汪劍俠,石 媛
?
故障樹(shù)和神經(jīng)網(wǎng)絡(luò)在遙測(cè)裝備故障中的研究
汪劍俠,石 媛
(武漢船用電力推進(jìn)裝置研究所,武漢430064)
論文通過(guò)分析遙測(cè)裝備的故障特性及其原因,結(jié)合對(duì)遙測(cè)裝備變頻單元故障樹(shù)的定性和定量分析。構(gòu)建了基于故障樹(shù)的人工神經(jīng)網(wǎng)絡(luò)故障診斷斷系統(tǒng),根據(jù)系統(tǒng)編寫了相應(yīng)的程序以實(shí)現(xiàn)功能。通過(guò)實(shí)例驗(yàn)證了方法的實(shí)用性和有效性,增強(qiáng)了遙測(cè)設(shè)備的智能故障診斷能力。
遙測(cè)裝備 故障診斷 故障樹(shù) 神經(jīng)網(wǎng)絡(luò)
隨著遙測(cè)裝備的集成度提高、性能加強(qiáng)、復(fù)雜度增加。遙感設(shè)備故障的種類越來(lái)越多、故障程度越來(lái)越復(fù)雜,因此對(duì)故障進(jìn)行準(zhǔn)確的診斷也變得困難。隨著故障診斷系統(tǒng)理論不斷發(fā)展和成熟,出現(xiàn)了一系列可靠可實(shí)現(xiàn)的故障診斷理論。比如專家系統(tǒng)診斷、人工神經(jīng)網(wǎng)絡(luò)診斷、模式識(shí)別診斷、故障樹(shù)診斷、模糊診斷等等。雖然研究成果豐碩,但是由于診斷理論的適用情況和遙測(cè)設(shè)備不盡相同,所以目前在遙測(cè)設(shè)備的故障診斷這一塊還沒(méi)有非常有效的理論和方法。由于工程應(yīng)用中對(duì)大部分故障診斷還是采用簡(jiǎn)單的點(diǎn)到點(diǎn)檢測(cè)模式,有效性和實(shí)用性非常低。本論文進(jìn)行理論上的創(chuàng)新與應(yīng)用,將人工神經(jīng)網(wǎng)絡(luò)診斷與故障樹(shù)診斷相結(jié)合,以適應(yīng)遙測(cè)設(shè)備故障的特點(diǎn)。利用神經(jīng)網(wǎng)絡(luò)能不斷學(xué)習(xí)的特點(diǎn),以及故障樹(shù)準(zhǔn)確查錯(cuò)的特性來(lái)有效的解決遙測(cè)技術(shù)的故障問(wèn)題。系統(tǒng)來(lái)說(shuō)還是以故障樹(shù)理論為基礎(chǔ)進(jìn)行的構(gòu)建和設(shè)計(jì),由上到下逐級(jí)建立建樹(shù)并根據(jù)事件聯(lián)系。然后利用利用神經(jīng)網(wǎng)絡(luò)進(jìn)行查錯(cuò),對(duì)每個(gè)模塊設(shè)計(jì)相應(yīng)的診斷方案。的通過(guò)分析找到造成設(shè)備故障的原因。最后也通過(guò)神經(jīng)的學(xué)習(xí)特性解決故障。因此,采用故障樹(shù)分析法是故障診斷的基礎(chǔ),然后將神經(jīng)網(wǎng)絡(luò)結(jié)合能夠很好的診斷、解決故障。
遙測(cè)裝備主要包括三部分組成:輸入設(shè)備、傳輸設(shè)備、終端設(shè)備。主要包括傳感器、變換器、接收天線、記錄器、接收機(jī),遙測(cè)計(jì)算機(jī)等。其主要組成如圖1、圖2。
