1引言

目前使用的包裝機械設備，主要有裹包機、 充填機、多功能包裝機等等、裹包機又分為半裹 式裹包機、全裹式裹包機、收縮包裝機等等•就 如盒裝餅幹商標紙裹包機為例、它由被包裝物 品（餅幹盒）供送係統、包裝材料（卷筒商標紙） 供送係統、主傳送係統、裹包執行機構折紙板、 熱封器、支承板等裝置組成•餅幹盒要被包裝且 貼上商標的操作的工藝時間如許用速度、加速 度般認為這種間歇送紙的許用速度可取0. 5m/s .而執行構件的平均運動速度可達0. 45〜 0. 5m/s .如果速度過高•機器工作就不夠穩定. 容易出故障.包裝質量也要下降•甚至會造成事 故。如何對這樣L個複雜機械設備在事故出現 前進行預報•或在故障出現後即時進行診斷"」• 而迅速的排除故障.恢複生產•就要配備一套相 應的診斷係統.過去一般采用的診斷方法有基 於直接測量係統輸出輸入及信號處理的方法. 基於狀態估計的故障檢測與診斷（FDD-Fault Detection and Diagnostics）和基於過程參數估 計.FDD方法等等.近幾年來.正在興起的人工 智能的專家係統方法•但人工智能的專家係統 存在著智能獲取的“瓶頸”、推理能力弱等一係 列不足,人們開始將注意力集中到神經網絡專 家係統故障診斷方法.這種方法用於係統故障 診斷具有潛在巨大優越性。

2係統FDD的基本內容應用

故障檢測對直接或間接影響係統輸出的過 程參數、過程狀態或特征量發生變化並超過預 定的範圍時.診斷係統應盡可能及早地檢測出 來，至少.當所關心的係統輸出，不符合要求時. 診斷係統應能及時檢測出來。其次是故障分離， 根據檢測到的故障信息.尋找故障源.並確定故 障類型及大小.對於各種具體係統.故障源可以 是元件、組件或者是子係統.然後故障評價.根 據故障源的部位.故障信息及係統結構.將故障 對於係統性能指標功能的影響等.做岀判斷或 估計•給出故障等級.這是人工智能專家係統故 障檢測的基本過程.而神經冋絡專家係統故障 診斷處理過程為：

（1）       根據長期的現場經驗.總結出待診斷 係統可能岀現的各種故障；

（2）       按一定特征對故障類型進行數據編 碼或故障數據樣本；

（3）       以故障數據樣本可對ART（自適應 共振理論）模型進行訓練。

3各種傳統診斷方法的共同局限性

目前•用於係統故障方法分為二類：一類是

完全基於檢測數據處理的診斷方法.我們標為 傳統診斷方法•另一類則是主要基於對係統故 障診斷的專家經驗及知識處理的專家係統方 法•而傳統的診斷方法主要有直接測量係統輸 出輸入的FDD方法.基於因果關係的信號處理 方法的譜分析法等•基於信息匹配的方法•基於 狀態估計的FDD的遞階觀測器法，基於過程參 數估計的FDD方法.這些傳統診斷方法.盡管 可以通過對檢測信號的處理.可能較早地發現 故障.甚至能予報故障.但當診斷對象變得龐大 而複雜時.一方麵需增加檢測手段•另一方麵計 算量大大増加•從而診斷的時間較長•尤其是為 了較細致地分離多重故障.檢測手段大大複雜• 診斷時間也大大延長了，且這些傳統的診斷方 法隻局限於某一具體係統的診斷.很難應用於 不同的診斷對象.領域專家在診斷故障時.往往 可以直接憑係統發生故障時，用視覺、觸覺等得 到的一些難以由數據描述的事實以及專家對係 統發生故障曆史係統的結構等做出判斷，從而 可能很快地找到故障源.這種專家經驗的應用 對於複雜大係統的故障診斷尤其見效•領域專 家還能在診斷中根據各種感覺得到的事實及專 家經驗進行快速推理.又能應用於各種不同的 診斷對象。專家係統在故障診斷中除具有領域 專家係統在故障診斷中具有的優越性外.它還 克服了領域專家所存在的知識獲取的“瓶頸”. 通常專家係統的知識獲取由知識工程師將領域 專家的知識移植到計算機中•它是間接的•且效 率低。知識“窄台階”、推理能力弱、智能水平低、 係統層次少、實用性差等缺點.神經網絡故障診 斷專家係統方法不同於傳統診斷方法和領域專 家係統.它具有嶄新特點和極其顯著的優越性.

4係統故障診斷的專家係統方法

4. 1什麽是神經網絡專家係統

專家係統是處理現實世界中提出的需要由 專家來分析和判斷的複雜問題.而領域專家係 統是一種具有專家級水平求解問題的計算機程 序•神經冋絡專家係統方法慎擬了人類的形象 思維.這是一種非邏輯、非語言、非靜態、非局 域、非線性信息處理方法.它是以非線性大規模 連續時間模擬並行分布處理為主流的神經網絡 理論為基礎.它與傳統AI（ Artificial Intelligece 人工智能）的關係•不是簡單取代而是互為補充 辯證統一的關係.它的發展和應用對AI計算 機科學與信息科學有可能帶來曆史性的突破。

4. 2神經係統診斷故障的原理*

對於盒裝餅幹商標紙裹包機這樣的一個複 雜機械係統.根據其結構和功能的不同可粗略 分解為若幹個簡單的子神經網絡係統。如圖1 所示。每個子係統從結構和功能上都具有一定 的獨立性和完整性.盒裝餅幹商標紙裹包機這

（I）釆用知識表示.自動獲取與自適應並行推理的神經網絡故障診斷專家係統方法.為圖6 ASM的結構 解決現有專家係統和知識工程中存在的知識獲 取“瓶頸”、“窄台階”、“組合爆炸”、“推理複雜 性”等問題以及提高故障診斷係統的智能水平, 開辟了嶄新的途徑。

2. 神經網絡專家故障診斷係統具有高 度的容錯性、實時性.同時診斷係統可以自組 織、自K8凯发大酒店天生赢家以及聯想記憶.可在故障診斷過程中 不斷K8凯发大酒店天生赢家、發展和創新，它能模擬人的形象思 維。它的診斷方法是非邏輯、非語言、非靜態、非 局域、非線性知識的信息處理方法.它與傳統專 家診斷係統的關係，不是簡單取而代之，而是互 為補充的辯證統一的關係。
3. 對於包裝機械的各種故障，可采用無 損檢測技術，如利用渦流效應、紅外線、X射線 檢測等.神經網絡技術能很好融合這些傳感信 息，並進行綜合處理。
4. 神經網絡專家故障診斷係統可以用 超大規模集成電路技術加以實現.可以預計它 將會很快轉化廉價故障診斷係統。這種由用戶 控製的神經網絡專家思想的各種診斷方法.必 將成為包裝機械故障診斷技術的主導方法，不 但能在裹包機得到廣泛應用.而且能在包裝工 業各個領域得到廣泛應用。