隋佳君 胡 濤 文昊林

（海軍工程大學(xué)管理工程與裝備經(jīng)濟(jì)系 武漢 430033）

1 引言

故障診斷作為故障預(yù)測和健康管理（Prognostics Health Management，PHM）技術(shù)的關(guān)鍵環(huán)節(jié)，在裝備保障工作中作用顯著。故障診斷技術(shù)是判斷故障定位、故障的影響危害程度、分析故障產(chǎn)生的原因所采用的技術(shù)。其中故障定位方法研究主要有以下幾種思路。

1）通過 FMECA［1～4］與 FTA［5～8］等傳統(tǒng)分析方法，確定系統(tǒng)的薄弱環(huán)節(jié)

FMECA和FTA作為傳統(tǒng)的經(jīng)典故障診斷方法，對系統(tǒng)結(jié)構(gòu)呈現(xiàn)清晰。但其局限性也顯而易見，分析依賴于主觀經(jīng)驗知識，以大量的裝備資料數(shù)據(jù)為基礎(chǔ)，沒有擺脫對于技術(shù)人員經(jīng)驗知識的依賴。這難以滿足復(fù)雜系統(tǒng)故障診斷的需求。

2）通過仿真獲取系統(tǒng)的故障數(shù)據(jù)，分析系統(tǒng)的故障趨勢［9～12］

這種趨勢模型需要有充足的歷史數(shù)據(jù)，才能保證模型的準(zhǔn)確性、完整性，對故障原因解釋性較差，不易判斷故障的根本原因，難以根除故障對系統(tǒng)的危害。

3）建立系統(tǒng)故障傳播模型，研究故障的傳播路徑

故障傳播模型一般為復(fù)雜網(wǎng)絡(luò)結(jié)構(gòu)的有向圖，可表示故障之間關(guān)系，建模方法多樣［13～14］。通過傳播模型與實際比對或按傳播路徑追溯等手段，解決復(fù)雜系統(tǒng)故障定位難的問題。

上述方法在故障在定位研究中各具優(yōu)勢，但局限性也較為明顯。隨著人工智能發(fā)展，智能故障診斷技術(shù)受到廣泛關(guān)注。智能診斷能過快速地對故障定位、隔離，大大提高了故障診斷的效率，提高了設(shè)備的可用度。目前智能體（Agent）技術(shù)在故障診斷中的應(yīng)用大多是按功能實現(xiàn)搭建智能體模塊［15～18］。本文結(jié)合了 Agent技術(shù)的智能性和仿真模型的直觀性等優(yōu)勢，構(gòu)建了基于Agent的故障傳播仿真模型。不同于智能體在故障診斷中的應(yīng)用現(xiàn)狀，模型將系統(tǒng)的各級組成單元視為獨(dú)立的智能體模塊，作為仿真的基本單位。通過智能體關(guān)聯(lián)，相互作用情況研究故障演化的過程。

2 Agent故障傳播模型建立

2.1 復(fù)雜系統(tǒng)的Agent仿真

由于復(fù)雜系統(tǒng)的非線性、隨機(jī)性、參數(shù)時變性等特點，傳統(tǒng)的仿真建模方法存在著模型建立困難、仿真結(jié)果與實際偏差較大等困難。采用基于Agent的建模仿真（Agent-Based Modeling and Simulation，ABMS）方法，能夠使得仿真結(jié)果更接近實際情況，通過對系統(tǒng)組件微觀個體刻畫，能夠捕捉到難以預(yù)測的涌現(xiàn)現(xiàn)象；而且隨著系統(tǒng)的不斷變化，基于Agent的仿真模型根據(jù)變化情況適時調(diào)整，發(fā)現(xiàn)組件間的聯(lián)系與交互行為，研究各個組件性能變化與演化趨勢與整個系統(tǒng)故障間的規(guī)律；此外，科學(xué)技術(shù)發(fā)展使得越來越多設(shè)備呈現(xiàn)為分布式開放的規(guī)模系統(tǒng)，這對診斷系統(tǒng)的自動性和開放性提出了更高的要求，多智能體系統(tǒng)技術(shù)為分布式智能診斷的實現(xiàn)提供了手段，ABMS正是分布仿真的有效方法，可應(yīng)用于大規(guī)模復(fù)雜系統(tǒng)的仿真。

