舰船电力系统的故障诊断研究

王紫叶，王沐雪

（三峡大学 电气与新能源学院，湖北 宜昌 443002）

0 引 言

舰船电力系统通常处在较为顽劣的舰船船内环境中，在运行过程中承受严苛的考验。舰船电力系统故障诊断系统是现代舰船机舱中的主要软设备之一，但目前针对舰船电力系统方面的事故断定装置较少。随着科技的发展，舰船电力系统结构日益复杂化和智能化，仅仅依靠船舶上的人员解决先进复杂的电力系统故障变得困难。因此，实现船舶电力系统故障诊断的智能化是舰船自动化的新课题。

舰船电力系统故障诊断的智能化方法[1-8]主要包括专家系统、模糊Petri网、蚁群算法和人工蜂群算法等。本文针对这四种算法在舰船电力系统故障诊断中的应用进行概述，剖析这些算法在事故断定中存在的问题，最后对未来故障诊断智能化的发展[9]进行展望。

1 舰船电力系统故障诊断方法的发展现状

1.1 基于专家系统的故障诊断

舰船电力系统故障问题与专家系统具有的属性有很多相似点。用户使舰船电网故障特征输入专家系统构建知识库，推理机载入规则，再与知识库的知识比较，将相似的信息传入综合数据库，最后通过解释机送达用户。专家可以更新知识库中的信息，让专家系统适应设备功能升级的变化。采取上述操作能完成利用专家系统的故障诊断，鉴别输入的故障，得出诊断结论。

文献[3]运用专家系统的方法对舰船电力系统进行事故断定，根据船舶电力系统的特点和舰船电气类专家的经验，把故障分成四个模块。通过立体式结构，表现船舶电力网络的构架和每个模块与其他模块之间的关系，再以产生式规则的方式体现诊断信息。对电网模块故障判定中易发生的可能问题，可运用模糊规则。基于专家系统的故障诊断能得出较为准确的诊断，同时可以提出相应的解决方案。

1.2 基于模糊Petri网的故障诊断

Petri网既可以通过直观的图形表示组合模型，也可以用严谨的数学描述方式。舰船电力系统故障属于离散事件的动态系统，电力系统故障通过系统中各级电压、各种保护行为得以体现，将实体和对应的事故序列联系，将舰船电力系统事故切除，其进程与一系列时间活动的组成相类似。通过融合舰船电力系统故障过程的特点，利用Petri网变迁过程的特性引入模糊理论，可以建立对舰船电力系统进行更加精准的故障诊断。

文献[4]利用Petri网的属性，引用模糊推理，运用基于模型的事故推断，建立基于模糊Petri网的模型，从而进行更加科学准确的故障分析。模糊Petri网中的模糊推理是具有可信度的模糊推理，条件和变迁是构成模糊Petri网动态系统的两个主要因素。系统中行为发生的过程称作变迁，用逻辑表达系统的状态称为条件。其中，如果被条件约束的变迁被激发，会发生某些后验条件成立而某些前提条件失效的情况。系统的最开始状态是Petri网的初始标识的体现，而变迁的激发过程是指在模糊Petri网中的移动标识，体现了系统状态改变的过程。因果关系型的事件与产生式规则是它的动态性能的优良表现。如果在变迁激发中有一些同时符合变迁的激发条件，那么这些变迁将一起被激发。可见，模糊Petri网具有并发性，可以更好地解决多故障并发问题。基于模糊Petri网的故障诊断具有较好的模型描述性，逻辑推理具有很强的图形直观性，能在汇集的征兆信息中快速有效诊断出故障。

1.3 基于蚁群算法的故障诊断

蚁群算法通过模拟蚂蚁寻找食物发现最优路径来解决复杂的优化问题。模拟蚂蚁的信息素是蚁群算法的要点，可以看作是状态量，即舰船电力系统中各种设备的性能指标。另外，状态变量受分布式网络的限制，每一个网络节点的信息素受它所处的位置影响，还与时间有关。在舰船电力系统网络诊断的训练进程中，蚂蚁算法能辨别各种舰船故障模式，以此持续修正所获得的知识，并对各知识依照类别分开。每个蚂蚁通过信息素进行知识交流，依照接受程度，各条通路所需的信息素量被不断调节。在船舶电力系统故障判定上，蚁群算法通过概率方式来辨别与行动，寻找最佳方向，使蚂蚁一直处于最大概率故障的道路，继而对电力系统网络故障进行最准确的诊断。

文献[6]采用蚁群算法进行舰船电力系统事故诊断，提出了改进的基于信息素的故障搜索诊断算法，引入最优-最差蚂蚁算法的概念，大大提高了事故处理的效率。基于蚁群算法的故障诊断的核心是根据数学算法来识别电力故障类型，需要对发电机的转子、电磁场以及线圈建立数学模型，然后把获得的电网参数看成变量带入模型，再建立瞬态方程来增加模型的精准性，使模型能迅速表现舰船的动态特性。

基于蚁群算法的故障诊断能在复杂网络中快速定位故障位置，并能找到最好的解决方法。

1.4 基于人工蜂群算法的故障诊断

人工蜂群算法通过模拟蜂群的智能采蜜行为找到舰船电力系统故障发生点。根据蜜蜂所分得的工作，蜜蜂进行采蜜活动，通过共享交流蜜源消息，找到问题的最佳解决方法。其中，运用观察蜂按概率选择对某蜜蜂进行察看，使算法迭代速度更快，收敛速率高。利用侦查蜂任意搜寻蜂巢周边食物源的特性，人工蜂群算法不局限于选择局部最佳方案。这些特性使得通过人工蜂群算法建立的舰船电力系统诊断模型能更快获得精准的故障点。

文献[7]采用人工蜂群算法对舰船电力系统事故断定，首先确定电力事故判别的对象，并深入分析船舶电力系统的故障类型，编码各种设备的事故类别。其次，在断路器动作的期望值和继电器动作期望值计算原理的基础上，构建故障诊断模型。基于人工蜂群算法的故障诊断在故障诊断上具有收敛速率高、实用性高以及鲁棒性好等特点。

2 故障诊断面临的问题和发展趋势

根据故障诊断研究现状、实现条件以及实际需求等因素可以看出，目前还存在许多难题待解决。目前，所用的舰船电力系统故障诊断模型与实体相比，较方便研究，但实际情况系统更加复杂，问题更多，未来需要对更加复杂的电力系统进行故障诊断。另外，以上算法对舰船电力系统进行电力故障判定时对所获得的消息数据缺少判别，只能在获得的数据准确的条件下进行。

3 结 论

舰船电力系统的故障诊断是关系保障舰船运行的重要问题。面对日益复杂的舰船电力系统，已经提出了许多种基于智能算法的舰船事故判定方法，但各方法也存在弊端，所以需要结合不同故障诊断方法来克服它们在故障诊断应用中的缺点。舰船电力系统的故障诊断的发展主要是多种算法联合、多信息交融、多智能体协同等，从而向增强快速性、智能性、整体性和准确性的方向发展。