雖然遙測(cè)裝備的故障種類繁多,其故障的類型大體分為三種[2]:突發(fā)故障:裝備自某一時(shí)刻開(kāi)始突然工作不正常,發(fā)生時(shí)間隨機(jī),較難預(yù)料,設(shè)備可能間接性恢復(fù)正常。這類故障一般為某單元模塊故障或者通信故障;劣化故障:這種類型的故障由于設(shè)備的硬件劣化所引起的故障。一般開(kāi)始難以發(fā)現(xiàn),主要表現(xiàn)為長(zhǎng)時(shí)間的降低準(zhǔn)確性。這種故障主要表現(xiàn)為發(fā)生速度慢、逐漸能發(fā)現(xiàn)規(guī)律、板卡或器件的性能逐漸衰落,所以這種故障也較難判斷原因。
通過(guò)大量實(shí)踐證明,設(shè)備故障率隨著時(shí)間推移呈現(xiàn)出一定的規(guī)律。初始故障期:故障率逐漸降低。主要由設(shè)備本身的制造問(wèn)題、材料缺陷、操作失誤等造成。偶發(fā)故障期:這段時(shí)間設(shè)備較穩(wěn)定,故障率不高,是最佳工作期。耗損故障期:這時(shí)故障率開(kāi)始升高,由于設(shè)備的使用壽命、磨損問(wèn)題,設(shè)備有效壽命結(jié)束。
故障樹(shù)模型是用邏輯門表示事件和原因之間聯(lián)系的一種倒樹(shù)結(jié)構(gòu)。它以淺顯易懂的方法描述了系統(tǒng)產(chǎn)生的故障與故障原因之間的所有邏輯關(guān)系。其示意圖如圖3所示。
在利用故障樹(shù)分析法查找故障,最重要就是建立正確的故障樹(shù)。這直接影響到判斷結(jié)果的準(zhǔn)確性。因此故障樹(shù)的建立需要對(duì)系統(tǒng)的故障進(jìn)行深入的了解同時(shí)對(duì)故障的原因也要進(jìn)行詳細(xì)的劃分。故障樹(shù)的建立主要包括以下三個(gè)步驟:
1)熟悉系統(tǒng)
在設(shè)計(jì)故障樹(shù)之前應(yīng)首先熟悉系統(tǒng),了解遙感設(shè)備的構(gòu)成、找出各塊之間的聯(lián)系、設(shè)備的工作流程及其原理,然后了解故障的分類、故障的等級(jí)、以及每種故障對(duì)應(yīng)的原因。
2)確定故障樹(shù)的頂事件
尋找出最不希望發(fā)生的故障事件,即頂級(jí)事件。也就是故障樹(shù)的起點(diǎn)。
3)構(gòu)造故障樹(shù)
從頂事件出發(fā)根據(jù)事件間的因果關(guān)系,然后尋找頂級(jí)事件下的次級(jí)事件,即可能導(dǎo)致頂級(jí)事件的原因。然后尋找次級(jí)事件的下級(jí)事件,過(guò)程類似于上一步。一直按照這種方法直到所有事件納入故障樹(shù)。以遙測(cè)變頻器為例建立故障樹(shù)模型如圖4所示。
在故障樹(shù)推理中先根據(jù)故障不希望程度,找出頂級(jí)事件即變頻器輸出故障。然后由上至下逐個(gè)尋找中間事件,即導(dǎo)致頂級(jí)事件的原因。形成如圖所示的模型。最后依次測(cè)試底層事件。圖中頂層事件下的頂層事件為變頻模塊、基準(zhǔn)頻率、12 V電源。若頂層事件出現(xiàn)故障,依次測(cè)試底層事件就可以找到原因。
神經(jīng)網(wǎng)絡(luò)通過(guò)構(gòu)成類似人體神經(jīng)網(wǎng)絡(luò)的系統(tǒng),由于神經(jīng)網(wǎng)絡(luò)智能技術(shù)具有強(qiáng)大自適應(yīng)學(xué)習(xí)能力,所以在系統(tǒng)故障診斷上獲得了廣泛應(yīng)用。本論文將神經(jīng)網(wǎng)絡(luò)應(yīng)用于遙感設(shè)備故障的診斷。神經(jīng)網(wǎng)絡(luò)具有很多優(yōu)點(diǎn):神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能力強(qiáng),能夠在以往出現(xiàn)佝額故障數(shù)據(jù)中通過(guò)學(xué)習(xí)來(lái)獲取知識(shí);神經(jīng)網(wǎng)絡(luò)能有效的抗噪聲干擾,能夠快速準(zhǔn)確的計(jì)算出結(jié)果。在設(shè)計(jì)神經(jīng)網(wǎng)絡(luò)時(shí)要訓(xùn)練其分辨干擾信息的能力,這樣才能準(zhǔn)確有效的完成任務(wù)。
