故障树和神经网络在遥测装备故障中的研究

2017-10-14汪剑侠

船电技术 2017年5期

关键词：遥测故障诊断装备

汪剑侠，石媛

故障树和神经网络在遥测装备故障中的研究

汪剑侠，石媛

（武汉船用电力推进装置研究所，武汉430064）

论文通过分析遥测装备的故障特性及其原因，结合对遥测装备变频单元故障树的定性和定量分析。构建了基于故障树的人工神经网络故障诊断断系统，根据系统编写了相应的程序以实现功能。通过实例验证了方法的实用性和有效性，增强了遥测设备的智能故障诊断能力。

遥测装备故障诊断故障树神经网络

0 引言

随着遥测装备的集成度提高、性能加强、复杂度增加。遥感设备故障的种类越来越多、故障程度越来越复杂，因此对故障进行准确的诊断也变得困难。随着故障诊断系统理论不断发展和成熟，出现了一系列可靠可实现的故障诊断理论。比如专家系统诊断、人工神经网络诊断、模式识别诊断、故障树诊断、模糊诊断等等。虽然研究成果丰硕，但是由于诊断理论的适用情况和遥测设备不尽相同，所以目前在遥测设备的故障诊断这一块还没有非常有效的理论和方法。由于工程应用中对大部分故障诊断还是采用简单的点到点检测模式，有效性和实用性非常低。本论文进行理论上的创新与应用，将人工神经网络诊断与故障树诊断相结合，以适应遥测设备故障的特点。利用神经网络能不断学习的特点，以及故障树准确查错的特性来有效的解决遥测技术的故障问题。系统来说还是以故障树理论为基础进行的构建和设计，由上到下逐级建立建树并根据事件联系。然后利用利用神经网络进行查错，对每个模块设计相应的诊断方案。的通过分析找到造成设备故障的原因。最后也通过神经的学习特性解决故障。因此，采用故障树分析法是故障诊断的基础，然后将神经网络结合能够很好的诊断、解决故障。

1 遥测装备故障特性分析

遥测装备主要包括三部分组成：输入设备、传输设备、终端设备。主要包括传感器、变换器、接收天线、记录器、接收机，遥测计算机等。其主要组成如图1、图2。

虽然遥测装备的故障种类繁多，其故障的类型大体分为三种[2]：突发故障：装备自某一时刻开始突然工作不正常，发生时间随机，较难预料，设备可能间接性恢复正常。这类故障一般为某单元模块故障或者通信故障；劣化故障：这种类型的故障由于设备的硬件劣化所引起的故障。一般开始难以发现，主要表现为长时间的降低准确性。这种故障主要表现为发生速度慢、逐渐能发现规律、板卡或器件的性能逐渐衰落，所以这种故障也较难判断原因。

通过大量实践证明，设备故障率随着时间推移呈现出一定的规律。初始故障期：故障率逐渐降低。主要由设备本身的制造问题、材料缺陷、操作失误等造成。偶发故障期：这段时间设备较稳定，故障率不高，是最佳工作期。耗损故障期：这时故障率开始升高，由于设备的使用寿命、磨损问题，设备有效寿命结束。

2 故障树的建立

故障树模型是用逻辑门表示事件和原因之间联系的一种倒树结构。它以浅显易懂的方法描述了系统产生的故障与故障原因之间的所有逻辑关系。其示意图如图3所示。

在利用故障树分析法查找故障，最重要就是建立正确的故障树。这直接影响到判断结果的准确性。因此故障树的建立需要对系统的故障进行深入的了解同时对故障的原因也要进行详细的划分。故障树的建立主要包括以下三个步骤:

1)熟悉系统

在设计故障树之前应首先熟悉系统，了解遥感设备的构成、找出各块之间的联系、设备的工作流程及其原理，然后了解故障的分类、故障的等级、以及每种故障对应的原因。

2)确定故障树的顶事件

寻找出最不希望发生的故障事件，即顶级事件。也就是故障树的起点。

3)构造故障树

从顶事件出发根据事件间的因果关系，然后寻找顶级事件下的次级事件，即可能导致顶级事件的原因。然后寻找次级事件的下级事件，过程类似于上一步。一直按照这种方法直到所有事件纳入故障树。以遥测变频器为例建立故障树模型如图4所示。

在故障树推理中先根据故障不希望程度，找出顶级事件即变频器输出故障。然后由上至下逐个寻找中间事件，即导致顶级事件的原因。形成如图所示的模型。最后依次测试底层事件。图中顶层事件下的顶层事件为变频模块、基准频率、12 V电源。若顶层事件出现故障，依次测试底层事件就可以找到原因。

