聞源長，郭建斌，張曉康

（1.杭州市蕭山區(qū)農機水利局，浙江 杭州 31 1 2 5 1；2.河海大學能源與電氣學院，江蘇 南京 2 1009 8）

基于貝葉斯推理機診斷液壓油缸爬行故障研究

聞源長1，郭建斌2，張曉康2

（1.杭州市蕭山區(qū)農機水利局，浙江 杭州 31 1 2 5 1；2.河海大學能源與電氣學院，江蘇 南京 2 1009 8）

應用貝葉斯推理機的后驗概率，模糊定量化液壓油缸爬行故障與產生故障影響因素之間的相關性趨勢。液壓油缸爬行故障的診斷應用表明，貝葉斯推理機對底事件驅動后驗失效概率呈現0.03% ～ 10.93%分布，有效指向故障原因按密封圈失效導致進氣、導向壓條過緊導致摩擦力不均等次序排列，更好地保障工程可靠運行。

液壓油缸；故障診斷；貝葉斯網絡；推理機

1 問題的提出

液壓系統(tǒng)的故障診斷和維修是一項復雜的經驗性工作，隨著計算機技術、人工智能技術的迅速發(fā)展，專家系統(tǒng)在液壓技術領域故障診斷中的研究與應用逐漸得到重視。挖掘、組織、利用專家經驗進行有效的故障診斷，一直是國內外相關研究的重要方向。

貝葉斯推理機制是一種基于貝葉斯網絡，依據一定的規(guī)則從已有的事實推出結論的機制，對于解決復雜設備不確定性和關聯(lián)性引起的故障有很大的優(yōu)勢，在多個領域中獲得廣泛應用。商業(yè)銀行全面風險預警中利用貝葉斯推理機，測算各類誘因對商業(yè)銀行全面風險的影響，以幫助銀行采取措施化解風險[1]；京滬高速鐵路建設項目中，運用貝葉斯網絡方法研究,建立質量管理風險因素的貝葉斯推理機模型，提高了高速鐵路建設的質量管理風險分析的針對性和可控性[2]；電液伺服動作器可靠性分析中，利用系統(tǒng)功能邏輯關系建立貝葉斯網絡可靠性評估模型，可有效提高器件的可靠性[3]。

本文應用貝葉斯推理機方法，計算出系統(tǒng)故障概率和底事件重要度分布情況，模糊定量化液壓油缸爬行故障與產生故障影響因素之間相關性趨勢的后驗概率，有效指向故障發(fā)生原因、部位，以及相應解決措施等?；谪惾~斯推理機的液壓油缸爬行故障診斷，具有重要的工程現實意義。

2 貝葉斯推理機的基本理論

2.1 貝葉斯推理機概述

貝葉斯推理機（Bayesian Network，BN）是屬于圖模型范疇中一種，通過分析各種知識之間的相關性概率，提示各層數據之間的相互關系，是人工智能中處理不確定問題的有力工具。簡單貝葉斯推理機模型圖見圖1。由圖1可知，通過各層節(jié)點、有向弧段對應的條件后驗概率表（CPT），從而形成故障可能性概率分析的診斷推理機，從而對故障發(fā)生原因、部位，以及相應解決措施形成有效指向。

圖1 簡單貝葉斯推理機模型圖

2.2 貝葉斯推理機相關算法

推理機(Inference Engine)是專家系統(tǒng)中實現基于知識推理的部件，是基于知識的推理實現，主要包括推理和控制2個方面，依據一定的規(guī)則從已有的事實推出結論的過程。知識的運用模式稱為推理方式，知識的選擇稱之為推理控制，核心是推理控制策略[4]。

貝葉斯推理機，推理算法按以下3種模式[5]進行：

（1）因果推理。因果推理是一種自上而下的推理，利用掌握的根節(jié)點先驗概率，沿有向弧段進行正向推理，確定葉節(jié)點的發(fā)生概率。記為

（2）診斷推理。診斷推理是在已知結論的條件下，推導可能導致該結論產生的事件發(fā)生概率。該模式應用于故障診斷中，在掌握故障事實的條件下，去求解原因節(jié)點的后驗概率。在圖1中，分析在Fault_B發(fā)生的條件下，Symptom_1發(fā)生的可能性大小，即求解P ( S1 = T | FB = T )，得到P ( S1 = T | FB = T ) = P ( FB = T, S1 = T ) /P ( FB = T )。