神經(jīng)網(wǎng)絡(luò)是由一系列的處理單元組成,其中的節(jié)點(diǎn)叫做神經(jīng)元,是神經(jīng)網(wǎng)絡(luò)處理完成處理工作的最基本組成部分。神經(jīng)元直接相互連接構(gòu)成了神經(jīng)網(wǎng)絡(luò)模型。模型的構(gòu)建對(duì)故障的診斷起決定性作用。
建立神經(jīng)網(wǎng)絡(luò)模型以后需要對(duì)遙感設(shè)備故障進(jìn)行設(shè)計(jì)仿真。把所發(fā)生故障的現(xiàn)象信息輸入神經(jīng)網(wǎng)絡(luò)元;神經(jīng)網(wǎng)絡(luò)元根據(jù)故障樹(shù)模型查找出故障原因,然后根據(jù)神經(jīng)網(wǎng)絡(luò)中的故障樣本進(jìn)行組織、學(xué)習(xí);然后確定解決方案。下面以遙測(cè)裝備變頻器為例進(jìn)行仿真診斷。變頻器的故障現(xiàn)象和故障原因如下表1所示。
然后以此進(jìn)行遙測(cè)變頻器故障的學(xué)習(xí)樣本,將故障現(xiàn)象和故障原因?qū)?yīng)的樣本一一輸入神經(jīng)網(wǎng)絡(luò),網(wǎng)絡(luò)通過(guò)學(xué)習(xí)后能夠輸出準(zhǔn)確的原因。直到誤差小于設(shè)定的值即可。
本系統(tǒng)利用人類故障診斷專家系統(tǒng)總結(jié)在裝備生產(chǎn)、調(diào)試、使用、維修過(guò)程中所遇到的各種問(wèn)題,故障所表現(xiàn)出的現(xiàn)象及解決問(wèn)題的方法來(lái)建立專家知識(shí)庫(kù)。專家系統(tǒng)故障診斷方法,是指計(jì)算機(jī)在采集被診斷對(duì)象的信息后,綜合運(yùn)用各種規(guī)則(專家經(jīng)驗(yàn)),進(jìn)行一系列的推理,必要時(shí)還可以隨時(shí)調(diào)用各種應(yīng)用程序,運(yùn)行過(guò)程中向用戶索取必要的信息后,就可快速地找到最終故障或最有可能的故障,再由用戶來(lái)證實(shí)。
軟件系統(tǒng)是遙測(cè)設(shè)備故障診斷系統(tǒng)的核心部分,它使系統(tǒng)中各個(gè)模塊的功能有機(jī)結(jié)合,系統(tǒng)主要起協(xié)調(diào)各個(gè)模塊的作用,并數(shù)據(jù)傳遞的過(guò)程中起決定作用。這能保證整個(gè)系統(tǒng)高效、有序的運(yùn)行。其軟件的基本組成如圖6所示。
a)用戶界面:為用戶提供各種窗口界面,注冊(cè)用戶,修改用戶的密碼等。允許用戶輸入各種參數(shù)、裝備編號(hào),選擇不同的系統(tǒng)配置等。
b)輸入模塊:輸入模塊即從系統(tǒng)掛載的各種儀器上進(jìn)行數(shù)據(jù)采集。首先用軟件調(diào)用儀器驅(qū)動(dòng),設(shè)置數(shù)字示波器、萬(wàn)用表等測(cè)試儀器。它根據(jù)系統(tǒng)要求進(jìn)行數(shù)據(jù)采集。完成數(shù)據(jù)采集功能,為數(shù)據(jù)分析、運(yùn)算、顯示提供原始數(shù)據(jù)。然后進(jìn)行數(shù)據(jù)分析,根據(jù)數(shù)據(jù)處理規(guī)則,將數(shù)據(jù)轉(zhuǎn)換成為系統(tǒng)需要的模式,將自檢結(jié)果輸出。
