是系統的復雜程度所必需的，是目前的發展主流；利用人的經驗、智慧、思維模式與計算機的存儲、運算能力相結合的優勢，幫助建立、開發數學模型、機理模型、監控診斷模型、學習訓練模型及監控策略等。(5) 硬件的模塊式、可擴展、可重構式結構。用戶可以運用基本的、標準的各模塊單元根據對象的不同，經特征優化實現通用而又專業的系統；監控系統的體系與布局與復雜柔性的制造系統結構相適應，采取不同的系統層對應不同的監控與診斷模塊，形成分布式信息拾取與處理，并逐級向上集成最終形成全局的狀態監控與故障診斷系統，即“萬能”、“柔性”、“可集成”系統。(6) 集成制造環境下監控與診斷系統的體系結構、原理、組成、監控策略、功能要求等問題的進一步探討；新觀點、新方法、新思維、新技術的研究與應用，尤其是非線性科學、大系統科學、先進信息傳感與處理技術、人工智能理論的研究與應用。(7) 加工設備與加工過程狀態變化、故障機理等的進一步探討研究，監控與診斷的各種模型、理論與技術的進一步細化、深入與完善。這是精確性、可靠性與實用性的保證。(8) 行之有效的狀態與故障誘發及激勵技術，狀態與故障的計算機模擬與仿真理論及技術研究。這是克服無法較好獲取系統各狀態樣本、故障樣本尤其是破壞性故障樣本，節省經費所必須引起高度重視的。也是依賴于樣本的訓練型模型能否提高其性能，走向應用和成功的關鍵。(9)狀態監控與故障診斷系統的通用型智能化設計與實施系統研究。概括地講，未來的監控系統應是一通用型模塊化、集成化、智能化的具備自學習訓練與自適應調整功能的多傳感器、多參數、多模型智能綜合決策系統，是建立實現這些功能的通用型計算機智能化設計與實施系統。
參考文獻
1　Isermann R.Automatica,1984,20(4):387～404
2　Isermann R,Balle P.Control Engineering Practice,1997,5(5):709～719
3　Weck M.Computers in Industry,1986，7:45～51
4　Tonshoff H K.Annals of CIRP,1988,37(2):611～623
5　Monostori L.Annals of CIRP,1993,42(1):485～4886　Du R,Elbestawi M A,Wu S M.ASME J.of Engineering for Industry,1995,117:121～141
7　Martin K F.Int.J.Mach.Tools Manufact.,1994,134(4):527～551
8　Lee J.Computers Ind.Engng,1995,28(4):791～811
9　萬軍.先進制造中加工過程智能建模與監控技術研究：〔博士學位論文〕.北京：清華大學，1996.
10　Tlysty J.Annals of CIRP,1983,32(2):563～572
11　Zhang Deyuan.Int.J.Mach.Tools Manufact.,1995,35(1):19～27
12　Dimla D E.Int.J.Mach.Tools Manufact.,1997,37(9):1219～1241
13　吳學忠.基于多傳感器的刀具狀態監測理論與實驗研究：〔博士學位論文〕.長沙：國防科學技術大學，1998.
14　胡文彬.柔性制造環境下基于質量控制的故障診斷系統的研究：〔博士學位論文〕.武漢：華中理工大學，1995.
15　田文健.機械工程學報，1995，31(4)：55～61
16　屈梁生.中國機械工程，1997，8(2)：1～4
17　師漢民.中國機械工程，1997，8(2)：5～10
18　Majstorvic V D.Computers in Industry,1990,15:3～48
19　Alex Bykat.Applied Artificial Intelligent,1991(5):339～352
20　Valavanis K P.Journal of Intelligent and Robotic Systems,1994,10:113～145
21　Guimaraes T.Computers Ind.Engng,1995,28(3):545～559
22　Huang S H,Zhang H C.Computers in Industry,1995,26:107～126
23　Dini G.Annals of CIRP,1997,46(2):681～690)