張曉東，許寶杰，吳國新，左云波

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

（北京信息科技大學 現(xiàn)代測控教育部重點實驗室，北京 100192）

0 引言

隨著現(xiàn)代社會的不斷發(fā)展，人類對能源的依賴越來越大，同時我們也面臨的能源利用與環(huán)境保護的巨大壓力。一方面，以煤、石油等化石燃料的儲量隨著開采不斷減少，且日漸枯竭；另一方面，化石燃料的大量使用也造成了嚴重的環(huán)境污染。基于這些原因開發(fā)可再生能源成為了各國新能源發(fā)展戰(zhàn)略和環(huán)境保護的重大舉措。而風能作為一種蘊藏較為豐富的可再生綠色能源引起了廣泛關注。目前，世界各國都在投入大量人力、物力開發(fā)風能和研究風力發(fā)電技術，因此風力發(fā)電行業(yè)得到了快速發(fā)展，風力發(fā)電機的裝機數(shù)量不斷增加，但因其工作環(huán)境惡劣，極易發(fā)生各種故障，對其進行快速有效的故障診斷維修成為亟待解決的問題。

1 風力發(fā)電機組原理和結構

風力發(fā)電機組工作原理是風流掠過風輪，使風輪按設定的方向旋轉，從而將風能轉換成風輪的旋轉機械能，再通過機艙內部的主軸、齒輪箱等傳動機構將風輪的旋轉機械能傳遞給發(fā)電機，最終由發(fā)電機將旋轉的機械能轉化為電能，最終實現(xiàn)風力發(fā)電。

風力發(fā)電機機型很多，水平軸風力發(fā)電機因其風能利用效率高、控制方便等諸多優(yōu)點，逐漸成為現(xiàn)代風力發(fā)電機的主流機型。目前，水平軸風力發(fā)電機組均采用了上風向、水平軸、三葉片結構，其技術目前也最為成熟。

水平軸風力發(fā)電機組主要是由風輪、機艙、塔筒、塔基四部分組成。機艙是風力發(fā)電機組的核心部件，主要由傳動系統(tǒng)、制動系統(tǒng)、發(fā)電機、冷卻系統(tǒng)、偏航系統(tǒng)、變槳系統(tǒng)和中心控制柜等組成。傳動系統(tǒng)是由主軸軸承、主軸、增速齒輪箱和聯(lián)軸器等部件組成。風力發(fā)電機組結構如圖1所示。

2 專家系統(tǒng)

專家系統(tǒng)[1～3]（Expert System，ES）是模擬人類專家的推理決策過程，通過有效地獲取專家們具有的知識、經(jīng)驗、技能等并將其綜合編成計算機程序，再根據(jù)其進行推理和判斷，對監(jiān)測和診斷對象的運行狀態(tài)和故障做出智能判斷決策。其具有學習能力和自動獲取診斷信息能力，且具有很強的適應性和靈活性。專家系統(tǒng)一般由知識庫、推理機、數(shù)據(jù)庫、解釋器、知識獲取和人機接口六個部分組成，如圖2所示。

圖2 專家系統(tǒng)基本結構

1）知識庫用來儲存領域專家的經(jīng)驗和知識。專家系統(tǒng)通過知識庫中的知識來模擬領域專家的思維方式對提出的問題進行求解，因此知識庫的完備程度決定該專家系統(tǒng)性能的好壞。

2）推理機根據(jù)已知條件，采用某種規(guī)則和策略使專家系統(tǒng)進行有效地推理并得出最終診斷結果。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實向結論推理的過程，根據(jù)已知的事實，利用推理規(guī)則進行推理匹配，再把剛得到的結論作為一個新的已知事實，再進行推理匹配，最終得出結論；反向推理是由目標結論到支持目標結論的事實的推理，也稱為目標驅動策略，先假設目標結論存在，然后判斷此假設目標存在的前提條件是否能與已知的征兆信息匹配，若匹配則假設成立，否則把該前提作為子目標重復上述過程；正反向混合推理是根據(jù)正向推理得出假設，然后利用假設反向推理，如此反復，最終得出結論。

3）解釋器是用來對用戶提出的問題和專家系統(tǒng)診斷推理過程做出明確的解釋。

4）數(shù)據(jù)庫用于儲存需要解決問題的原始數(shù)據(jù)、推理過程中的中間結果及最終結論。數(shù)據(jù)庫只在系統(tǒng)運行期間產(chǎn)生和變化，所以也稱為動態(tài)數(shù)據(jù)庫。數(shù)據(jù)庫在組織表示等方面與知識庫中的知識相一致，以便推理機能使用數(shù)據(jù)庫中的數(shù)據(jù)和知識庫中的知識去求解問題。