c)控制模塊:控制模塊是為了滿足系統(tǒng)進(jìn)行診斷所做的各種操作。先是將系統(tǒng)進(jìn)行檢測(cè),保證各種測(cè)試儀器能正常采集或測(cè)量。以確保系統(tǒng)的正常運(yùn)行才能進(jìn)行檢測(cè)。故障測(cè)試診斷模塊:執(zhí)行具體的測(cè)試步驟,對(duì)診斷過(guò)程實(shí)時(shí)控制,包括使用儀器的采集和測(cè)量,測(cè)試流程的調(diào)整。交換信息,并獲取相應(yīng)的測(cè)試結(jié)果,如暫停運(yùn)行、終止程序等。操作人員在執(zhí)行測(cè)試過(guò)程中,能夠從軟件界面中直接觀察模擬或數(shù)字波形,能夠監(jiān)視系統(tǒng)測(cè)試結(jié)果的圖形顯示。當(dāng)測(cè)試項(xiàng)不合格時(shí),測(cè)試系統(tǒng)通過(guò)多種方式告訴軟件操縱者,并通過(guò)神經(jīng)網(wǎng)絡(luò)提供合適的方案進(jìn)行故障處理。
d)輸出模塊:根據(jù)系統(tǒng)得出的結(jié)果,生成測(cè)試報(bào)告。主要包括測(cè)試的的數(shù)據(jù),分析的過(guò)程。得出的結(jié)果。同時(shí)保存到數(shù)據(jù)庫(kù)方便神經(jīng)網(wǎng)絡(luò)學(xué)習(xí),也以便用戶查看數(shù)據(jù)。
軟件的核心是軟件的工作流程。只有合理的工作順序才能幫助系統(tǒng)診斷出結(jié)果。故障診斷系統(tǒng)故障診斷的流程如圖7所示。得到故障消息,進(jìn)行診斷;首先的保證系統(tǒng)正常能進(jìn)行檢測(cè);然后根據(jù)故障樹(shù),查找出可能的故障模塊,然后進(jìn)行數(shù)據(jù)庫(kù)和網(wǎng)絡(luò)學(xué)習(xí),確定測(cè)試方案。然后根據(jù)測(cè)試方案制定測(cè)試流程,進(jìn)行參數(shù)設(shè)置,可以選擇自動(dòng)測(cè)試或者手動(dòng)測(cè)試;測(cè)試之后得出結(jié)論是否是這個(gè)模塊產(chǎn)生問(wèn)題,直到所有模塊測(cè)試完畢,然后生成測(cè)試報(bào)告,故障診斷結(jié)束。
為了驗(yàn)證診斷系統(tǒng)的正確性,進(jìn)行了變頻器的診斷結(jié)果。故障樹(shù)診斷按照流程通過(guò)檢測(cè)故障樹(shù)的各個(gè)節(jié)點(diǎn)中檢測(cè)點(diǎn)的信號(hào)狀態(tài)來(lái)判斷故障節(jié)點(diǎn)是否正常。在該界面中選擇設(shè)備類型以及所屬分系統(tǒng)或單元,在故障樹(shù)選項(xiàng)中選擇所需的故障樹(shù)開(kāi)始進(jìn)行故障診斷。
在故障診斷過(guò)程中,基于故障樹(shù)模型選擇可能的故障模塊,利用神經(jīng)神經(jīng)對(duì)故障模塊選擇合適的測(cè)試信號(hào)的對(duì)儀器進(jìn)行檢測(cè),對(duì)檢測(cè)出的節(jié)點(diǎn)實(shí)際數(shù)值或者信號(hào)頻譜、波形與真值進(jìn)行比對(duì),查找出有故障的節(jié)點(diǎn),然后對(duì)故障節(jié)點(diǎn)進(jìn)行故障排除,完成一次基于故障樹(shù)和智能診斷結(jié)合的故障診斷。圖8為矢量信號(hào)分析儀檢測(cè)故障樹(shù)節(jié)點(diǎn)結(jié)果示意圖。
