韓延喆，劉波峰，張 俊，向 陽(yáng)，卓思成

（1.湖南大學(xué)電氣與信息工程學(xué)院，湖南 長(zhǎng)沙 410082;2.長(zhǎng)沙易達(dá)儀器有限公司湖南長(zhǎng)沙 410082）

0 引言

離心機(jī)是一種在工業(yè)生產(chǎn)中應(yīng)用非常廣泛的高速旋轉(zhuǎn)機(jī)械，超速離心機(jī)是轉(zhuǎn)速大于30000r/min的高性能離心機(jī)。實(shí)際使用時(shí)，轉(zhuǎn)子在封閉的環(huán)境下高速旋轉(zhuǎn)，經(jīng)歷這樣的高負(fù)荷運(yùn)行，長(zhǎng)時(shí)間后即會(huì)出現(xiàn)轉(zhuǎn)子不平衡、不對(duì)中和轉(zhuǎn)軸磨損等一系列機(jī)械故障，并由此引發(fā)異常振動(dòng)，使其故障率增高，影響生產(chǎn)和操作人員的安全性［1］。目前，國(guó)內(nèi)對(duì)于離心機(jī)的故障診斷主要采用人工感官和簡(jiǎn)單儀表診斷，存在診斷效果差、耗時(shí)長(zhǎng)、準(zhǔn)確性低等問(wèn)題。因此，研究一種超速離心機(jī)專用的故障診斷專家系統(tǒng)是十分必要的，可以有針對(duì)性的對(duì)超速離心機(jī)運(yùn)行過(guò)程中出現(xiàn)的各種故障進(jìn)行及時(shí)的診斷。

專家系統(tǒng)是一個(gè)智能計(jì)算機(jī)程序系統(tǒng)，能夠利用人類專家的知識(shí)和解決問(wèn)題的方法來(lái)處理該領(lǐng)域問(wèn)題。專家系統(tǒng)是一個(gè)具有大量的專門知識(shí)與經(jīng)驗(yàn)的程序系統(tǒng)，它應(yīng)用人工智能技術(shù)和計(jì)算機(jī)技術(shù)，根據(jù)某領(lǐng)域一個(gè)或多個(gè)專家提供的知識(shí)和經(jīng)驗(yàn)，進(jìn)行推理和判斷，模擬人類專家的決策過(guò)程，以便解決那些需要人類專家處理的復(fù)雜問(wèn)題。專家系統(tǒng)一般由知識(shí)庫(kù)、推理機(jī)、知識(shí)獲取機(jī)構(gòu)、解釋機(jī)制、綜合數(shù)據(jù)庫(kù)和人機(jī)界面組成［2］。專家系統(tǒng)常用的推理方法有基于規(guī)則的推理方法、基于人工神經(jīng)網(wǎng)絡(luò)的推理方法、基于模糊理論的推理方法與基于貝葉斯網(wǎng)絡(luò)的推理方法等。其中基于貝葉斯網(wǎng)絡(luò)的推理方法具有對(duì)知識(shí)庫(kù)的依賴性小、知識(shí)表達(dá)簡(jiǎn)單、容易處理不確定性數(shù)據(jù)等特點(diǎn)［3］，所以，本文選擇該方法作為超速離心機(jī)故障診斷專家系統(tǒng)的推理方法。

1 系統(tǒng)組成

超速離心機(jī)故障診斷專家系統(tǒng)原理如圖1所示，主要由以下幾個(gè)部分組成:

1）知識(shí)庫(kù):包含以規(guī)則形式編碼的解決問(wèn)題的領(lǐng)域?qū)＜抑R(shí)。知識(shí)表示方法有很多種，包括產(chǎn)生式、語(yǔ)義網(wǎng)、框架、邏輯等方法。產(chǎn)生式知識(shí)表示方法是在專家系統(tǒng)中用得最多的一種知識(shí)表示方法。用產(chǎn)生式方法表示知識(shí)，由于各產(chǎn)生式規(guī)則之間是獨(dú)立的模塊，這對(duì)系統(tǒng)的修改、擴(kuò)充特別有利。另外，產(chǎn)生式知識(shí)表示與人們很多思維習(xí)性十分吻合。

2）推理機(jī):以知識(shí)庫(kù)中的已有知識(shí)為根據(jù)，推理出結(jié)論。采用貝葉斯網(wǎng)絡(luò)推理方法進(jìn)行正向推理。

圖1 超速離心機(jī)故障診斷專家系統(tǒng)原理圖Fig 1 Principle diagram of ultracentrifuge’s fault diagnosis expert system