2.2 基于Agent的故障傳播模型建立

基于Agent建立復(fù)雜系統(tǒng)故障仿真模型，目標(biāo)是模擬系統(tǒng)各組成部分性能變化所導(dǎo)致的系統(tǒng)故障演化過程，以此分析引發(fā)系統(tǒng)故障的原因。本小節(jié)按照系統(tǒng)故障現(xiàn)象、系統(tǒng)中設(shè)備故障現(xiàn)象、設(shè)備各組件故障現(xiàn)象建立三級故障現(xiàn)象傳播模型。通過仿真模型可直觀地呈現(xiàn)復(fù)雜同時系統(tǒng)各個層級的故障現(xiàn)象之間存在的關(guān)聯(lián)以及逐級傳遞的邏輯關(guān)系，可以得到各級故障現(xiàn)象發(fā)生所占的比重，以及任意層級故障發(fā)生時對應(yīng)各個組件故障發(fā)生概率，找到故障率高的組件，該組件可以細(xì)化到系統(tǒng)的可更換單元，以便于在故障定位后拆卸更換，在保證裝備恢復(fù)正常運(yùn)行后，對損壞單元再進(jìn)行相應(yīng)的維修更新工作。以此定位不同層級故障對應(yīng)的高風(fēng)險源，在故障診斷時可逐一排查高風(fēng)險源，實現(xiàn)故障定位。

在建模過程中由系統(tǒng)組件的特征分析入手，對組件智能體的屬性進(jìn)行刻畫。通過組件行為模擬以及系統(tǒng)中的關(guān)聯(lián)情況分析，研究由其構(gòu)成的復(fù)雜系統(tǒng)整體變化所涌現(xiàn)的現(xiàn)象。實際中，復(fù)雜系統(tǒng)的故障通常涉及多種因素，而非單一原因所致，考慮到系統(tǒng)故障共因失效的問題，在模型中構(gòu)建“與”和“或”Agent智能模塊連接不同層級的故障現(xiàn)象，解決了故障樹在共因失效分析方面的局限。

本文的故障仿真模型通過Anylogic軟件實現(xiàn)。仿真模型以系統(tǒng)組件的平均故障間隔時間以及維修時間作為輸入條件，通過模擬仿真實際系統(tǒng)中各個對象的行為，計算得出實際系統(tǒng)中不同層級故障現(xiàn)象的發(fā)生比重以及對應(yīng)各組件的故障發(fā)生率。

1）選擇創(chuàng)建智能體

智能體是仿真的基本單位，在復(fù)雜系統(tǒng)故障仿真模型中，將裝備系統(tǒng)各組件設(shè)為智能體，構(gòu)建系統(tǒng)、部件等模塊。分別創(chuàng)建組件智能體、系統(tǒng)智能體、與智能體、或智能體，并創(chuàng)建相應(yīng)的模塊圖標(biāo)。

2）繪制模塊狀態(tài)圖

要使傳播模型直觀地描述狀態(tài)變化情況，為故障定位提供追溯路徑，需繪制智能體模塊狀態(tài)圖，各智能體對應(yīng)的狀態(tài)圖如表1所示。在這里組件智能體以及系統(tǒng)智能體的狀態(tài)只考慮發(fā)生故障和正常運(yùn)行兩種狀態(tài)，與智能體和或智能體包括不會發(fā)生和發(fā)生兩種狀態(tài)。

表1 智能體狀態(tài)圖

3）建立智能體之間的鏈接

分析各級系統(tǒng)及其組成部件之間的影響關(guān)系，以此設(shè)計仿真模塊間的通訊規(guī)則，實現(xiàn)智能體交互。建立部件與系統(tǒng)間的聯(lián)系，創(chuàng)建智能體端口，通過對端口推送信息刻畫狀態(tài)變化的影響關(guān)系，同時由端口發(fā)送和接受信息實現(xiàn)模型中故障概率等相關(guān)變量的計算。

在Main圖中將智能體圖標(biāo)按層次結(jié)構(gòu)和邏輯關(guān)系串聯(lián)，形成整個復(fù)雜系統(tǒng)的仿真模型。本文以三層結(jié)構(gòu)為例構(gòu)建的仿真模型如圖1所示，模型由兩層系統(tǒng)智能體和組件智能體組成，并由“或”智能體和“與”智能體鏈接構(gòu)成。

圖1 故障傳播仿真模型

2.3 仿真模擬

通過建立的故障傳播仿真模型，可以從系統(tǒng)故障現(xiàn)象定位到故障組件。當(dāng)系統(tǒng)故障現(xiàn)象發(fā)生時，由仿真模型計算各個現(xiàn)象發(fā)生的概率可按其對應(yīng)系統(tǒng)組成部分故障的概率值大小，確定較高風(fēng)險源，按照概率值由大到小的順序逐一進(jìn)行檢測排查。若對應(yīng)的高風(fēng)險部件難以直接進(jìn)行檢測，可以根據(jù)各層級故障現(xiàn)象發(fā)生所占比重，逐層分析排查。

如圖2（a）～（f）所示，分別為經(jīng)過1000h、5000h、10000h、15000h、20000h、25000h模擬仿真運(yùn)行的結(jié)果。每一個智能體圖標(biāo)內(nèi)都標(biāo)有故障現(xiàn)象占比，以及故障現(xiàn)象發(fā)生時對應(yīng)組件的故障發(fā)生概率。模型中智能體圖標(biāo)顏色變化反映系統(tǒng)組件的健康狀況變化，圖標(biāo)顯示黃色表示此時該系統(tǒng)或組件處于故障狀態(tài)，可用于故障源追溯。