（3）解釋推理。解釋推理囊括了以上2種模式，是對產生現象說明解釋的一種推理模式，用于分析導致結論發(fā)生的事件之間相互影響程度。通常利用Kevin p.murphy開發(fā)的在Matlab上運行的FullBNT - 1.04開源包，開展貝葉斯推理機計算。

3 貝葉斯推理機對液壓油缸爬行故障診斷

3.1 液壓油缸故障分類

對液壓油缸故障，按系統(tǒng)層故障和元件層故障進行分類，常見故障模式見表1。

表1 液壓啟閉機常見故障模式表

3.2 液壓油缸故障的貝葉斯推理機

以“液壓油缸系統(tǒng)故障”作為頂事件，按自上而下、逐層次建立系統(tǒng)層故障與元件層故障間的關聯(lián)樹[6]。在分析總結液壓油缸結構特點、功能需求的基礎上，以故障概率的后驗概率為條件，計算出系統(tǒng)故障概率和底事件重要度分布，形成故障有序排查的系統(tǒng)故障診斷推理機（見圖2）。可以明確1個故障頂事件A1，17個故障中間事件B1、B2、…、B17等，24個底事件C1、C2、…、C24，相關節(jié)點定義見表2。

表2 液壓油缸爬行故障推理機節(jié)點定義表

圖2 液壓油缸爬行故障貝葉斯推理機模型圖

3.3 液壓油缸爬行故障的貝葉斯推理機診斷

依據液壓油缸故障的貝葉斯推理機模型，首先，獲取液壓油缸爬行故障的底事件模糊失效概率[7]，以及轉化各個節(jié)點的條件概率集；其次，導入這些信息到Matlab文件；然后，通過工具箱FullBNT - 1.04上完成貝葉斯推理機的推理診斷。

（1）底事件后驗概率結果分析。獲取液壓油缸爬行故障的各底事件后驗概率（見表3）。為直觀掌握各個底事件的后驗概率情況，建立底事件后驗概率統(tǒng)計特性圖（見圖3）。

圖3 底事件后驗概率統(tǒng)計特性圖

表3 底事件后驗概率值表

由圖3可知，在底事件中，C15、C16、C11、C13、C14等的后驗概率偏大，C15（液壓油缸密封圈失效）后驗概率最大。因此，當液壓油缸發(fā)生爬行故障時，宜首先檢測C15；如果不是，則繼續(xù)向下查找，直到找出故障原因為止。

（2）底事件重要度計算。底事件的重要度是指底事件（根節(jié)點）對于頂事件發(fā)生的影響程度，表現為發(fā)生概率重要度和關鍵性重要度[8]，按公式(1)、(2)計算確定。獲取液壓油缸爬行故障的各底事件概率重要度和關鍵性重要度后驗概率（見表4 ～ 5）。為直觀掌握各個底事件關鍵重要度情況，建立底事件關鍵重要度統(tǒng)計特性（見圖4）。

式中：Iipr為底事件概率重要度；Iist為底事件關鍵重要度；P(T = 1 | Xi= 1)為條件概率。

表4 底事件概率重要度表

表5 底事件關鍵重要度表

圖4 底事件關鍵重要度統(tǒng)計特性圖

由圖4可知，在底事件關鍵重要度中，C15、C16、C14、C11明顯偏大，為降低液壓缸爬行故障發(fā)生率，在生產、設計、安裝調試過程中，提高這些底事件的可靠度，將有利于系統(tǒng)整體可靠性的提高。

