FMS狀態(tài)監(jiān)控與故障診斷述評

1　 柔性加工設(shè)備狀態(tài)監(jiān)控與故障診斷的必要性與難點(diǎn)
       狀態(tài)監(jiān)控與故障診斷是FMS、CIM、智能制造等先進(jìn)制造技術(shù)中各個環(huán)節(jié)、各個層次都必須著力解決的關(guān)鍵與瓶頸技術(shù)之一。 狀態(tài)監(jiān)控與故障診斷技術(shù)是生產(chǎn)過程及控制、工藝規(guī)劃、產(chǎn)品的質(zhì)量保證與控制、設(shè)備的性能、維修與壽命管理等諸多方面的共性技術(shù)，對提高武器裝備及先進(jìn)設(shè)備制造系統(tǒng)的可靠性、延長使用壽命、縮短研制周期、降低成本，以及加強(qiáng)制造業(yè)、國防科技工業(yè)基礎(chǔ)都具有重要意義。
 　　制造系統(tǒng)的高度自動化、柔性化、智能化，其設(shè)備、功能的日趨復(fù)雜化，對狀態(tài)監(jiān)控與故障診斷技術(shù)提出了更高的要求。對加工設(shè)備與加工過程來說，主要表現(xiàn)如下：①系統(tǒng)設(shè)備多樣、復(fù)雜，加工以柔性多任務(wù)為目標(biāo)，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(tài)的先驗樣本和模式樣本；②過程狀態(tài)及故障的斷續(xù)性、突發(fā)性、模糊性、關(guān)聯(lián)性及時變性；③加工設(shè)備各部件間的動態(tài)聯(lián)動性、離散性；④工件尺寸甚至誤操作等隨機(jī)干擾因素影響大；⑤加工過程中信息量大而繁雜，適合于監(jiān)控、診斷與預(yù)警的信息資源需要挖掘；⑥監(jiān)控系統(tǒng)的安裝限制及監(jiān)控系統(tǒng)與制造單元的協(xié)調(diào)性要求；⑦監(jiān)控與診斷的水平和程度受制于加工設(shè)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(fù)雜的工況與過程中快速有效地識別狀態(tài)，如何進(jìn)行動態(tài)、關(guān)聯(lián)、離散設(shè)備的狀態(tài)監(jiān)控與故障診斷，如何合理排除變工況及時變性對監(jiān)控與決策的影響，如何在無法完全獲取狀態(tài)及故障的先驗樣本及故障類別時進(jìn)行識別分類與決策，如何簡捷地實現(xiàn)實際加工現(xiàn)場環(huán)境下的監(jiān)控與診斷等，都是開展加工設(shè)備與加工過程狀態(tài)監(jiān)控與故障診斷技術(shù)研究必須突破的技術(shù)關(guān)鍵。
2　  國內(nèi)外文獻(xiàn)述評
        FMS狀態(tài)監(jiān)控與故障診斷技術(shù)的研究正在2個方面深入展開：一是研究智能狀態(tài)監(jiān)控與故障診斷系統(tǒng)的概念設(shè)計、體系結(jié)構(gòu)、功能組成、管理與決策模式、信息集成與傳遞等基礎(chǔ)性、概念性、系統(tǒng)性問題；二是具體深入的各種監(jiān)控與診斷方法研究，以及功能各異的實際監(jiān)控與診斷系統(tǒng)的建立。
        FMS狀態(tài)監(jiān)控與故障診斷技術(shù)研究的主要內(nèi)容
        縱觀大量文獻(xiàn)，可將FMS狀態(tài)監(jiān)控與故障診斷的主要研究內(nèi)容依對象的劃分歸納成圖1所示的層狀結(jié)構(gòu)。其中各模塊既包含著系統(tǒng)的構(gòu)成、設(shè)計與實施，又包含著各功能模塊實現(xiàn)與具體方法研究。
        FMS狀態(tài)監(jiān)控與故障診斷理論與技術(shù)的常用方法
        (1)各種單一功能的監(jiān)控與診斷方法　如聲發(fā)射、力或扭矩監(jiān)視、電流與功率監(jiān)視、振動與譜特征分析、時序或時域特征分析等功能參數(shù)與閾值的比較及巡檢。這對柔性大系統(tǒng)來說只能局部適用。
