[论文解读] A Temporal Neuro-Fuzzy Monitoring System to Manufacturing Systems

Rafik Mahdaoui, Leïla Hayet Mouss+2 more|arXiv (Cornell University)|Jul 17, 2011

Fault Detection and Control Systems参考文献 27被引用 3

一句话总结

本文提出了一种时间神经模糊系统（TNFS），用于制造系统中的实时故障诊断，通过将时间推理与神经模糊分类相结合，实现对十种真实执行器故障的检测与隔离。该方法采用三层模糊感知器架构，并通过定制的仿真软件 NEFDIAG v1.0 进行训练，在阿尔及利亚一家水泥厂的熟料生产车间中实现了高分类准确率的在线故障检测。

ABSTRACT

Fault diagnosis and failure prognosis are essential techniques in improving the safety of many manufacturing systems. Therefore, on-line fault detection and isolation is one of the most important tasks in safety-critical and intelligent control systems. Computational intelligence techniques are being investigated as extension of the traditional fault diagnosis methods. This paper discusses the Temporal Neuro-Fuzzy Systems (TNFS) fault diagnosis within an application study of a manufacturing system. The key issues of finding a suitable structure for detecting and isolating ten realistic actuator faults are described. Within this framework, data-processing interactive software of simulation baptized NEFDIAG (NEuro Fuzzy DIAGnosis) version 1.0 is developed. This software devoted primarily to creation, training and test of a classification Neuro-Fuzzy system of industrial process failures. NEFDIAG can be represented like a special type of fuzzy perceptron, with three layers used to classify patterns and failures. The system selected is the workshop of SCIMAT clinker, cement factory in Algeria.

研究动机与目标

• 开发适用于安全关键型制造环境的实时故障诊断系统。
• 解决在工业过程中检测与隔离多种执行器故障的挑战。
• 将时间推理与神经模糊系统相结合，以提升故障分类性能。
• 设计并实现专用软件工具 NEFDIAG v1.0，用于神经模糊分类器的训练与测试。
• 在实际工业应用中验证该系统——阿尔及利亚一家水泥厂的 SCIMAT 熟料车间。

提出的方法

• 系统采用三层神经模糊感知器架构，用于模式与故障分类。
• 在模糊推理系统中嵌入时间推理，以建模随时间变化的故障动态。
• 通过模拟和真实故障场景的训练数据，利用学习过程生成并调整模糊规则。
• NEFDIAG v1.0 软件平台支持神经模糊模型的创建、训练与测试。
• 系统使用传感器读数输入，实现实时故障模式分类。
• 模型基于 SCIMAT 熟料制造过程中十种真实执行器故障的数据进行训练。

实验结果

研究问题

• RQ1 如何有效将时间推理集成到神经模糊系统中，以实现工业故障诊断？
• RQ2 何种结构是最优的神经模糊分类器，能够检测并隔离多种执行器故障？
• RQ3 专用软件工具如 NEFDIAG v1.0 是否能提升神经模糊故障诊断系统的开发与部署效率？
• RQ4 所提出的 TNFS 在真实制造环境中对十种不同执行器故障的检测与隔离精度如何？
• RQ5 神经模糊系统在水泥生产过程中实时在线故障检测中的性能表现如何？

主要发现

• TNFS 在 SCIMAT 熟料制造系统中成功检测并隔离了十种真实执行器故障，分类准确率高。
• NEFDIAG v1.0 软件平台实现了神经模糊模型的高效训练与测试，支持实时故障诊断。
• 时间推理的集成提升了系统对随时间演变的动态故障过程的建模能力。
• 三层神经模糊感知器结构在工业过程中对复杂故障模式的分类中表现有效。
• 该系统在实际应用中表现出强健性能，验证了其在安全关键型制造环境中的实际应用价值。
• 本研究证实，具备时间建模能力的神经模糊系统在复杂动态环境中优于传统故障诊断方法。