舰船电力推进系统故障诊断专家系统设计

马丹 王孟莲，2 沈枫

（1.中国船舶重工集团公司七一二研究所, 武汉 430064；2. 武汉理工大学能源与动力工程学院, 武汉 430063）

舰船电力推进系统组成设备较多，系统构成复杂，自动化程度高，一旦发生故障，会对舰船的正常运作产生较大的危害，而尽快定位故障并使系统恢复正常是有意义的工作。传统的维修方法主要凭借维修人员的个人经验，对故障诊断人员有较高的专业要求，而且难以达到快速、准确的要求。本文研究了电力推进故障诊断专家系统，它集实际检修经验和专业知识于一体，易被不同专业层次的故障诊断人员和维护人员所掌握，可缩短故障的定位和维修时间， 提高检测维修效率，并可根据维修经验的增长和理论的丰富不断对知识库进行扩展，使故障诊断专家系统更加可靠和高效。

专家系统是一个基于知识的智能推理系统，它涉及到对知识获取、知识库、推理控制机制以及智能人机接口的研究,是集人工智能和领域知识于一体的系统。根据知识组织方式与推理机制的不同，可将目前常用的故障诊断专家系统大致分为基于规则的诊断专家系统、基于模型的诊断专家系统、基于人工神经网络的诊断专家系统、基于模糊推理的诊断专家系统和基于事例的诊断专家系统。

通过比较各类故障诊断专家系统[1,2]的优缺点，考虑系统故障诊断的特点和目前技术条件的限制，采用基于规则的故障诊断专家系统，并在该系统中集成人工神经网络自学习功能，以弥补该类专家系统获取规则或知识能力不足的缺陷。

1 电力推进系统故障诊断专家系统构成

图1表示了电力推进系统故障诊断专家系统的组成：人机接口、推理机、解释机制、知识维护、数据管理、神经网络、知识库、动态数据库和样本库。其中，人机接口负责用户或领域专家与本专家系统进行交互；推理机实现诊断规则的搜索、匹配以及冲突消解策略；解释机制负责故障诊断推理过程的解释；知识维护和数据管理分别负责诊断知识库和动态数据库的维护管理；神经网络和样本库实现诊断专家系统的学习功能，通过有效样本的训练获取新知识（另文叙述）。

图1 电力推进诊断专家系统构成示意图

2 电力推进系统故障诊断专家系统设计

2.1 知识库

目前，电力推进系统的诊断知识主要来自于系统各设备的诊断故障树[3]，知识库的建立过程也就是将故障树中的知识转化为专家系统中规则的过程[4]。故障树和诊断专家系统知识库的联系在于：故障树的顶事件对应于专家系统要分析解决的任务，故障树的每个最小割集就是该系统的失效模式，对应于专家系统要推理的最终结果，故障树由上到下的逻辑关系对应于专家系统的推理过程，故障树的树枝对应于专家系统中知识库中的规则，其树枝数对应于规则的规则数。例如，变频器过电流故障的故障树表示如图2所示。诊断专家系统中诊断知识的组织采用产生式规则模型，其基本形式为：IF(条件)THEN(操作或结论)，由图2可以看出，以故障树过电流故障和交流电源或输出缺相故障的发生为例，可以从中归纳出如下产生式规则：