        (2)模式識別與神經(jīng)網(wǎng)絡(luò)等訓(xùn)練型模型的應(yīng)用及它們與其它方法的結(jié)合　它被認(rèn)為是在分類與識別方面有特殊優(yōu)點(diǎn)的模型之一。它受訓(xùn)練樣本數(shù)據(jù)的正交性和完備性限制，以及訓(xùn)練樣本與檢測樣本格式等的一致性限制，在監(jiān)控與診斷應(yīng)用中主要針對小范圍或少數(shù)幾個固定過程的異常與故障。
        (3)模糊數(shù)學(xué)與決策方法應(yīng)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(jīng)網(wǎng)絡(luò)、專家系統(tǒng)等方法的結(jié)合等，其關(guān)鍵是模糊關(guān)系的確定。該方法既適合于具體對象，又適合于復(fù)雜大系統(tǒng)。
         (4)人工智能與專家系統(tǒng)方法及與圖論、模糊理論和人工神經(jīng)網(wǎng)絡(luò)的結(jié)合它是近年來的研究熱點(diǎn)，但對狀態(tài)監(jiān)控與故障診斷來說，主要是定性推理應(yīng)用較多。近年來符號與數(shù)值結(jié)合的融合型模型正被看好，如專家系統(tǒng)與神經(jīng)網(wǎng)絡(luò)結(jié)合的融合型專家系統(tǒng)。具有自學(xué)習(xí)、自組織、自適應(yīng)的智能模型在監(jiān)控與診斷中的應(yīng)用是探討熱點(diǎn)，如智能化信息融合理論等。
        (5)基于模型的監(jiān)控與診斷方法及與神經(jīng)網(wǎng)絡(luò)、模糊理論的結(jié)合　基于模型的狀態(tài)監(jiān)控與故障診斷是一種適應(yīng)性、魯棒性好的有效方法［1，2］�；�于模型的狀態(tài)監(jiān)控與故障診斷在過程控制的故障監(jiān)控與診斷中應(yīng)用較廣，它分過程動力學(xué)模型和過程濾波模型2類。目前的應(yīng)用主要以后者為主，而動力學(xué)模型的應(yīng)用較少，其主要原因是因為加工設(shè)備的動力學(xué)模型未能較好建立，構(gòu)成模型參數(shù)的具體物理參數(shù)關(guān)系不明晰，不能進(jìn)一步深入診斷。近幾年來，人工神經(jīng)網(wǎng)絡(luò)、模糊論等智能理論的滲透使該領(lǐng)域更加活躍。
        (6)新的信息處理方法應(yīng)用和新的決策方法應(yīng)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(jī)械設(shè)備和加工過程等具體的對象，取得了較好的狀態(tài)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(shù))在加工設(shè)備與加工過程狀態(tài)監(jiān)控與故障診斷方面的應(yīng)用取得了可喜的成績。
        FMS系統(tǒng)及加工設(shè)備狀態(tài)監(jiān)控與故障診斷方面的典型成果
        華中理工大學(xué)在國內(nèi)開展?fàn)顟B(tài)監(jiān)控與故障診斷研究較早，在楊叔子院士的領(lǐng)導(dǎo)下就機(jī)械系統(tǒng)所涉及的多個領(lǐng)域與對象開展了廣泛的研究，尤其是在基于時序模型的機(jī)床切削狀態(tài)監(jiān)控與故障診斷、故障診斷系統(tǒng)體系結(jié)構(gòu)、智能制造與控制中的監(jiān)控與診斷模型及新方法研究等方面頗有建樹。
        哈爾濱工業(yè)大學(xué)的肖祥勝、馬玉林等人“八五”期間在FMS狀態(tài)監(jiān)控與故障診斷領(lǐng)域取得了一些成果：①建立適合FMS的檢測監(jiān)控體系結(jié)構(gòu)和軟件系統(tǒng)原型；②開發(fā)智能數(shù)據(jù)采集裝置原型樣機(jī)及其軟件原型；③突破AE技術(shù)在加工中心上應(yīng)用時提取AE信號的難題等。
