基于专家系统的船舶电力系统故障诊断研究∗

赵磊磊

（江苏科技大学 镇江 212000）

1 引言

随着我国造船业的不断发展，船舶电力系统越来越趋向于大型化和复杂化，船舶电网的发配电模块和负载的复杂度也不断提高，一旦某处发生故障，很大程度上会引起二次故障，这使得轮机员的工作量大大增加，往往很难快速准确地定位到故障点并排除故障，严重影响了船舶作业的稳定性［1～3］。并且，船舶电力设备随着造船业的发展也在不断更新换代，而轮机员的原有知识量很难应对新型设备的故障，因此，很有必要构建出一套能够集成该领域专家知识并且能不断更新知识库的故障诊断专家系统［4～5］，以此提高轮机员的工作效率与准确度，保障船舶作业的连续性。

传统的电力系统故障诊断是根据所研究电力系统的特点建立网络拓扑模型，再求出系统的拓展关联矩阵，根据发生故障时的潮流变化来进行故障的定位，这种基于数学计算的方法由于电力系统的复杂程度和规模日趋扩大，同时受到各方面不确定因素的影响很难达到一个理想的效果［6］。现阶段主要采用智能化的方法来对电力系统进行故障诊断，包括基于信号处理的方法、基于解析模型的方法和基于知识的方法。其中，文献［7］采用了基于解析模型的方法，先分析被诊断对象的特点，然后建立起相应的数学模型，构造出观测器来估计系统的输出，再将各传感器的测量值与估计值进行比较，从而提取出故障信息，这种方法由于建模的困难与发生故障时可能会引起模型结构或参数的变化，影响了其得出结论的准确性。文献［8］采用了基于信号处理的方法，这种方法的优点在于可以规避对复杂模型的建模，直接采用小波变换、相关函数、自回归滑动平均和频谱等模型，对方差、频率、幅值等特征量进行分析，以此来定位故障点，该种方法虽然实现起来比较简单，但是对于微小故障的检测不灵敏，只有当故障发展到一定程度时才有较好的检测效果。文献［9］采用了基于知识的方法，该方法既继承了信号处理不需要建立数学模型的优点，同时又避免了信号处理方法灵敏度不够的缺点，该方法引入了专家特有的诊断知识，能够充分发挥人类专家在诊断过程中的经验和主观性，提高故障诊断的效率与精确度，现如今这种基于知识的诊断已经成为众多科研人员研究的热点。

在以上研究的基础上，结合船舶电力系统的特点，通过分析电力系统可能发生的故障及其产生的原因，对产生的故障进行分类，采用框架式知识来表示电力系统整体的构造，同时使用产生式规则对具体的故障知识进行描述，运用模糊推理来解决推理过程中的不确定性，设计出故障诊断专家系统。本系统结合了多位专家的推理知识以及诊断经验，某些故障的诊断能力甚至能够超越单个专家，经过试验，该专家系统能够对多种故障进行快速准确的诊断。

2 专家系统的总体结构及船舶电力系统的故障分类

2.1 故障诊断专家系统的整体设计

图1 专家系统的整体结构

船舶电力系统故障诊断专家系统主要可分为5个部分，包括：综合数据库、知识库、推理机、解释机和人机交互界面，如图1所示。其工作原理是：用户使用人机交互界面将故障特征输入专家系统，推理机载入规则并与知识库中的知识相匹配，将完成配对的信息送入综合数据库，再通过解释机反馈给用户［10］。专家同样可以通过人机交互界面对知识库中的信息进行升级和维护，使专家系统不断适应设备的更新换代。通过以上操作能够实现对输入的故障进行判断，从而得出诊断结果。

2.2 船舶电力系统故障的分类

船舶电力系统由于其特殊的工作环境以及较为密集的布局，受到环境因素的影响较多，故障现象和故障原因具有一定的随机性与干扰性，本文结合继电保护知识和船舶电气方面专家的经验，对船舶电力系统常见的故障进行分类和总结。本文将所研究的船舶电力系统的故障分为四大类，分别是发电机故障、配电装置故障、电网故障和用电负载故障。其中由于船舶电力系统电缆布线很紧密并且工作环境比较恶劣，电缆外部绝缘层易受腐蚀，所以电网故障是船舶电力系统故障发生最频繁的地方，而电网故障往往又会导致其他部位受损产生二次故障［11～12］，因此在进行故障诊断时优先考虑电网故障。