圖2 仿真實驗結(jié)果

隨著時間的變化，當(dāng)系統(tǒng)出現(xiàn)故障現(xiàn)象時組件故障發(fā)生的概率值趨于穩(wěn)定。當(dāng)仿真時間超過15000h后，子系統(tǒng)F發(fā)生故障現(xiàn)象時對應(yīng)組件的故障發(fā)生率趨于穩(wěn)定，組件D的故障概率趨于0.1500，組件C的故障概率趨于0.4300，組件E的故障概率趨于0.4200；即當(dāng)子系統(tǒng)F出現(xiàn)故障時，組件C發(fā)生故障的概率最大，其次是組件E，組件D發(fā)生故障的可能性最小，在故障診斷時，按照故障發(fā)生概率由大到小的順序?qū)M件進(jìn)行排查，優(yōu)先檢查組件C的健康狀況。但從整個復(fù)雜系統(tǒng)來看，系統(tǒng)D故障時，組件A、B、D故障的概率為1.0000，均需要進(jìn)行檢查維修，由模型圖可以看到組件A、B、D與系統(tǒng)D通過邏輯門“與”智能體連接，為共因失效關(guān)系；D故障時，組件C和組件E的故障發(fā)生率近乎相同。

3 案例分析

3.1 研究對象

以艦船滑油系統(tǒng)為例［19］，建立故障傳播模型，對艦船滑油系統(tǒng)進(jìn)行故障診該滑油系統(tǒng)故障間的邏輯關(guān)系如圖3所示，根據(jù)邏輯關(guān)系圖，搜集整理艦船滑油系統(tǒng)包含的基本組件對應(yīng)的平均故障間隔時間，作為模型的輸入條件，如表2所示。

表2 組件的平均故障間隔時間

圖3 艦船油滑系統(tǒng)

3.2 仿真模型

以滑油系統(tǒng)故障診斷問題為例，構(gòu)建仿真模型如圖3所示，表3即為模型中各個系統(tǒng)智能體的故障現(xiàn)象標(biāo)號說明。

表3 各系統(tǒng)智能體故障現(xiàn)象標(biāo)號

3.3 結(jié)果分析

圖4為系統(tǒng)故障率趨于穩(wěn)定后，仿真時長為20000h的實驗結(jié)果。當(dāng)滑油系統(tǒng)A故障時，基本組件的故障率如表4所示，由仿真數(shù)據(jù)可知當(dāng)滑油系統(tǒng)發(fā)生故障時，組件D29和組件D3故障發(fā)生率較高，分別為0.1200和0.0726；當(dāng)滑油壓力降低B3這一故障現(xiàn)象發(fā)生時，對應(yīng)組件故障率如表5所示，組件D12、組件D15和組件D16的故障率較高，分別為0.1527、0.1133和0.1429。

圖4 試驗仿真結(jié)果

表4 系統(tǒng)A發(fā)生故障時對應(yīng)組件故障發(fā)生率

表5 系統(tǒng)B3發(fā)生故障時對應(yīng)組件故障發(fā)生率

當(dāng)系統(tǒng)檢測到艦船滑油系統(tǒng)出現(xiàn)壓力降低的故障現(xiàn)象時，極大可能由出口至濾油器漏油（D12），滑油濾渣堵塞（D15），進(jìn)出口墊片壞進(jìn)氣漏油（D16）這三種故障所引發(fā)的，需對其進(jìn)行排查維護(hù)，進(jìn)行故障診斷。

4 結(jié)語

針對故障診斷中故障定位問題的研究，構(gòu)建了基于Agent的故障傳播仿真模型。仿真模型的建立能夠使故障傳遞方式及邏輯關(guān)系清晰直觀地呈現(xiàn)，仿真結(jié)果可提供充分、全面的故障信息，有利于提高故障診斷的準(zhǔn)確性。相較于兩種傳統(tǒng)的故障診斷方法，本文構(gòu)建的Agent仿真模型在描述故障模式的多態(tài)性，處理共因失效問題都有一定的優(yōu)勢。不同于故障診斷中智能體應(yīng)用的現(xiàn)有研究，模型對系統(tǒng)各層級系統(tǒng)、組件進(jìn)行刻畫，構(gòu)建相應(yīng)的智能體模塊。以艦船滑油系統(tǒng)故障診斷為例，對模型進(jìn)行深入分析。通過仿真模型能定位高風(fēng)險源，為排查故障組件提供依據(jù)，便于維修保障工作的開展。但是此模型仍未深入分析故障關(guān)聯(lián)等問題，有待進(jìn)一步研究，完善仿真模型。