3）綜合數(shù)據(jù)庫(kù):用來(lái)存儲(chǔ)初始數(shù)據(jù)、實(shí)時(shí)數(shù)據(jù)以及計(jì)算過(guò)程中產(chǎn)生的數(shù)據(jù)。

4）解釋機(jī)制:解釋機(jī)制是指專家系統(tǒng)對(duì)用戶所需求的概念和系統(tǒng)的行為像領(lǐng)域?qū)＜乙粯幼龀鐾ㄋ滓锥慕忉?，同時(shí)領(lǐng)域?qū)＜铱赏ㄟ^(guò)解釋系統(tǒng)了解系統(tǒng)的運(yùn)行狀況。

5）知識(shí)獲取:為用戶建立的一個(gè)知識(shí)自動(dòng)輸入方法，以代替知識(shí)工程師去編碼知識(shí)。

6）人機(jī)界面:用戶和專家系統(tǒng)軟件界面之間的通信交互機(jī)構(gòu)。

本系統(tǒng)采用Windows XP作為軟件開(kāi)發(fā)平臺(tái)，數(shù)據(jù)庫(kù)系統(tǒng)采用SQL Server 2000數(shù)據(jù)庫(kù)軟件開(kāi)發(fā)，采用VC++為軟件開(kāi)發(fā)語(yǔ)言。

2 貝葉斯網(wǎng)絡(luò)

貝葉斯網(wǎng)絡(luò)是一種概率網(wǎng)絡(luò)，它是基于概率推理的圖形化網(wǎng)絡(luò)，而貝葉斯公式則是這個(gè)概率網(wǎng)絡(luò)的基礎(chǔ)。貝葉斯網(wǎng)絡(luò)是基于概率推理的數(shù)學(xué)模型，所謂概率推理就是通過(guò)一些變量的信息來(lái)獲取其他的概率信息的過(guò)程，基于概率推理的貝葉斯網(wǎng)絡(luò)是為了解決不確定性和不完整性問(wèn)題而提出的，它對(duì)于解決復(fù)雜設(shè)備不確定性和關(guān)聯(lián)性引起的故障有很大的優(yōu)勢(shì)，在多個(gè)領(lǐng)域中獲得廣泛應(yīng)用。

設(shè)A為故障征兆，Bi（i=1，2，…，n）為導(dǎo)致A產(chǎn)生的n種互不相容且完備的故障集，由貝葉斯公式可知

其中，P（Bi）為先驗(yàn)概率，P（Bi︱A）為后驗(yàn)概率［4］。貝葉斯網(wǎng)絡(luò)就是要依靠先驗(yàn)概率和節(jié)點(diǎn)的條件概率來(lái)計(jì)算后驗(yàn)概率，從而得出在某故障征兆發(fā)生的情況下，引起該征兆的各種故障原因的概率。

3 貝葉斯網(wǎng)絡(luò)的建立和推理方法

超速離心機(jī)故障包括轉(zhuǎn)子故障、電機(jī)故障、控制電路故障及機(jī)械故障等。其中有關(guān)轉(zhuǎn)子方面的故障占全部故障總數(shù)的70%。

所以，本文以轉(zhuǎn)子故障為例建造貝葉斯網(wǎng)絡(luò)，并說(shuō)明推理方法。

貝葉斯網(wǎng)絡(luò)是一個(gè)有向無(wú)環(huán)圖，由節(jié)點(diǎn)和有向弧組成，其中節(jié)點(diǎn)代表論域中的變量，有向弧代表變量之間的關(guān)系。一個(gè)貝葉斯網(wǎng)絡(luò)可以反映出變量之間的定性信息，也可以反映出定量信息。定性信息由有向弧來(lái)反映，定量信息由變量之間的關(guān)系強(qiáng)度來(lái)表示，它由節(jié)點(diǎn)與其父節(jié)點(diǎn)之間的條件概率來(lái)表示［5］。

