加注系统在线状态监测及故障诊断方案研究

2020-06-28杨潞锋孙庆国杨晓静

中国新技术新产品 2020年8期

杨潞锋孙庆国董薇杨晓静

（北京特种工程设计研究院，北京 100028）

0 引言

加注系统是发射场地面勤务系统的重要组成部分，主要承担发射前火箭推进剂的安全、精准以及快速加注工作。加注系统一旦发生故障，如何快速进行故障定位、查找故障原因并及时排除故障是一项非常重要的工作。目前在加注过程中如果出现故障，主要依靠岗位人员或专业技术人员，参考“双想”预先制定好的故障预案，结合历史故障经验情况，进行故障排查和处置。因此，非常有必要实时对加注系统关键特性参数进行动态监测，一旦有故障苗头，能及时发现问题。同时，当故障发生时，能够快速查出故障部位，及时有效地进行故障处置。

1 在线状态监测及故障智能诊断系统总体方案设计

由于加注系统设备数量多，系统复杂且故障机理复杂，因此就需要建立一套以专家系统为核心，包括规则库、经验故障库以及故障诊断机在内的在线状态监测和故障智能诊断系统。系统总体功能模块结构如图1 所示。

系统主要包括传感器、实时数据库、故障诊断机、规则库、规则库编辑模块、经验故障库、人工模拟故障编辑模块、输出模块等部分，其基本功能分为3 个部分。

1.1 数据输入

传感器负责采集现场推进剂状态参数信号，并对信号输入实时数据库中，数据库中的处理模块对大量信息进行分类整合，作为状态检测和故障诊断的判断识别源。

1.2 专家系统

规则库、故障诊断机、经验故障库是构成专家系统的3 个部分。规则库中包括加注系统中所有检测到的参数取值范围、各参数间的隶属度函数关系以及各参数之间相互影响的关系规则。经验故障库主要存放领域专家的故障经验知识，包括已发生的故障、各种人工模拟故障以及实际故障与设备操作、参数规则之间的关系等。故障诊断机的功能是采用一定的推理策略从规则库中选择有关规则，结合经验故障库中的相关知识，对实时数据库中采集到的参数进行推理诊断[1-2]。

1.3 结果输出

输出模块包括解释单元和人机界面。解释单元可对推理诊断过程作出解释。人机界面是面对用户的窗口，用于输出图形、文字、语音报警等故障信息和故障处置建议等。

2 在线状态监测及故障智能诊断系统的模块构成

2.1 实时数据库

实时数据库的数据来自传感器，传感器定时（例如每5 s 或每10 s）将探测到的参数信息送入实时数据库一次。实时数据库保存和记录实时数据和以往历史数据，以备推理诊断所用。根据加注系统的数据特点，实时数据库中数据可表示为：

泵状态{入口压力P1;出口压力P2;流量Q;电流I;电压V;泵体温度T;泵噪声S;入口压力范围[P3,P4];出口压力范围[P5,P6];流量范围[Q1,Q2];电流范围[I1,I2];泵体温度范围[T1,T2];泵噪声范围[S1,S2];};

气动球阀状态{阀门开启信号K1;阀门关闭信号K2;阀门开闭时间t;阀前压力P1;阀后压力P2; 汽缸压力范围[P1，P2];}等。

2.2 规则库

图1 在线故障诊断专家系统功能模块结构图

专家系统的诊断规则存储在规则库中，规则库可通过规则库编辑模块进行规则的扩充和修改。这样诊断系统的功能就会随着规则库的丰富而增强[3]。规则库的设计重点是诊断规则的表示方法，一种规则的表示方法实际上就是一种数据结构，就是把规则用一种数据结构关联起来，以便计算机能够接受、存储和修改。诊断规则的表达方法有很多，从加注系统的实际情况来看，可采用以下3 种表示方法。

2.2.1 条件/结论表示法

其基本思想是把规则表示成“条件—结论”的因果关系对。表达格式为：

R# IF A, THEN B;式中：R#为规则号，A 为条件，B 为结论。表示当A 为真时，则有结果B。例如：

R01 IF 阀门开启信号K1=0,THEN 阀门未打开;

R02 IF 阀门开启信号K1=1,THEN 阀门已打开;

这种表示法由前提条件和结论2 个部分组成，自然直观，接近人的思维和交流方式，易于理解，便于人们掌握和接受。但加注系统中往往会出现：当条件A 为真时，可能会出现结果B1，也可能会出现B2，甚至可能出现结果B3。这种出现结果不确定性的规则，无法直接用条件/结果表示法直接表示。因此，提出了下面的基于权重分配的条件/结果表示法。

