基于定性推理的故障诊断综述

2013-11-30阮玖圣张建辉

山东工业技术 2013年12期

阮玖圣马进周昱张建辉

(华北电力大学，河北保定 071003)

0 引言

国外故障诊断技术的研究已有近40年历史。早在20世纪60年代末，美国宇航局（NASA）创导成立了美国机械故障预防小组。以后，各国政府机构和公司广泛成立组织，召开会议，开展研究工作；20世纪70年代末，由于电子测量技术和频谱分析技术的应用，故障诊断技术开始进入实际应用阶段；到了20世纪80年代中期，随着传感器技术、信号处理技术以及计算机技术的发展，现代故障诊断与预测技术逐步形成并发展起来；至20世纪80年代中期以后，机械设备的大型化、复杂化以及连续高速运行的需要，单靠信号处理和人工分析判断已难以实现在线的精确诊断。

1 故障诊断方法

故障诊断就是寻找故障原因的过程，包括对各种检测、测量得到的信息进行监视、分析和判别，并结合系统特性及历史数据对系统工作状态给出分析、评价的过程。故障检测与诊断技术为提高复杂系统的可靠性开辟了一条新的途径，是解决系统的可靠性、安全性、提供科学决策的关键技术之一。

按照通行的分类方法，故障诊断方法可以分为基于数据驱动的方法、基于数学模型的方法、基于知识的方法等三种类型。

（1）基于数学模型的方法

利用观测器或滤波器对系统的状态和参数进行重构，并构成残差序列（或称新息序列），然后采用一些措施来增强残差序列中包含的故障信息，抑制模型误差和扰动等非故障信息，最后通过对残差序列的统计分析来检测出故障的发生并进行故障的识别。

（2）不依赖数学模型的方法

除了基于数学模型的方法以外，其它的诊断方法包括基于数据驱动和知识的方法都可认为是不依赖于数学模型的方法，如专家系统故障诊断方法、神经网络故障诊断方法和基于定性推理的方法等。这些方法种类繁多，每种方法中都有许多分支。

2 定性推理

其中基于定性推理诊断设备故障，国内外学者已经进行了详细的研究，并提出了很多方法。

（1）De kleer的envision方法:将每个物理过程视为一个复杂的物理设备(device)由一些部件连接构成,约束条件由连接外的定性方程给出,求解所有可能的行为状态。

（2）Forbus的定性进程方法:物理现象用一些相关的进程描述,进程由个体,前提条件、量条件（quantity conditions）、关系和影响（influences）构成，其工作过程是每个不同进程的激活（active）和停止（inactive）的过程。

（3）Kuipers的定性仿真方法：用部件参量及相应的一组定义在数量空间的定性约束描述系统结构，从某一出事状态出发，推衍各种可能的后继状态。

（4）Iwasaki和 Simon 的因果顺序方法（theory of causal ordering），他们讨论如何在非因果数学关系模型中进行因果推理。

3 基于定性推理故障诊断方法

当一系统各变量值均为其正常期望值，其导数亦为零。此时系统各变量的定性状态为 qS(fl，t)=(正常期望值，稳定)，i：1，2，…，m，m 为系统变量数。一旦系统出现故障，其状态变量的值将会发生变化，故障诊断任务巾，状态变化的最重要定性特征为增大、减小或无变化这个重要的量化空问仅包含三个值：＋、-和0。定性分析中，“x增大”披表示为[dx／dt]+，为表达简单起见将[dx／dt]记作△x。研究故障与状态变化间的关系将是故障诊断的关键。

一般而言，不同的故障将会造成不同的状态变化，系统状态的变化受变量问的约束限制，而表现出一定的规律性。据此我们可根据系统的定性模型，利用定性仿真技术，对每个预先设定的故障，确定其过程变量的定性状态，井进一步构造故障决策表，由该表即可容易地确定故障的决策规则。

4 定性推理的应用

为了说明定性推理的应用，举一个简单的例子。见图1所表示的水槽离心泵控制系统。该系统由一个开口水槽、一台离心泵、一个调节阀(VI)、一个手动阀(V2)、和若干管道组成。其中，水槽的液位由一个单回路控制器(LIC)控制，LS是液位变送器，上游入口流量为Fl，下游出口流量为F2,离心泵出口压力为P。图2是该系统的SDG模型，节点表示过程系统中的物理变量(如流量、液位、温度、压力和组成等)、操作变量(如阀门、开关等)及相关的仪表(如控制器、变送器等)，实线表示增量影响，虚线表示减量影响。

SDG中所有节点在相同时刻状态观测值的集合称为一个瞬时样本(pattern),如果样本只包括“+”、“-”或“0”三种状态符号，称为三级量空间SDG样本。在三级样本中，节点所表示的变量超过了上限阂值(threshold)取“+”号，超过了下限阐值取“-”号，在上、下限之间为正常状态，取“0”符号。

图1 水槽离心泵控制系统流程图

图2 水槽离心泵控制系统SDG模型

SDG模型看似简单，它却能够表达复杂的因果关系，并且具有包容大规模潜在信息的能力。以图2所表示的SDG模型为例，令图中的每丫个节点都表示一个物理变量，并且都按空间定义取“+”、“-”、“0”三种状态中的一种，其中某个节点取“+”值表示该物理变量超过了允许的上限，取“-”值表示低于允许的下限，取“0”表示变量处于正常范围。图2所示SDG模型中所有节点取不同量空间值的瞬时样本组合数为2187个(37=2187).

节点组合的样本总数Pmax由公式Pmax=3n计算，N为节点数。由于有向支路的约束，Pmax计算时节点之间的位置不能调换，因此，Pmax的计算符合“密码锁”的规律。如果仅就SDG模型表达能力而言，支路也有包含信息的能力，支路有两种取值状态，增量影响与减量影响，设支路总数为M，则样本总数可用公式Pmax=3n·2m表达。对于图2所示的例子，样本总数为559872个。通过这一计算充分说明SDG具有包容大量信息的能力。