軟件顯示診斷結(jié)果與實(shí)際故障情況吻合良好,表明將故障樹(shù)診斷模型和神經(jīng)網(wǎng)絡(luò)智能診斷相結(jié)合的方法正確,同時(shí)診斷流程合理。所以診斷結(jié)果正確可以用于遙測(cè)設(shè)備的診斷。
本文通過(guò)分析遙測(cè)裝備的故障特性,將神經(jīng)網(wǎng)絡(luò)技術(shù)和故障樹(shù)模型相結(jié)合,利用故障樹(shù)的查錯(cuò)思想及神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)特性。設(shè)計(jì)了合理的診斷流程。并完成了軟件編寫。并通過(guò)建模仿真,驗(yàn)證了診斷思想的正確性。該故障診斷系統(tǒng)大大提高了遙測(cè)裝備故障檢測(cè)診斷的效率和準(zhǔn)確性,對(duì)其他裝備的故障診斷研究具有參考價(jià)值。
[1] 安晨亮. 故障樹(shù)原理在故障診斷中的應(yīng)用[J]. 導(dǎo)彈與航天運(yùn)載技術(shù), 2009,(1):48-51.
[2] 武征,李樹(shù)國(guó). 采用虛擬儀器技術(shù)實(shí)現(xiàn)靶場(chǎng)遙測(cè)系統(tǒng)診斷測(cè)試. 第八屆全國(guó)遙感遙測(cè)遙控學(xué)術(shù)研討會(huì)論文集, 2002.
[3] 施珍珠,張瑋.虛擬儀器技術(shù)[J].國(guó)外電子測(cè)量技術(shù), 2002, (1):17-20.
[4] 賴彪, 周健. 基于C/S模式的測(cè)控裝備故障診斷系統(tǒng)研制[J]. 國(guó)外電子測(cè)量技術(shù),2011,4:47-50.
[5] 楊奕飛,周江,周承斌. 航天測(cè)控設(shè)備智能故障診斷系統(tǒng)設(shè)計(jì)[J]. 電視技術(shù), 2009,24(464): 54-58.
[6] J.R.Taylor, An algorithm for fault Tree construction. IEEE Transaction on reliability, 1998,(31): 137-146.
[7] R Remenyte.J D Abdrews. A simple component connection aporoach for fault tree conversion to binary decision diagram.2006.
[8] 蔡宗平,湯正平,閔海波. 故障樹(shù)分析法的專家系統(tǒng)在故障診斷中應(yīng)用. 2006, (8-1): 135-137.
Research on Telemetry Equipment’s Fault Diagnosis Based on Fault Tree And Neural Networks
Wang Jianxia, Shi Yuan
(Wuhan Institute of Marine Electric Propulsion, Wuhan 430064, China)
TM93
A
1003-4862(2017)05-0020-04
2016-12-09
汪劍俠(1965-),男,高級(jí)工程師。研究方向:遙測(cè)技術(shù)。