基于混合推理机的舰船冷凝器故障诊断系统研究

2008-01-29，，

船海工程 2008年1期

，，

(海军工程大学船舶与动力学院，武汉 430033)

舰船冷凝器运行工况恶劣、结构复杂，故障率较高。传统的故障诊断大多依赖于诊断人员的经验积累，这受制于人的主观因素，也难以实现诊断知识的有效积累和传播。范例推理和规则推理是决策支持领域常用的2种推理策略，二者各有其长[1]，混合推理机的构建就是综合上述2种推理方法，对待不同的故障情况采用不同的诊断推理机制，有效实现舰船冷凝器的故障诊断。

1 工作原理

混合推理机的推理机制是范例推理和规则推理的结合运用。首先构建故障范例库，在出现新故障时判断在范例库中是否存在与新故障相同或相似的历史故障范例，存在则进行范例推理，否则进行规则推理，其结果均通过解释机输出，并且将最终诊断结果添加到范例库中，实现系统的自学习。

2 故障范例库的构建

故障范例库是混合推理机实现推理的基础，范例库的内容和构建形式直接影响到下一步推理方式的选取。范例库中历史故障范例并非机械的排列和添加，要实现新故障与历史故障的比较，建议范例库中的故障范例采用二级目录存储，即故障名称及相应的故障特性参数表征。取冷凝器传热管破裂故障为例，采用二级目录存储即为：

Cl-的质量分数是0.02×10-6；冷却剂过冷度3.8 ℃；水位892 mm；冷凝水进出口温差9.2 ℃;压力0.014 5 MPa。

如此一来，所有的历史故障范例均按照统一的形式存储于故障范例库中，既便于后续的范例搜索，也便于新旧范例之间的相似性比较。

3 范例推理的具体实现

范例推理的实现过程主要有两步，即检索与修正，而后是诊断结果的反馈。其中检索尤为重要，检索的目的是找出与新范例相同或者相似的旧范例，至于如何判断二者是否相同或相似，在多大程度上相似，则需要建立相似性函数将其量化。范例推理中常用的相似性函数有Tversky对比匹配函数、k-NN算法、多参数相似性函数、Weber算法等，在此采用修正k-NN算法，即相对距离量度法：

D(X,Y)=(∑iWi·D(Xi,Yi)r)1/r

仍以冷凝器传热管破裂为例，假设出现一新故障情况按照二级目录描述为：

Cl-的质量分数是0.018×10-6；冷却剂过冷度3.6 ℃；水位886 mm；冷凝水进出口温差9.3 ℃;压力为0.015 1 MPa。

依据各故障特性参数对故障的表征程度分别赋其权值0.60、0.15、0.12、0.08、0.05，按照上述公式计算可得：

D(X,Y)=(∑Wi·D(Xi,Yi)r)1/r

=0.042 4

折合成百分数：D(X,Y)=4.24%。

据诊断经验，取D0=5%，显然D(X,Y)

此时认为范例库中存在相似范例，可以借鉴旧范例对新故障进行诊断，在此前提下对旧范例进行修正之后即可得出诊断结论，本次诊断结论同样采用相同的存储形式添加到范例库中，整个范例推理过程结束。

相反，如果D(X,Y)>D0，则认为范例库中不存在相同或相似范例，转而实施规则推理。

4 规则推理的具体实现

目前在故障诊断领域经常采用的规则推理方法有粗糙集理论、Bayes网络、神经网络、模糊算法、决策树分析等，其中粗糙集理论作为一种处理具有信息不确定、不精确、不完善系统的新数学工具，是目前应用较多的一种归纳学习方法，被广泛运用于机器学习、专家系统等领域[2]。

针对舰船冷凝器的故障诊断，采用粗糙集的知识表达和挖掘关联规则的遗传算法。

首先引入信息表的概念，信息表是一个三元组，即：

S=(U,A,V)

式中：U是对象的集合；A=C∪D是属性集。如果C∩D=Ø，则信息表(U,A)被称作决策表，其中C和D为A的子集，分别称作A的条件属性和决策属性，采用遗传算法挖掘关联规则，即推理规则。

记条件属性集C中满足φi的记录数为Cover(φi)，假设决策属性集中存在di，且φi、di之间存在关联性，则定义φi→di的可信度R为：

R(φi→di)=Cover(φi→di)/Cover(φi)

可信度越高说明由条件属性φi到决策属性di的可能性越大，如果：R(φi→di)=1，则φi→di肯定成立。

参照冷凝器历史诊断记录建立条件属性表和决策属性表分别如下[3]：

表3 条件属性表

表4 决策属性表

约简后得到规则如下：

表5 约简规则表

注:表中双箭头表示显著升高或降低，单箭头表示略微升高或降低。

计算每一条规则的可信度之后采纳可信度高的规则作为推理依据，具体如下：

R(φ1→d1)=4/5

R(φ3→d1)=3/5

R(φ4→d1)=2/5

R(φ5→d1)=2/5

R(φ6→d1)=2/5

R(φ2→d2)=2/4

R(φ3→d2)=2/4

R(φ4→d2)=2/4

R(φ5→d2)=3/4

建立各条属性记录和决策记录之间的可信度后，记：

依据P(di)大小排序，取概率最大者为诊断结果。

推理规则形成之后设备状态检测系统可以直接与推理机连通，得到推理结果。通过规则推理得到的结论同样可以添加到范例库中，进一步强化系统功能。

5 仿真试验框架简介

针对所构建的混合推理机，通过计算机编程进行仿真试验。具体由VC++6.0可视化编程实现，通过建立人机交互界面如图1[4]。

在故障参数特征表示栏目框中输入当前故障的各个参数值，而后设定参考指标值后，可以依次点击范例搜寻和规则提取模块实现范例推理和规则推理，最终结果可以通过诊断结果查询模块得到详细结果，并可通过范例添加模块实现反馈学习，在故障诊断过程中也可以通过诊断进程模块形象体现系统诊断过程。图中显示的只是系统的主界面，依次进入各模块后将有分界面展示各步诊断过程，并且各界面均采用对话框形式，可以有效结合系统固有知识和人员经验知识实施诊断。支撑各个界面的则是基于MFC 类库的庞大语言程序。