5）知識獲取就是從實際信息中總結出所需的知識，如事實、規(guī)則等，并把它們轉換為符合計算機知識表示的形式。知識獲取就是為專家系統(tǒng)建立一個完善有效的知識庫，來滿足求解實際問題的需要，其基本內容有知識抽取、知識轉換、知識輸入、知識檢測等。

6）人機接口能使用戶和系統(tǒng)進行對話，使用戶能輸入必要的數(shù)據(jù)、提出問題和了解推理過程及診斷結果，包括用于故障診斷的交互界面及故障診斷知識庫管理的后臺管理界面。

3 風力發(fā)電機組故障診斷專家系統(tǒng)系統(tǒng)設計

3.1 系統(tǒng)框架設計

圖3 風力發(fā)電機組故障診斷專家系統(tǒng)框架

該風力發(fā)電機組故障診斷專家系統(tǒng)使用C#語言，ASP.NET平臺開發(fā)，系統(tǒng)數(shù)據(jù)庫使用SQL Server 2008數(shù)據(jù)庫，使用ADO.NET技術訪問數(shù)據(jù)庫系統(tǒng)。為了使系統(tǒng)具有良好的可擴展性和可移植性，系統(tǒng)框架主要有四個層次：采集層、數(shù)據(jù)層、中間層、用戶表示層，如圖3所示，這樣降低了系統(tǒng)的耦合性,增加系統(tǒng)的構件化水平,使系統(tǒng)各層之間分工明確。采集層是風力發(fā)電機組狀態(tài)信號的獲取單元，由傳感器和無線數(shù)據(jù)采集卡組成。傳感器放置在風力發(fā)電機組的各個測試點上，實現(xiàn)被測對象振動、轉速、溫度、電壓和電流信號的采集，再將傳感器采集到的信號送入無線采集卡中，并實現(xiàn)信號的轉換、去噪、放大、儲存并無線發(fā)送等工作；數(shù)據(jù)層就是數(shù)據(jù)庫，將采集層和中間層相連，采集到的數(shù)據(jù)經(jīng)過處理后存放到數(shù)據(jù)層，用戶可以進行管理和訪問；中間層是一個操作系統(tǒng)，主要包括服務器的配置、網(wǎng)站部署、數(shù)據(jù)訪問層、業(yè)務邏輯層和用戶權限。用戶表示層是指用戶可以通過手機或者電腦等終端進行風力發(fā)電機組故障診斷。

3.2 知識庫設計

3.2.1 風力發(fā)電機組故障和故障現(xiàn)象知識

風力發(fā)電機組結構復雜、工作環(huán)境惡劣，容易產(chǎn)生故障。根據(jù)風力發(fā)電機組的故障歷史數(shù)據(jù)知其故障主要集中在齒輪箱、發(fā)電機、低速軸、高速軸、葉片等關鍵部件?，F(xiàn)僅列舉其一部分常見故障、故障現(xiàn)象及其故障原因，如表1所示。

3.2.2 知識庫的管理

專家系統(tǒng)是一種知識增長型的系統(tǒng)，而且知識庫的完備程度決定了專家系統(tǒng)性能的好壞，因此必須通過不斷更改完善專家系統(tǒng)知識庫中的知識來提高專家系統(tǒng)性能，使專家系統(tǒng)解決問題的能力越來越強。所以必須做好知識庫的管理工作，確保系統(tǒng)具有好的性能。知識庫的管理是對專家系統(tǒng)知識庫進行維護，對知識庫中的知識的不斷增加、更新、刪除和修改等操作，使知識更加完整，更符合實際使專家系統(tǒng)的診斷更加準確。

知識庫的管理首先要保證知識庫的安全性，防止誤操作，通過用戶權限設置只允許系統(tǒng)管理員對知識庫進行各種操作。其次通過故障診斷信息反饋將專家系統(tǒng)進行的實際診斷情況如診斷結果正確與否及時地反饋給系統(tǒng)管理員，系統(tǒng)管理員根據(jù)診斷的實際情況分析總結，再對專家系統(tǒng)的知識庫進行必要的更新。

