柔性制造系统(FMS)故障诊断技术研究综述

柔性制造系统(FMS)故障诊断技术研究综述来源：开关柜无线测温 摘要：分析FMS的特点及其故障诊断的困难性。

在综合大量文献的基础上，对国内外在该领域的主要研究内容、发展现状以及研究成果进行归纳和总结，指出当前研究工作的特点和已有研究存在的主要问题。

对今后的发展进行了展望，指出集成诊断、多传感器信息融合、多方法综合应用的集成智能决策系统，以及网络化远程诊断服务是FMS诊断系统研究和发展的方向。

关键词：柔性制造系统；故障诊断；智能诊断系统市场环境决定着企业的生产方式，制造企业需要以最快的上市速度，最好的质量、最低的成本、最优的服务及最清洁的环境来满足不同客户对产品的需求和社会可持续发展的要求。

在这一目标的驱动下，多种先进制造技术（advanced manufacturing technology，AMT）被提出，并受到重点研究和发展。

柔性制造系统（flexible manufacturing system，FMS）是ATM发展的产物，受到了普遍的研究，并在制造企业得到大量应用。

FMS 通常包括若干数控设备、中央刀库、物料运输装置和计算机控制系统等子设备或子系统，由控制网络将多个设备有机联合，使各设备统一调度、相互协调共同完成生产加工任务，并可以根据制造任务或生产环境的变化进行灵活调整。

这种灵活性即指系统的柔性，柔性是FMS的最大特点，其具有应变性好、生产率高，适应中、小批量生产等特点。

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。

图1FMS诊断技术的研究方向及分类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。

图2智能诊断方法的应用情况从大量的应用来看，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。