Rule1：IF 过电流故障 THEN 交流电源或输出缺相with CF1（规则置信度）

Rule2：IF 过电流故障 THEN 负载过重或负载侧短路with CF2

Rule3：IF 过电流故障 THEN 变频器设置不当 with CF3

Rule4：IF 过电流故障 THEN 振荡过流with CF4

Rule5：IF 交流电源或输出缺相 THEN 保险熔丝熔断with CF5

Rule6：IF 交流电源或输出缺相 THEN 导线接头松脱with CF6

Rule7：IF 交流电源或输出缺相 THEN IGBT损坏 with CF7

Rule8：IF 交流电源或输出缺相 THEN IGBT无触发脉冲 with CF8

图2 变频器过电流故障树

根据以上对故障树的分析以及其与诊断专家系统知识库知识的联系，采用关系型数据库来组建知识库和动态数据库。知识库由四部分组成：故障诊断规则表、故障诊断条件表、故障诊断结论表和故障诊断事实表。故障诊断规则表用于存储基于故障树模式的产生式规则，如表1所示，主要有7个字段表示：Rule_ID表示为规则编号，用Rxxx表示；Rule_Name即规则的名称；Rule_CF代表本条规则的可信程度，用0～1之间数值表示；Rule_CondNums表示规则中多个条件的个数；Rule_CondActs表示规则中在推理过程中已激活的条件个数（初始状态下为0）；Rule_Description表示规则的具体文字描述；Rule_Used是布尔量，表示规则是否被使用。

故障诊断条件表和结论表具有相似的结构，用于存贮诊断条件和结论，分别如表2和表3所示，主要有3或4个字段：Rule_ID是条件或结论所属规则号；Fact_ID表示条件或结论的事实编号；Fact_Used表示该条件或结论是否被匹配；Fact_Leaf表示该事实是否是叶子节点，即是否是最终结论，是检验规则匹配是否结束的判断量。

故障诊断事实表用于存储整个知识库所有的事实，条件和结论都是事实，如表4所示，主要有3个字段：Fact_ID故表示事实编号，用Fxxx表示；Fact_Description是事实的具体描述；Fact_Used表示该事实是否被使用。

故障诊断动态数据表主要用来记录推理过程的初始状态、中间结果和最终结论。主要有两个字段：Reason_ID表示推理过程的编号；Fact_ID表示推理过程中使用过的事实。

表1 故障诊断规则表

表2 故障诊断条件表

表3 故障诊断结论表

表4 故障诊断事实表

2.2 推理机

本系统采用正向推理策略实现，该方法的核心是根据输入的诊断初始条件在知识库中按特定的顺序遍历所有规则，如有成功匹配的规则，则执行该规则，执行规则后获取的中间结果存入动态数据表，并对中间结果继续进行推理，直至得出叶子结论，则表示推理成功；如遍历所有规则后没有成功匹配的规则，则表示推理失败。正向推理有两种成功结束的条件：一是求出符合初始条件的最可能解就结束（冲突消解策略采取置信度选择法，选择置信度最大的规则进行匹配）；二是将所有的可能解都求出后才结束，所有获得的可能解按置信度累积值（置信度累积值是指推理路径中所有匹配规则的置信度乘积值）排序。在推理过程中采用一个布尔型字段Rule_Used来记录匹配过的规则，这样可以避免在推理过程中出现死循环。整个推理过程则是规则匹配、冲突消解和执行规则三者的不断循环直至推理成功或失败的过程。

2.3 解释机制

故障诊断专家系统的解释机制使用文本模板法和跟踪解释法。在解释过程中，预先设置了解释文本模板，然后在推进机的每一步推理过程中，将其使用的条件、结论、规则以及规则的解释写入文本模板相应的位置中，随着推理机在知识库中的搜索匹配工作，最后得出一份跟踪整个推理过程的文档。

3 结束语

电力推进系统故障诊断专家系统利用专家经验和神经网络学习相结合的方式获取知识，并基于故障树结构以推理规则的型式组织知识，通过建立动态数据库和正向推理策略实现系统的推理机和解释机制。系统基于Windows XP操作系统平台，采用Visual C++ 6.0作为软件开发环境，利用Access 建立知识库，运用SQL语法进行规则匹配和诊断推理，实现对舰船电力推进系统各主要设备的故障诊断，能正确诊断出运行中各设备故障及早期潜伏性故障。

[1] 季晓慧, 丛望, 刘勇. 船舶电力系统故障诊断专家系统的智能化研究. 船电技术， 2002（4）.

[2] 窦金生, 汤天浩. 基于知识的故障诊断技术极其在船舶上的应用. 船舶工程，2007（4）.

[3] 魏鲁原, 崔霞. 专家系统在变压器故障诊断中的应用. 机床与液压，2007（7）.

[4] 孙丰涛, 张承慧, 崔纳新等. 变频器故障诊断技术研究与分析. 电机与控制学报，2005（3）.