        針對國防科技重點(diǎn)實驗室——長春55所的FMS柔性加工設(shè)備，北京理工大學(xué)提出了全線智能化狀態(tài)監(jiān)控與故障診斷的總體框架及具體實施策略；南京理工大學(xué)則提出了FMS故障診斷專家系統(tǒng)框架與實施策略，以及神經(jīng)網(wǎng)絡(luò)基狀態(tài)實時監(jiān)測系統(tǒng)方案。
         國防科技大學(xué)自1986年開始承擔(dān)多項國家863高技術(shù)計劃項目、國防預(yù)研及國防預(yù)研基金等課題以來，在狀態(tài)監(jiān)控與故障診斷及故障預(yù)警系統(tǒng)的體系結(jié)構(gòu)與組成、變工況背景下狀態(tài)辨識與決策、故障診斷專家系統(tǒng)等多方面開展了深入而系統(tǒng)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(jiān)控系統(tǒng)”設(shè)想和方案具有典型意義，它以各種常規(guī)的、特殊的特征參數(shù)來判別加工過程、NC程序執(zhí)行等系統(tǒng)運(yùn)行過程的好壞，以模式識別技術(shù)為核心實現(xiàn)碰撞、鉆削刀具磨破損等的檢測、預(yù)報。Tonshoff［4］提出了未來的趨勢即多傳感器綜合、多模型系統(tǒng)、學(xué)習(xí)和決策系統(tǒng)、規(guī)則基系統(tǒng)。Monostori［5］1993年對機(jī)床與制造單元提出了知識基遞階狀態(tài)監(jiān)控與故障診斷模型。Du等人［6］1995年對制造過程及設(shè)備監(jiān)控的方法進(jìn)行了深刻剖析，并提出全局?jǐn)?shù)據(jù)基與知識基的多處理機(jī)結(jié)構(gòu)監(jiān)控系統(tǒng)方案。
         在綜述與總結(jié)性文獻(xiàn)方面，英國的Matrin［7］對目前歐洲、日本、美國的加工設(shè)備與加工過程狀態(tài)監(jiān)控與故障診斷進(jìn)行了綜述；Lee Jay［8］對制造設(shè)備和系統(tǒng)中的現(xiàn)代計算機(jī)輔助維修做了總結(jié)與述評。
        加工過程及刀具切削狀態(tài)監(jiān)控與診斷方面的典型成果
        國內(nèi)，清華大學(xué)萬軍［9］對切削狀態(tài)監(jiān)測進(jìn)行了述評，給出了刀具狀態(tài)檢測的直接法和間接法的狀態(tài)信號與特征參數(shù)一覽表，并進(jìn)行了具體分析。西安交通大學(xué)在這方面做了許多有益的探討,提出了車削分力比監(jiān)測、頻段相干函數(shù)法等多種監(jiān)測模型。華中理工大學(xué)則在切削狀態(tài)的AR模型監(jiān)測、切削顫振監(jiān)測與控制等方面做了大量的開拓性工作。東南大學(xué)黃仁、鐘秉林等人在刀具壽命管理、磨削燒傷辨識、車削狀態(tài)監(jiān)測等方面運(yùn)用模式識別等理論做了深入研究。哈爾濱工業(yè)大學(xué)姚英學(xué)、袁哲俊等人就鉆削加工過程與切削狀態(tài)監(jiān)測提出了多參數(shù)、多模型監(jiān)測系統(tǒng)及聲發(fā)射監(jiān)測系統(tǒng)等。上海交通大學(xué)在聲發(fā)射刀具切削狀態(tài)監(jiān)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(tǒng)加工過程狀態(tài)監(jiān)測的傳感器系統(tǒng)進(jìn)行了權(quán)威性的總結(jié)歸納，主要涉及形位傳感器、切削力傳感器、主軸與進(jìn)給軸力傳感器、主軸電機(jī)傳感器及聲發(fā)射傳感器等，給出了它們的動態(tài)范圍、應(yīng)用場合。日本的Bertok等人1983年和1986年就加工過程監(jiān)控提出了扭矩監(jiān)測與幾何尺寸間關(guān)系模型辨識來實現(xiàn)加工過程監(jiān)控，并以切削扭矩信號建立AR模型獲取殘差，實現(xiàn)刀具破損監(jiān)測。