3 基于神经网络的故障诊断

神经网络通过构成类似人体神经网络的系统，由于神经网络智能技术具有强大自适应学习能力，所以在系统故障诊断上获得了广泛应用。本论文将神经网络应用于遥感设备故障的诊断。神经网络具有很多优点：神经网络的学习能力强，能够在以往出现佝额故障数据中通过学习来获取知识；神经网络能有效的抗噪声干扰，能够快速准确的计算出结果。在设计神经网络时要训练其分辨干扰信息的能力，这样才能准确有效的完成任务。

神经网络是由一系列的处理单元组成，其中的节点叫做神经元，是神经网络处理完成处理工作的最基本组成部分。神经元直接相互连接构成了神经网络模型。模型的构建对故障的诊断起决定性作用。

建立神经网络模型以后需要对遥感设备故障进行设计仿真。把所发生故障的现象信息输入神经网络元；神经网络元根据故障树模型查找出故障原因，然后根据神经网络中的故障样本进行组织、学习；然后确定解决方案。下面以遥测装备变频器为例进行仿真诊断。变频器的故障现象和故障原因如下表1所示。

然后以此进行遥测变频器故障的学习样本，将故障现象和故障原因对应的样本一一输入神经网络，网络通过学习后能够输出准确的原因。直到误差小于设定的值即可。

本系统利用人类故障诊断专家系统总结在装备生产、调试、使用、维修过程中所遇到的各种问题，故障所表现出的现象及解决问题的方法来建立专家知识库。专家系统故障诊断方法，是指计算机在采集被诊断对象的信息后，综合运用各种规则(专家经验)，进行一系列的推理，必要时还可以随时调用各种应用程序，运行过程中向用户索取必要的信息后，就可快速地找到最终故障或最有可能的故障，再由用户来证实。

4 系统软件构建

软件系统是遥测设备故障诊断系统的核心部分，它使系统中各个模块的功能有机结合，系统主要起协调各个模块的作用，并数据传递的过程中起决定作用。这能保证整个系统高效、有序的运行。其软件的基本组成如图6所示。

a)用户界面：为用户提供各种窗口界面，注册用户，修改用户的密码等。允许用户输入各种参数、装备编号，选择不同的系统配置等。

b)输入模块：输入模块即从系统挂载的各种仪器上进行数据采集。首先用软件调用仪器驱动，设置数字示波器、万用表等测试仪器。它根据系统要求进行数据采集。完成数据采集功能，为数据分析、运算、显示提供原始数据。然后进行数据分析，根据数据处理规则，将数据转换成为系统需要的模式，将自检结果输出。

c)控制模块：控制模块是为了满足系统进行诊断所做的各种操作。先是将系统进行检测，保证各种测试仪器能正常采集或测量。以确保系统的正常运行才能进行检测。故障测试诊断模块：执行具体的测试步骤，对诊断过程实时控制，包括使用仪器的采集和测量，测试流程的调整。交换信息，并获取相应的测试结果，如暂停运行、终止程序等。操作人员在执行测试过程中，能够从软件界面中直接观察模拟或数字波形，能够监视系统测试结果的图形显示。当测试项不合格时，测试系统通过多种方式告诉软件操纵者，并通过神经网络提供合适的方案进行故障处理。

d)输出模块：根据系统得出的结果，生成测试报告。主要包括测试的的数据，分析的过程。得出的结果。同时保存到数据库方便神经网络学习，也以便用户查看数据。

软件的核心是软件的工作流程。只有合理的工作顺序才能帮助系统诊断出结果。故障诊断系统故障诊断的流程如图7所示。得到故障消息，进行诊断；首先的保证系统正常能进行检测；然后根据故障树，查找出可能的故障模块，然后进行数据库和网络学习，确定测试方案。然后根据测试方案制定测试流程，进行参数设置，可以选择自动测试或者手动测试；测试之后得出结论是否是这个模块产生问题，直到所有模块测试完毕，然后生成测试报告，故障诊断结束。

5 故障诊断系统实验分析

为了验证诊断系统的正确性，进行了变频器的诊断结果。故障树诊断按照流程通过检测故障树的各个节点中检测点的信号状态来判断故障节点是否正常。在该界面中选择设备类型以及所属分系统或单元，在故障树选项中选择所需的故障树开始进行故障诊断。

在故障诊断过程中，基于故障树模型选择可能的故障模块，利用神经神经对故障模块选择合适的测试信号的对仪器进行检测，对检测出的节点实际数值或者信号频谱、波形与真值进行比对，查找出有故障的节点，然后对故障节点进行故障排除，完成一次基于故障树和智能诊断结合的故障诊断。图8为矢量信号分析仪检测故障树节点结果示意图。