风力发电机组故障诊断专家系统研究

张晓东，许宝杰，吴国新，左云波

ZHANG Xiao-dong, XU Bao-jie, WU Guo-xin, ZUO Yun-bo

（北京信息科技大学 现代测控教育部重点实验室，北京 100192）

0 引言

随着现代社会的不断发展，人类对能源的依赖越来越大，同时我们也面临的能源利用与环境保护的巨大压力。一方面，以煤、石油等化石燃料的储量随着开采不断减少，且日渐枯竭；另一方面，化石燃料的大量使用也造成了严重的环境污染。基于这些原因开发可再生能源成为了各国新能源发展战略和环境保护的重大举措。而风能作为一种蕴藏较为丰富的可再生绿色能源引起了广泛关注。目前，世界各国都在投入大量人力、物力开发风能和研究风力发电技术，因此风力发电行业得到了快速发展，风力发电机的装机数量不断增加，但因其工作环境恶劣，极易发生各种故障，对其进行快速有效的故障诊断维修成为亟待解决的问题。

1 风力发电机组原理和结构

风力发电机组工作原理是风流掠过风轮，使风轮按设定的方向旋转，从而将风能转换成风轮的旋转机械能，再通过机舱内部的主轴、齿轮箱等传动机构将风轮的旋转机械能传递给发电机，最终由发电机将旋转的机械能转化为电能，最终实现风力发电。

风力发电机机型很多，水平轴风力发电机因其风能利用效率高、控制方便等诸多优点，逐渐成为现代风力发电机的主流机型。目前，水平轴风力发电机组均采用了上风向、水平轴、三叶片结构，其技术目前也最为成熟。

水平轴风力发电机组主要是由风轮、机舱、塔筒、塔基四部分组成。机舱是风力发电机组的核心部件，主要由传动系统、制动系统、发电机、冷却系统、偏航系统、变桨系统和中心控制柜等组成。传动系统是由主轴轴承、主轴、增速齿轮箱和联轴器等部件组成。风力发电机组结构如图1所示。

2 专家系统

专家系统[1～3]（Expert System，ES）是模拟人类专家的推理决策过程，通过有效地获取专家们具有的知识、经验、技能等并将其综合编成计算机程序，再根据其进行推理和判断，对监测和诊断对象的运行状态和故障做出智能判断决策。其具有学习能力和自动获取诊断信息能力，且具有很强的适应性和灵活性。专家系统一般由知识库、推理机、数据库、解释器、知识获取和人机接口六个部分组成，如图2所示。

图2 专家系统基本结构

1）知识库用来储存领域专家的经验和知识。专家系统通过知识库中的知识来模拟领域专家的思维方式对提出的问题进行求解，因此知识库的完备程度决定该专家系统性能的好坏。

2）推理机根据已知条件，采用某种规则和策略使专家系统进行有效地推理并得出最终诊断结果。推理有正向推理、反向推理和正反向混合推理。正向推理是由已知的事实向结论推理的过程，根据已知的事实，利用推理规则进行推理匹配，再把刚得到的结论作为一个新的已知事实，再进行推理匹配，最终得出结论；反向推理是由目标结论到支持目标结论的事实的推理，也称为目标驱动策略，先假设目标结论存在，然后判断此假设目标存在的前提条件是否能与已知的征兆信息匹配，若匹配则假设成立，否则把该前提作为子目标重复上述过程；正反向混合推理是根据正向推理得出假设，然后利用假设反向推理，如此反复，最终得出结论。

3）解释器是用来对用户提出的问题和专家系统诊断推理过程做出明确的解释。

4）数据库用于储存需要解决问题的原始数据、推理过程中的中间结果及最终结论。数据库只在系统运行期间产生和变化，所以也称为动态数据库。数据库在组织表示等方面与知识库中的知识相一致，以便推理机能使用数据库中的数据和知识库中的知识去求解问题。

5）知识获取就是从实际信息中总结出所需的知识，如事实、规则等，并把它们转换为符合计算机知识表示的形式。知识获取就是为专家系统建立一个完善有效的知识库，来满足求解实际问题的需要，其基本内容有知识抽取、知识转换、知识输入、知识检测等。

6）人机接口能使用户和系统进行对话，使用户能输入必要的数据、提出问题和了解推理过程及诊断结果，包括用于故障诊断的交互界面及故障诊断知识库管理的后台管理界面。

3 风力发电机组故障诊断专家系统系统设计

3.1 系统框架设计

图3 风力发电机组故障诊断专家系统框架

该风力发电机组故障诊断专家系统使用C#语言，ASP.NET平台开发，系统数据库使用SQL Server 2008数据库，使用ADO.NET技术访问数据库系统。为了使系统具有良好的可扩展性和可移植性，系统框架主要有四个层次：采集层、数据层、中间层、用户表示层，如图3所示，这样降低了系统的耦合性,增加系统的构件化水平,使系统各层之间分工明确。采集层是风力发电机组状态信号的获取单元，由传感器和无线数据采集卡组成。传感器放置在风力发电机组的各个测试点上，实现被测对象振动、转速、温度、电压和电流信号的采集，再将传感器采集到的信号送入无线采集卡中，并实现信号的转换、去噪、放大、储存并无线发送等工作；数据层就是数据库，将采集层和中间层相连，采集到的数据经过处理后存放到数据层，用户可以进行管理和访问；中间层是一个操作系统，主要包括服务器的配置、网站部署、数据访问层、业务逻辑层和用户权限。用户表示层是指用户可以通过手机或者电脑等终端进行风力发电机组故障诊断。