Emel等人1988年用AE信號進(jìn)行模式識別來實現(xiàn)車刀磨破損監(jiān)測，Elbestawi等人1989年以切削力、扭矩、主軸振動信號等多參數(shù)輸入模式識別模型來實現(xiàn)銑削過程監(jiān)測。Barker等人1993年以高階譜特征來監(jiān)測刀具磨損。Ramamurthi等人1993、1994年以加工影響圖模型、數(shù)字實時知識基系統(tǒng)及譜分析結(jié)合來實現(xiàn)鉆頭狀態(tài)的監(jiān)測與預(yù)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(jīng)網(wǎng)絡(luò)分類模型。Kaye等人以監(jiān)測主軸轉(zhuǎn)速變化實現(xiàn)車刀刀具磨損監(jiān)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(xiàn)銑刀破損監(jiān)測。Sunil Elanayar等人1995年以徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類模型實現(xiàn)刀具磨損監(jiān)測。Tansel等人1995年用小波信號處理結(jié)合ART2神經(jīng)網(wǎng)絡(luò)模型實現(xiàn)銑刀切削狀態(tài)監(jiān)測。Das等人1997年提出一種簡單分析遞階過程模型(AHP)來實現(xiàn)刀具磨損監(jiān)測。X.Q.Li等人1997年以2個交叉加速度間的相干函數(shù)為基礎(chǔ)實現(xiàn)車削過程刀具磨損與顫振監(jiān)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(shù)據(jù)傳輸傳感系統(tǒng)。J.C.Chen等人1997年以三向切削力信號運(yùn)用模糊邏輯、模糊搜索分類器、ANN相結(jié)合構(gòu)造了一個銑刀破損監(jiān)測系統(tǒng)等。
         狀態(tài)監(jiān)控與故障診斷的多傳感器融合技術(shù)
         在智能加工與監(jiān)測控制方面，傳統(tǒng)的感知單一屬性的傳感技術(shù)和經(jīng)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(jiān)控與決策。Chryssolouris等人分析了多傳感器融合的優(yōu)點(diǎn)，采用神經(jīng)網(wǎng)絡(luò)、數(shù)據(jù)成組處理、多元最小二乘回歸3種方法來進(jìn)行多傳感器融合。Dornfeld 等人1991年開發(fā)了一神經(jīng)網(wǎng)絡(luò)傳感器信息綜合用于刀具狀態(tài)監(jiān)測的系統(tǒng)，并比較了信息組合不同時監(jiān)測結(jié)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(yù)報加工質(zhì)量等問題開展了研究。 Noori Khajavi和Komanduri、Govekar和Grabec對鉆頭磨損監(jiān)測開展了研究,他們均使用自組織神經(jīng)網(wǎng)絡(luò)進(jìn)行分類，這些都是采用多傳感器融合技術(shù)來進(jìn)行的。Lezanski等人1993年就磨削加工的智能監(jiān)控采用力、振動、聲發(fā)射、位移等傳感器進(jìn)行研究，取得良好效果。Monostori［5］1993年明確提出神經(jīng)網(wǎng)絡(luò)在制造系統(tǒng)中應(yīng)用的最好場合是采用多傳感器信號處理相關(guān)的領(lǐng)域。Dimla等人1998年以多層感知ANN和多變量過程參數(shù)辨識刀具狀態(tài)。Silva等人1998年以多傳感器融合、神經(jīng)網(wǎng)絡(luò)、專家系統(tǒng)相結(jié)合方式拾取切削力、主軸電流、AE、機(jī)械振動實現(xiàn)車刀的磨損監(jiān)測。Kim等人1996年對刀具狀態(tài)監(jiān)測的多傳感器融合技術(shù)作了總結(jié)。Dimla［12］1997年對應(yīng)用于刀具狀態(tài)監(jiān)測中的神經(jīng)網(wǎng)絡(luò)方法進(jìn)行了總結(jié)，對已有的系統(tǒng)和文獻(xiàn)的研究結(jié)果分傳感器輸入信號(單傳感器輸入、多傳感器輸入)、ANN結(jié)構(gòu)與訓(xùn)練方法、信號處理方法、監(jiān)測成功率等方面進(jìn)行了歸納與比較。