法院经审理后认为，赵某诉称刘某家的狗曾扑到其身上，刘某表示认可，但否认狗伤人的事实时并未提供相关证据予以佐证，根据赵某提供的次日就诊病历及医疗费发票，可认定刘某家的狗伤害赵某的事实。刘某作为动物饲养人未尽到管理家犬的义务，从而导致本案事故发生，且赵某不存在过错，故刘某应对赵某的损失承担全部责任，遂依法判处刘某赔偿赵某医疗费等支出1000余元。

2.2.2 基于权重分配的条件/结果表示法

这种规则的表示形式是：

R# IF A; THEN [B,CF(B,A)];

式中：R#为规则号，A 为条件，B 为结果，CF（B，A）表示当A 为真时，结果为B 的概率或者权重。CF（B，A）的取值范围为[0，1]，值越大说明权重越大，表示相应的规则越为真。当值为1 时，表示相应的规则为真，当值为0 时，表示相应的规则为假。例如：

R03 IF 进箭前压力表数值P1＞1.0MPa, THEN(过滤器堵塞，0.8);

基于权重分配的表示法往往带有较强的主观性与经验性，但在处理经验性和实践性较强的故障时，其仍是一个有效的方法。

2.2.3 基于模糊逻辑关系的条件/结果表示法

在加注系统运行的过程中，经常会有这样的判断，例如“泵噪声偏大，则加注泵可能发生气蚀”“加注泵入口压力过低，则泵入口过滤器堵塞”等。这些规则中的条件和结果很难用精确的数字表示，只能借用模糊逻辑概念加以叙述。模糊逻辑不需要建立条件和结论的精确数学模型，只要求把现场操作人员的经验和结论，总结成具有一定关系的逻辑语言，再形成规则。其表示形式为：

R# IF A, THEN B;式中：A、B 分别是条件和结论，和前面叙述的一样。但不同的是A、B 均是模糊概念量，例如：

R05 IF 泵噪声偏大, THEN 泵可能发生气蚀;

2.3 故障诊断机

故障诊断机是专家系统推理诊断的核心，其在一定的推理策略下，根据实时数据库中当前被测的参数状态，调用规则库中与当前被测参数有关的规则进行分析、推理和诊断，同时还要用到经验故障库中已发生过的故障数据，进行反复推理和诊断，直到推出结论为止。加注系统故障诊断机的推理方式设计为2 种，即正向推理和反向推理。

正向推理就是逐条搜索规则库，把动态数据库中被测参数与规则库中每一条具体规则的条件，逐条进行比对和匹配。如果条件不匹配、不吻合，则放弃该规则，如果条件匹配吻合，则执行该规则。通过反复执行上述过程，直至推出诊断结论。加注系统故障诊断的正向推理可分为4 种比对方法。1）与历史正常加注过程中关键参数的过程曲线进行比对。从加注实时动态数据库中提取关键参数动态曲线，与历史正常曲线进行对比，从而进行状态监测和故障诊断。2）与历史正常运行状态数据人工定义的正常阈值进行对比。把采集到的关键设备加注过程动态参数与正常设定阈值进行对比、诊断。3）把采集到的同一性质的参数进行对比。如：进行主流量计和备用流量计的参数对比，流量计参数与火箭液位信号参数对比等。4）与设备的使用寿命和规定的检定标定有效期进行对比。把设备当前的工作时间数据与设备寿命数据，以及与设备规定的检定标定有效期数据进行对比。

反向推理是先假定已经推理出诊断结果，然后反向搜索规则，找出对应的具体规则。反向推理是在假定结果的引导下，从规则库中找到答案。加注系统故障诊断的反向推理是把实时动态被测的参数与经验故障库中的数据进行匹配，根据库中已发生故障的数据，先大致假定某种故障，然后再从规则库中逐条验证故障是真还是假存在。

2.4 经验故障库

经验故障库用于存储和管理推理诊断所用到的专家经验知识，主要包括故障事实、已经发生的故障数据、人工模拟故障数据等。经验故障库具有存储、检索、编辑、增删、修改和扩充功能。故障诊断专家系统的反向推理能力很大程度上取决于经验故障库内所含的已知故障的数量和质量，已知故障数据的获取是通过人工模拟故障编辑模块，从专家那里获得知识，即与岗位人员、技术人员等专业人员面谈，对专业人员的故障知识进行分析整理后，以计算机能理解的形式输入故障库中。