裝備智能診斷系統(tǒng)的研究與發(fā)展
近年來，由于計(jì)算機(jī)技術(shù)、現(xiàn)代測試技術(shù)和信號處理技術(shù)的迅速發(fā)展，設(shè)備故障診斷技術(shù)取得了很大的發(fā)展。人們已經(jīng)研究和使用了一些較為熟悉的診斷技術(shù)和方法，如鐵譜分析、光譜分析、聲發(fā)射、紅外測溫等各種無損檢測技術(shù)，以及信號處理、模式識別、模糊診斷等方法，從而對處在多種環(huán)境條件下工作的裝備進(jìn)行故障監(jiān)測、識別、診斷和排除。然而，工程實(shí)際中存在著大量的故障現(xiàn)象，并且有時要對龐大的機(jī)械設(shè)備或工程系統(tǒng)進(jìn)行監(jiān)測和診斷，上述手段和理論方法往往存在著較大的局限性，主要表現(xiàn)在：不能有效的利用專家的知識和經(jīng)驗(yàn)，診斷系統(tǒng)缺乏推理能力，不具備學(xué)習(xí)機(jī)制，對測試診斷結(jié)果缺乏解釋，測試診斷程序的修改和維護(hù)性差等。隨著人工智能技術(shù)的迅速發(fā)展，特別是知識工程、專家系統(tǒng)和人工神經(jīng)網(wǎng)絡(luò)技術(shù)在診斷領(lǐng)域中的進(jìn)一步應(yīng)用，迫使人們對智能診斷問題進(jìn)行更加深入與系統(tǒng)的研究。
診斷技術(shù)發(fā)展到今天，已經(jīng)經(jīng)歷了3個階段：第一階段，診斷結(jié)果在很大程度上取決于領(lǐng)域?qū)＜业母泄俸蛯I(yè)經(jīng)驗(yàn)，對診斷信息只做簡單的數(shù)據(jù)處理。第二階段，是以傳感器技術(shù)和動態(tài)測試技術(shù)為手段，以信號處理和建模處理為基礎(chǔ)的現(xiàn)代診斷技術(shù)。近年來，為了滿足復(fù)雜系統(tǒng)的診斷要求，隨著計(jì)算機(jī)及人工智能的發(fā)展，診斷技術(shù)進(jìn)入了以知識處理為核心，信號處理、建模與知識相融合的第三階段，即智能診斷技術(shù)階段，它已經(jīng)成為故障診斷領(lǐng)域的一個研究特點(diǎn)。
裝備智能診斷系統(tǒng)研究的核心內(nèi)容是診斷專家系統(tǒng)。專家系統(tǒng)是人工智能技術(shù)與具體應(yīng)用科學(xué)相結(jié)合的產(chǎn)物。作為人工智能領(lǐng)域最活躍的分支之一的專家系統(tǒng)，近20年的發(fā)展非常引人注目。專家系統(tǒng)的產(chǎn)生，是人工智能從理論研究轉(zhuǎn)向應(yīng)用研究的一個轉(zhuǎn)折點(diǎn)。