           國內(nèi)許多學(xué)者在多傳感器融合監(jiān)測方面也開展了相應(yīng)的研究，其中國防科技大學(xué)李圣怡、吳學(xué)忠等人［13］在國家自然科學(xué)基金資助下進(jìn)行的工作比較典型。
           先進(jìn)制造系統(tǒng)故障診斷專家系統(tǒng)與人工智能理論與技術(shù)
           專家系統(tǒng)與人工智能在制造系統(tǒng)中的應(yīng)用非常廣泛，這里僅就制造系統(tǒng)加工設(shè)備與加工過程故障診斷專家系統(tǒng)、知識基系統(tǒng)進(jìn)行綜述。華中理工大學(xué)周祖德教授領(lǐng)導(dǎo)的課題組［14］在FMS故障診斷專家系統(tǒng)方面成績斐然，針對具體的FMS系統(tǒng)提出了基于PLC信息等的故障診斷專家系統(tǒng)，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?qū)ο蟮膶崿F(xiàn)方法，探討了擴(kuò)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(yù)研FMS應(yīng)用工程技術(shù)項目之一——FMS故障診斷知識庫開發(fā)項目到“八五”結(jié)束，已初步建立適合長春FMS中心的有651條規(guī)則的AGV、加工中心、換刀機(jī)器人的故障診斷知識庫。田文�。�15］1995年在對CNC系統(tǒng)的故障分析基礎(chǔ)上，把數(shù)控系統(tǒng)分成幾個子系統(tǒng)，以故障樹表征故障結(jié)構(gòu)，以故障模糊分析實現(xiàn)故障推理。1997年屈梁生［16］和師漢民［17］分別就人工神經(jīng)網(wǎng)絡(luò)在機(jī)械工程智能化方面的應(yīng)用作了回顧，對機(jī)器故障智能診斷、機(jī)器運(yùn)行過程智能檢測與預(yù)報、多傳感器信息集成與融合、機(jī)械系統(tǒng)的辨識和智能控制等的應(yīng)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(tǒng)進(jìn)行了總結(jié)、評論，剖析并列舉了典型的維修專家系統(tǒng)和它們的應(yīng)用范圍。Alex Bykat［19］1991年對監(jiān)控與診斷中等智能問題進(jìn)行了總結(jié)，指出了各類系統(tǒng)應(yīng)注意的問題和相互之間的聯(lián)系。Monostori［5］就智能制造中的人工神經(jīng)網(wǎng)絡(luò)進(jìn)行了回顧總結(jié)，論述了模型的發(fā)展、ANN分類模型學(xué)習(xí)、在CIMS中的應(yīng)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(jìn)一步發(fā)展趨勢、符號推理與數(shù)字并行處理結(jié)合之趨勢。Valavanis［20］1994年對工程應(yīng)用中的知識基系統(tǒng)進(jìn)行了總結(jié)與述評，重點(diǎn)介紹了機(jī)器人與控制中的有關(guān)系統(tǒng)。Tor Guimaraes［21］1995年在分析了制造系統(tǒng)專家系統(tǒng)需求、實例后，提出了設(shè)計建立制造系統(tǒng)專家系統(tǒng)的成功因素。Huang等人［22］1995年對智能制造中的神經(jīng)-專家混合方法作了總結(jié)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(tài)監(jiān)控、專家系統(tǒng)、綜述、模糊邏輯、基因算法、混合系統(tǒng)、知識基系統(tǒng)、ANN、Petri網(wǎng)等多個專題分門別類進(jìn)行了歸納，形成一份包含642篇文獻(xiàn)的數(shù)據(jù)庫。