3.3 故障知識的表示和推理

知識的表示形式[3,4]有產(chǎn)生式表示法、語義網(wǎng)絡表示法和框架表示法等，產(chǎn)生式規(guī)則是專家系統(tǒng)中應用較多的表示形式。產(chǎn)生式規(guī)則將專家的知識利用規(guī)則集合表示，一般寫成以IF A THEN B的形式，A是前提條件，B是結論，條件與結論均可以通過邏輯運算AND、OR、NOT進行復合。本系統(tǒng)主要采用產(chǎn)生式規(guī)則推理，并結合使用主觀貝葉斯方法推理，對規(guī)則無法解決的問題使用主觀貝葉斯方法后驗概率進行推理?；谝?guī)則的推理是對確定性事實的精確推理，而對需要處理不確定性的事實的推理即在證明結論所必需的證據(jù)還不知道的推理就用主觀貝葉斯推理算法[3,4]。對不確定性的事實雖然可以通過測試得到一個可靠的結論，但這樣也會需要更多的時間和開支，而在這期可能導致更大的事故，因此為提高推理效率利用主觀貝葉斯方法后驗概率對某些比較確定但沒有驗證的不確定事實進行推理。

表1 風力發(fā)電機組部分常見故障現(xiàn)象及原因

先驗概率：故障Gi為真的概率P(Gi)。

后驗概率：也稱事后概率，即癥狀Z發(fā)生后，故障Gi為真的概率P(Gi|Z),。

1）單故障征兆模型的后驗概率計算

圖4 故障征兆模型

在圖4(a)中，對于初始一級的征兆G是確定性征兆。根據(jù)條件概率的定義，當P(B)＞0時，則有：P(A|B)=P(A∩B)/P(B)，所以在故障預測中，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情況下有：

以上式（1）、式（2）兩式聯(lián)立有：

在圖4(a)中，對于中間層次的征兆M則是不確定的征兆，根據(jù)條件全概率公式有：

而由式（3）可知：

將式（5）代入式（4）得：

因此，對規(guī)則M→H：若已知，規(guī)則可信度P(H|M)=W；M的先驗概率P(M)；H的先驗概率P(H)；M的后驗概率Y(M)；則由式（6）可得到故障H的后驗概率為：

2）多故障征兆模型的后驗概率計算

在故障診斷中，通常有多個故障征兆對應同一個故障，如圖4(b)所示。若Y1(H),Y2(H),…,Yn(H)分別為各條規(guī)則導出的故障H的后驗概率，則后驗概率Y(H)的計算公式為：

3.4 人機交互界面

3.4.1 登陸界面

該風力發(fā)電機組故障診斷專家系統(tǒng)可以通過WEB瀏覽器進行登陸。所有操作者當輸入正確的用戶名和密碼，才能進入系統(tǒng)的故障診斷界面，登陸界面如圖5所示。

圖5 登陸界面

3.4.2 故障診斷界面

成功登錄系統(tǒng)以后，點擊故障診斷按鈕就進入到故障診斷模塊，故障診斷界面如圖6所示，輸入故障現(xiàn)象后進行故障診斷，并將診斷結果顯示出來，用戶點擊診斷結果反饋按鈕將該次故障診斷情況反饋給系統(tǒng)管理員。

圖6 故障診斷界面

圖7 診斷結果反饋界面

3.4.3 診斷結果反饋界面

用戶點擊診斷結果反饋按鈕就進入診斷結果反饋界面，如圖7所示。用戶根據(jù)實際情況將該次專家系統(tǒng)的故障診斷情況反饋給系統(tǒng)管理員，以便對系統(tǒng)知識庫進行管理。

4 結論

計算機科學技術和人工智能技術的不斷發(fā)展為機械設備診斷提供了新的思路。通過對風力發(fā)電機組故障診斷專家知識進行總結，并使用ASP.NET平臺開發(fā)和SQL Server 2008數(shù)據(jù)庫，構建風力發(fā)電機組故障診斷專家系統(tǒng)，實現(xiàn)了風力發(fā)電機組故障的在線診斷。由于故障經(jīng)驗知識積累的原因，編制的專家系統(tǒng)知識庫還不夠完善，需要與有現(xiàn)場經(jīng)驗的專家進行交流獲取知識，來不斷完善該專家系統(tǒng)的知識庫，以提高該專家系統(tǒng)故障診斷能力。

[1]鄂加強.智能故障診斷及其應用[M].長沙:湖南大學出版社,2006.

[2]張梅軍.機械狀態(tài)檢測與故障診斷[M].北京:國防工業(yè)出版社,2008.

[3]沈慶根,鄭水英.設備故障診斷[M].北京:化學工業(yè)出版社,2006.

[4]史忠植.知識工程[M].北京:清華大學出版社,1988.

[5]楊炳儒.知識工程與知識發(fā)現(xiàn)[M].北京:冶金工業(yè)出版社,2000.