3 专家系统知识库的构建

知识库和推理机的互相分离是专家系统区别于传统程序的显著特点，知识库用于存储专家系统的各类诊断规则，而推理机用于将输入的故障与知识库中的知识进行对比从而得出诊断结论，知识库与推理机的分离使得在对专家系统进行知识升级时只需修改知识库中的内容而无需修改推理机，这样大大减少了专家系统升级的成本，本专家系统采用Microsoft Access 2008来进行知识库的构建，以实现知识库易于修改和录入的特点［13］。

3.1 知识的表示

本专家系统知识的表示采用框架式和产生式相结合的方法，首先建立所研究电力系统的网络拓扑结构，再采用框架表示法来描述拓扑结构，以此发挥框架式易于表述事物属性及内在联系的优势，同一类型的电力元件拥有相类似的槽包括：框架名、类型描述、继承关系，故障描述、确定性和缺省值，如图2所示。在通过故障现象来诊断故障原因的过程中，本系统使用产生式规则对故障诊断知识进行描述，产生式规则通常可表示为IF P THEN Q＜CF＞，其中P和Q分别对应规则的前提和结论，CF表示置信度，一条规则一般包括规则编号、规则前提、规则结论和置信度，例如：规则11 IF发电机启动失败，且励磁电流接近于零THEN故障原因：励磁电源消失置信度：0.7，其中置信度用于进行不精确推理。

图2 框架式规则

3.2 模糊化规则

根据以往的经验，船舶电力系统在电网部分故障发生地最为频繁，因此对电网故障需要重点分析，通常当输电线路发生接地或者短路故障的时候，往往会出现电压减小或者电流增大的情况，电压电流值和负载特性及故障点与电源的距离密切相关，因而通常用某一阈值来判定电流增大和电压减小的方法在这里并不适用，这里使用模糊规则用于诊断输电线路的故障［14～16］。由于，输电线路在发生故障时，一般不存在电压增大而电流减小的情况，因此采用如图3中的线性隶属函数对电压电流值进行模糊处理，电流正常时的隶属函数为电流为高时的隶例如当电 流值为20A时，u（x）=0.75，即当Ix=20A时，电流正常的可信度为0.75。当电压为低时的隶属函数为当电压值为正常时的隶属函数为即 当 Vx=360V时，电压正常的可信度为0.75，求得的电压电流可信度即为模糊规则的可信度，经过预处理后的电压电流值再与如表1所示的模糊规则相匹配可以得到诊断结果。

4 专家系统的推理机制

4.1 电网模块的推理机制

推理机负责专家系统在故障诊断的过程中如何调用规则，推理机设计的是否完善将直接影响专家系统的推理精度和效率，选用合适的推理策略更能发挥专家系统的优势。根据船舶电力系统的特点，相比较其他类型故障而言，电网模块故障发生的频率最高［17］，因此发生故障时，优先对电网模块进行故障诊断将大大提高专家系统的工作效率，为了提高推理速度，对电网模块故障的推理使用正向推理的方法，专家系统将已知的故障特征信息载入到综合数据库中，再与知识库中的诊断规则进行逐一配对［18～20］，将成功匹配的规则的结论作为新的事实添加到综合数据库中，运用更新后的数据库再次进行匹配，直到得出结论或者没有新知识加入为止。

图3 电压和电流的隶属函数

表1 模糊规则

4.2 其他模块的推理机制

当专家系统对电网模块诊断完成后未找到故障点时，说明故障发生在其他模块，由于此时剩余的设备级故障点已较少，能比较容易地找到故障点，此时可以同时使用正向推理和反向推理的方法，来进一步提高推理的精度，首先运用正向推理来提出故障点的假设，然后通过反向推理证明假设的存在，以此来找到故障点［21］。

5 结语

本文运用专家系统的方法来对船舶电力系统进行故障诊断，针对船舶电力系统的特点，将故障分成四个模块，其中重点分析了电网模块的故障诊断方法。采用框架式结构来描述船舶电网的整体结构以及各模块之间的联系，具体的诊断知识通过产生式规则来描述。同时，对于电网模块故障诊断过程中容易出现的不确定性问题，采用了模糊规则。经过电力系统仿真，本文所设计的船舶电力系统故障诊断专家系统能较为准确地诊断出故障，并提出解决方案。