         研究的特點(diǎn)與存在的問題
         研究的特點(diǎn)
         (1) 大量的研究是針對加工系統(tǒng)某一部件、某一過程展開的，尤其是刀具切削狀態(tài)監(jiān)測與故障診斷。近年來人工神經(jīng)網(wǎng)絡(luò)、遺傳基因算法、模糊決策、多傳感器融合、專家系統(tǒng)等在各類加工設(shè)備的刀具狀態(tài)監(jiān)測、加工過程監(jiān)控與預(yù)測方面的應(yīng)用尤為多見。(2) 提出體系結(jié)構(gòu)設(shè)想，并進(jìn)行某些功能模塊的驗證，或就某一新方法、新技術(shù)針對某一設(shè)備或部件進(jìn)行實驗性研究，屬原理性探討、實驗性研究。其中以神經(jīng)網(wǎng)絡(luò)、模糊論等智能方法為最多。(3) 以德國Weck為代表的國內(nèi)外學(xué)者，80年代后相繼提出高級制造系統(tǒng)狀態(tài)監(jiān)控系統(tǒng)的任務(wù)、功能和性能要求及發(fā)展趨勢，提出建立“萬能柔性監(jiān)控系統(tǒng)”的新設(shè)想，并著手針對不同對象分期開發(fā)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(tǒng)。(4)近期研究多為多參數(shù)、多對象、多子系統(tǒng)結(jié)構(gòu)，采用方法以智能理論與技術(shù)、多傳感器信息融合理論與技術(shù)為主，重在解決監(jiān)測的實時性、診斷的準(zhǔn)確性，提高可靠性、適應(yīng)性及魯棒性，解決復(fù)雜工況、時變性等狀態(tài)監(jiān)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(tǒng)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(zhí)行決策算法的限制。功能單一，可信度低，尤其對多設(shè)備、多過程監(jiān)控來說顯得落后。(2) 忽視了應(yīng)用設(shè)備內(nèi)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(fù)雜的系統(tǒng)結(jié)構(gòu)、學(xué)習(xí)、檢測與決策模型的限制，應(yīng)用于現(xiàn)場工況的可靠、高效、簡捷系統(tǒng)不多見。(4) 針對加工設(shè)備的某一或某些部件及過程開發(fā)專用的監(jiān)控與故障診斷系統(tǒng)，適用范圍相對較窄，缺乏柔性和可移植性。(5) 柔性加工設(shè)備與加工過程的狀態(tài)預(yù)測與故障預(yù)警屬起步性、開拓性研究，范圍局限，模型可靠性不理想。(6) 監(jiān)控與診斷系統(tǒng)后天增補(bǔ)的多，已推出的一體化產(chǎn)品的監(jiān)控與診斷功能、性能較落后，適應(yīng)性較差，實際監(jiān)控效果不盡如人意。
           FMS狀態(tài)監(jiān)控與故障診斷展望
           (1)采用多個傳感器獲取反映相互關(guān)聯(lián)的設(shè)備、過程的狀態(tài)信號，通過信號處理(頻譜分析、系統(tǒng)建模、小波變換等)，提取各種要求的特征參數(shù)，進(jìn)行多參數(shù)、多對象的智能決策。(2) 自動地對未遇到過的或無法預(yù)計的加工狀態(tài)及異常、故障狀態(tài)進(jìn)行分析、處理、監(jiān)控；敏銳的捕獲突發(fā)故障的能力。(3) 監(jiān)控參數(shù)、模型與策略的可調(diào)性和自適應(yīng)的學(xué)習(xí)訓(xùn)練能力及擴(kuò)大更新其知識庫的能力；有合適的過程建模、參考數(shù)據(jù)生成系統(tǒng)，幫助在線或離線的仿真、建模，生成監(jiān)控系統(tǒng)所要求的模型、參數(shù)、閾值；能幫助用戶開發(fā)最合適的監(jiān)控策略和監(jiān)控系統(tǒng)本身的程序，如模型選擇、參數(shù)選擇、閾值調(diào)整、決策綜合等。