裝備智能診斷系統的研究與發展

        近年來，由于計算機技術、現代測試技術和信號處理技術的迅速發展，設備故障診斷技術取得了很大的發展。人們已經研究和使用了一些較為熟悉的診斷技術和方法，如鐵譜分析、光譜分析、聲發射、紅外測溫等各種無損檢測技術，以及信號處理、模式識別、模糊診斷等方法，從而對處在多種環境條件下工作的裝備進行故障監測、識別、診斷和排除。然而，工程實際中存在著大量的故障現象，并且有時要對龐大的機械設備或工程系統進行監測和診斷，上述手段和理論方法往往存在著較大的局限性，主要表現在：不能有效的利用專家的知識和經驗，診斷系統缺乏推理能力，不具備學習機制，對測試診斷結果缺乏解釋，測試診斷程序的修改和維護性差等。隨著人工智能技術的迅速發展，特別是知識工程、專家系統和人工神經網絡技術在診斷領域中的進一步應用，迫使人們對智能診斷問題進行更加深入與系統的研究。

       診斷技術發展到今天，已經經歷了3個階段：第一階段，診斷結果在很大程度上取決于領域專家的感官和專業經驗，對診斷信息只做簡單的數據處理。第二階段，是以傳感器技術和動態測試技術為手段，以信號處理和建模處理為基礎的現代診斷技術。近年來，為了滿足復雜系統的診斷要求，隨著計算機及人工智能的發展，診斷技術進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，即智能診斷技術階段，它已經成為故障診斷領域的一個研究特點。

         裝備智能診斷系統研究的核心內容是診斷專家系統。專家系統是人工智能技術與具體應用科學相結合的產物。作為人工智能領域最活躍的分支之一的專家系統，近20年的發展非常引人注目。專家系統的產生，是人工智能從理論研究轉向應用研究的一個轉折點。