（3）節(jié)點后驗概率計算結果分析。頂事件“液壓油缸爬行 — A1”，究竟來源于“油源故障引起的爬行 —B1”，還是“控制油路故障引起的爬行 — B2”或者“液壓缸自身引起的爬行 — B3”，由各節(jié)點后驗概率確定。各節(jié)點后驗概率分別為：P(B1 = 1 | A1 = 1)= 0.167 1、P(B2 = 1 | A1 = 1) = 0.325 7、P(B3 = 1 | A1 = 1)= 0.558 0。液壓油缸爬行故障，按照誘因所屬的后概率可能指向，最大可能來源于液壓油缸自身，其次是控制油路和油源。因此故障發(fā)生時，推理機診斷宜按B3 → B2 → B1的次序逐項排除解決，避免不必要地大卸大拆。

（4）故障貝葉斯推理機結論。應用貝葉斯推理機的后驗概率，模糊定量化液壓啟閉機常見故障與產生故障影響因素之間的相關性趨勢，明確系統(tǒng)指向薄弱環(huán)節(jié)，為保障系統(tǒng)正常運行、故障分析提供較為可靠的依據；各部件的后驗概率成果，有效指向故障診斷次序，使得工程故障診斷更加高效[7]。

4 結 語

（1）貝葉斯推理機對底事件驅動后驗失效概率計算，有效指向液壓油缸爬行的故障診斷、故障排除次序，較好滿足高效診斷的工程需要。

（2）貝葉斯推理機正向推理計算維修后的系統(tǒng)可靠性指標，對液壓系統(tǒng)的可靠性設計和故障診斷具有較好的指導作用。

[1] 陸靜，王捷．基于貝葉斯網絡的商業(yè)銀行全面風險預警系統(tǒng)[J]．系統(tǒng)工程理論與實踐，2012，32(2)：225 - 235．

[2] 周國華，彭波．基于貝葉斯網絡的建設項目質量管理風險因素分析 — 以京滬高速鐵路建設項目為例[J]．中國軟科學，2009(9)：99 - 106．

[3] 李乃鑫，陸中，周伽．電液伺服作動器可靠性評估的貝葉斯網絡方法[J]．西北工業(yè)大學學報，2016，34(5)：915 - 920．

[4] 王亞南．專家系統(tǒng)中推理機制的研究與應用[D]．武漢：武漢理工大學，2006．

[5] 厲海濤，金光，周經倫，等．貝葉斯網絡推理算法綜述[J]．系統(tǒng)工程與電子技術，2008，30(5)：935 - 939．

[6] 陳東寧，姚成玉，王斌．貝葉斯網絡在液壓系統(tǒng)可靠性分析中的應用[J]．液壓與氣動，2012(7)：58 - 61．

[7] 陳東寧，姚成玉．基于模糊貝葉斯網絡的多態(tài)系統(tǒng)可靠性分析及在液壓系統(tǒng)中的應用[J]． 機械工程學報， 2012 (16)：175 - 183．

[8] 陳正，李華旺，常亮． 基于故障樹的專家系統(tǒng)推理機設計[J]．計算機工程，2012，38(11)：228 - 230．250．

（責任編輯 黃 超）

Research on diagnosis of creeping fault in hydraulic cylinder based on Bayesian inference engine

WEN Yuan - chang1，GUO Jian - bin2，ZHANG Xiao - kang2
(1. The Off i ce of Agricultural Machinery And Water Conservancy，Hangzhou 311251，Zhejiang，China；2.The College of Energy and Electrical Engineering，Hohai University，Nanjing 210098，Jiangsu，China)

The application of Bayesian inference machine posterior probability，fuzzy correlating the trend between creeping fault of hydraulic cylinder and the inf l uencing factors.The diagnosis of hydraulic cylinder creeping fault shows that bottom event driven posterior failure probability of the Bayesian inference engine is between 0.03% ～ 10.93%，according to the possible fault causes seal failure caused intake、guide lead to uneven friction tight layering in order，making the security and reliability of engineering better.

hydraulic cylinder；fault diagnosis；Bayesian network；inference engine

TH137

A

1008 - 701X(2017)04 - 0033 - 04

10.13641/j.cnki.33 - 1162/tv.2017.04010

2017-02-20

水利部技術示范項目(SF - 201723)；江蘇省水利科技項目(2014027)。

聞源長(1984 - )，男，工程師，碩士，主要從事水利工程的建設管理工作。E - mail：155374121@qq.com