(4) 系統(tǒng)的高度自動化與智能化，這是系統(tǒng)的復(fù)雜程度所必需的，是目前的發(fā)展主流；利用人的經(jīng)驗、智慧、思維模式與計算機(jī)的存儲、運(yùn)算能力相結(jié)合的優(yōu)勢，幫助建立、開發(fā)數(shù)學(xué)模型、機(jī)理模型、監(jiān)控診斷模型、學(xué)習(xí)訓(xùn)練模型及監(jiān)控策略等。(5) 硬件的模塊式、可擴(kuò)展、可重構(gòu)式結(jié)構(gòu)。用戶可以運(yùn)用基本的、標(biāo)準(zhǔn)的各模塊單元根據(jù)對象的不同，經(jīng)特征優(yōu)化實現(xiàn)通用而又專業(yè)的系統(tǒng)；監(jiān)控系統(tǒng)的體系與布局與復(fù)雜柔性的制造系統(tǒng)結(jié)構(gòu)相適應(yīng)，采取不同的系統(tǒng)層對應(yīng)不同的監(jiān)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(tài)監(jiān)控與故障診斷系統(tǒng)，即“萬能”、“柔性”、“可集成”系統(tǒng)。(6) 集成制造環(huán)境下監(jiān)控與診斷系統(tǒng)的體系結(jié)構(gòu)、原理、組成、監(jiān)控策略、功能要求等問題的進(jìn)一步探討；新觀點(diǎn)、新方法、新思維、新技術(shù)的研究與應(yīng)用，尤其是非線性科學(xué)、大系統(tǒng)科學(xué)、先進(jìn)信息傳感與處理技術(shù)、人工智能理論的研究與應(yīng)用。(7) 加工設(shè)備與加工過程狀態(tài)變化、故障機(jī)理等的進(jìn)一步探討研究，監(jiān)控與診斷的各種模型、理論與技術(shù)的進(jìn)一步細(xì)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(tài)與故障誘發(fā)及激勵技術(shù)，狀態(tài)與故障的計算機(jī)模擬與仿真理論及技術(shù)研究。這是克服無法較好獲取系統(tǒng)各狀態(tài)樣本、故障樣本尤其是破壞性故障樣本，節(jié)省經(jīng)費(fèi)所必須引起高度重視的。也是依賴于樣本的訓(xùn)練型模型能否提高其性能，走向應(yīng)用和成功的關(guān)鍵。(9)狀態(tài)監(jiān)控與故障診斷系統(tǒng)的通用型智能化設(shè)計與實施系統(tǒng)研究。概括地講，未來的監(jiān)控系統(tǒng)應(yīng)是一通用型模塊化、集成化、智能化的具備自學(xué)習(xí)訓(xùn)練與自適應(yīng)調(diào)整功能的多傳感器、多參數(shù)、多模型智能綜合決策系統(tǒng)，是建立實現(xiàn)這些功能的通用型計算機(jī)智能化設(shè)計與實施系統(tǒng)。
參考文獻(xiàn)
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(jìn)制造中加工過程智能建模與監(jiān)控技術(shù)研究：〔博士學(xué)位論文〕.北京：清華大學(xué)，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(xué)忠.基于多傳感器的刀具狀態(tài)監(jiān)測理論與實驗研究：〔博士學(xué)位論文〕.長沙：國防科學(xué)技術(shù)大學(xué)，1998.
14　胡文彬.柔性制造環(huán)境下基于質(zhì)量控制的故障診斷系統(tǒng)的研究：〔博士學(xué)位論文〕.武漢：華中理工大學(xué)，1995.
15　田文健.機(jī)械工程學(xué)報，1995，31(4)：55～61
16　屈梁生.中國機(jī)械工程，1997，8(2)：1～4
17　師漢民.中國機(jī)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)