3.2 知识库设计

3.2.1 风力发电机组故障和故障现象知识

风力发电机组结构复杂、工作环境恶劣，容易产生故障。根据风力发电机组的故障历史数据知其故障主要集中在齿轮箱、发电机、低速轴、高速轴、叶片等关键部件。现仅列举其一部分常见故障、故障现象及其故障原因，如表1所示。

3.2.2 知识库的管理

专家系统是一种知识增长型的系统，而且知识库的完备程度决定了专家系统性能的好坏，因此必须通过不断更改完善专家系统知识库中的知识来提高专家系统性能，使专家系统解决问题的能力越来越强。所以必须做好知识库的管理工作，确保系统具有好的性能。知识库的管理是对专家系统知识库进行维护，对知识库中的知识的不断增加、更新、删除和修改等操作，使知识更加完整，更符合实际使专家系统的诊断更加准确。

知识库的管理首先要保证知识库的安全性，防止误操作，通过用户权限设置只允许系统管理员对知识库进行各种操作。其次通过故障诊断信息反馈将专家系统进行的实际诊断情况如诊断结果正确与否及时地反馈给系统管理员，系统管理员根据诊断的实际情况分析总结，再对专家系统的知识库进行必要的更新。

3.3 故障知识的表示和推理

知识的表示形式[3,4]有产生式表示法、语义网络表示法和框架表示法等，产生式规则是专家系统中应用较多的表示形式。产生式规则将专家的知识利用规则集合表示，一般写成以IF A THEN B的形式，A是前提条件，B是结论，条件与结论均可以通过逻辑运算AND、OR、NOT进行复合。本系统主要采用产生式规则推理，并结合使用主观贝叶斯方法推理，对规则无法解决的问题使用主观贝叶斯方法后验概率进行推理。基于规则的推理是对确定性事实的精确推理，而对需要处理不确定性的事实的推理即在证明结论所必需的证据还不知道的推理就用主观贝叶斯推理算法[3,4]。对不确定性的事实虽然可以通过测试得到一个可靠的结论，但这样也会需要更多的时间和开支，而在这期可能导致更大的事故，因此为提高推理效率利用主观贝叶斯方法后验概率对某些比较确定但没有验证的不确定事实进行推理。

表1 风力发电机组部分常见故障现象及原因

先验概率：故障Gi为真的概率P(Gi)。

后验概率：也称事后概率，即症状Z发生后，故障Gi为真的概率P(Gi|Z),。

1）单故障征兆模型的后验概率计算

图4 故障征兆模型

在图4(a)中，对于初始一级的征兆G是确定性征兆。根据条件概率的定义，当P(B)＞0时，则有：P(A|B)=P(A∩B)/P(B)，所以在故障预测中，由于P(～G)＞0，P(M)＞0，所以有：

P(M|～G)P(～G)=P(～G |M)/P(M)=P(～G ∩M)即：

同理，在P(G)＞0，P(M)＞0情况下有：

以上式（1）、式（2）两式联立有：

在图4(a)中，对于中间层次的征兆M则是不确定的征兆，根据条件全概率公式有：

而由式（3）可知：

将式（5）代入式（4）得：

因此，对规则M→H：若已知，规则可信度P(H|M)=W；M的先验概率P(M)；H的先验概率P(H)；M的后验概率Y(M)；则由式（6）可得到故障H的后验概率为：

2）多故障征兆模型的后验概率计算

在故障诊断中，通常有多个故障征兆对应同一个故障，如图4(b)所示。若Y1(H),Y2(H),…,Yn(H)分别为各条规则导出的故障H的后验概率，则后验概率Y(H)的计算公式为：

3.4 人机交互界面

3.4.1 登陆界面

该风力发电机组故障诊断专家系统可以通过WEB浏览器进行登陆。所有操作者当输入正确的用户名和密码，才能进入系统的故障诊断界面，登陆界面如图5所示。

图5 登陆界面

3.4.2 故障诊断界面

成功登录系统以后，点击故障诊断按钮就进入到故障诊断模块，故障诊断界面如图6所示，输入故障现象后进行故障诊断，并将诊断结果显示出来，用户点击诊断结果反馈按钮将该次故障诊断情况反馈给系统管理员。

图6 故障诊断界面

图7 诊断结果反馈界面

3.4.3 诊断结果反馈界面

用户点击诊断结果反馈按钮就进入诊断结果反馈界面，如图7所示。用户根据实际情况将该次专家系统的故障诊断情况反馈给系统管理员，以便对系统知识库进行管理。

4 结论

计算机科学技术和人工智能技术的不断发展为机械设备诊断提供了新的思路。通过对风力发电机组故障诊断专家知识进行总结，并使用ASP.NET平台开发和SQL Server 2008数据库，构建风力发电机组故障诊断专家系统，实现了风力发电机组故障的在线诊断。由于故障经验知识积累的原因，编制的专家系统知识库还不够完善，需要与有现场经验的专家进行交流获取知识，来不断完善该专家系统的知识库，以提高该专家系统故障诊断能力。

[1]鄂加强.智能故障诊断及其应用[M].长沙:湖南大学出版社,2006.

[2]张梅军.机械状态检测与故障诊断[M].北京:国防工业出版社,2008.

[3]沈庆根,郑水英.设备故障诊断[M].北京:化学工业出版社,2006.

[4]史忠植.知识工程[M].北京:清华大学出版社,1988.

[5]杨炳儒.知识工程与知识发现[M].北京:冶金工业出版社,2000.