貝葉斯網(wǎng)絡(luò)的建造是一個(gè)復(fù)雜的任務(wù)，需要知識(shí)工程師和領(lǐng)域?qū)＜业膮⑴c。在實(shí)際應(yīng)用中可能是反復(fù)交叉進(jìn)行且不斷完善的。超速離心機(jī)故障診斷應(yīng)用的貝葉斯網(wǎng)絡(luò)的構(gòu)建所需要的信息來(lái)自多種渠道，如，設(shè)備手冊(cè)、生產(chǎn)過(guò)程、測(cè)試過(guò)程、維修資料以及專家經(jīng)驗(yàn)等。一般地，構(gòu)建貝葉斯網(wǎng)絡(luò)結(jié)構(gòu)的過(guò)程包括2個(gè)步驟，首先利用先驗(yàn)知識(shí)構(gòu)建先驗(yàn)貝葉斯網(wǎng)絡(luò);之后結(jié)合已有數(shù)據(jù)并進(jìn)行計(jì)算，得到后驗(yàn)貝葉斯網(wǎng)絡(luò)［5］。

圖2為離心機(jī)轉(zhuǎn)子系統(tǒng)故障的貝葉斯網(wǎng)絡(luò)模型，表1為離心機(jī)轉(zhuǎn)子系統(tǒng)故障的貝葉斯網(wǎng)絡(luò)表。圖2列舉出的轉(zhuǎn)子的各種故障全部來(lái)源于領(lǐng)域?qū)＜业慕?jīng)驗(yàn)，以及離心機(jī)生產(chǎn)技術(shù)手冊(cè)和說(shuō)明書(shū)等，這些故障并不是轉(zhuǎn)子系統(tǒng)的全部故障癥兆，僅僅為常見(jiàn)故障，具有代表性，是為了說(shuō)明貝葉斯網(wǎng)絡(luò)推理方法。根據(jù)專家經(jīng)驗(yàn)和現(xiàn)場(chǎng)工人的實(shí)際統(tǒng)計(jì)，根節(jié)點(diǎn)Ri的概率和各子節(jié)點(diǎn)Sj的條件概率都可給出如下，這需要領(lǐng)域?qū)＜液拖嚓P(guān)工作人員在大量數(shù)據(jù)和實(shí)驗(yàn)中總結(jié)出來(lái)［6］。

根據(jù)式（1）可以計(jì)算出在各征兆發(fā)生時(shí)，由哪個(gè)故障原因引起的概率，例如

其中

圖2 超速離心機(jī)轉(zhuǎn)子系統(tǒng)故障的貝葉斯網(wǎng)絡(luò)模型Fig 2 Bayesian network model of ultracentrifuge’s rotor system

表1 超速離心機(jī)轉(zhuǎn)子系統(tǒng)故障貝葉斯網(wǎng)絡(luò)表Tab 1 Bayesian network table of ultracentrifuge’s rotor system

所以，帶入公式計(jì)算出P（R2|S2）=43.5%。其他概率也可同理計(jì)算出，如表2。

表2 超速離心機(jī)轉(zhuǎn)子系統(tǒng)故障原因概率表Tab 2 Fault reason probability table of ultracentrifuge’s rotor system

由表2可知，當(dāng)S1故障征兆發(fā)生時(shí)，由R1引起的可能性為62.3%，R2，R3與S1無(wú)關(guān)，其他與之同理。這就得出了需要的故障診斷結(jié)果。

4 結(jié)果驗(yàn)證與仿真

某離心機(jī)生產(chǎn)工廠對(duì)1000臺(tái)出廠的離心機(jī)做運(yùn)行狀況測(cè)試發(fā)現(xiàn):有42臺(tái)離心機(jī)在運(yùn)行過(guò)程中出現(xiàn)1倍頻幅值過(guò)大的故障，經(jīng)過(guò)檢測(cè)，其中8臺(tái)離心機(jī)的故障為轉(zhuǎn)子彎曲，概率約為19.1%;15臺(tái)離心機(jī)故障為轉(zhuǎn)子不對(duì)中，概率約為35.7%;19臺(tái)離心機(jī)故障為轉(zhuǎn)子不平衡，概率約為45.2%，計(jì)算出的數(shù)據(jù)和實(shí)際統(tǒng)計(jì)出來(lái)的數(shù)據(jù)誤差很小。

故障仿真是通過(guò)MSBNx（用于貝葉斯網(wǎng)絡(luò)的創(chuàng)建、評(píng)價(jià)和評(píng)估）軟件來(lái)實(shí)現(xiàn)。在MSBNx上構(gòu)建轉(zhuǎn)子的貝葉斯網(wǎng)絡(luò)模型，并輸入父節(jié)點(diǎn)的先驗(yàn)概率和中間節(jié)點(diǎn)的條件概率，最后得出后驗(yàn)概率，如圖3為當(dāng)發(fā)生故障1倍頻幅值過(guò)大時(shí)，輸入父節(jié)點(diǎn)轉(zhuǎn)子彎曲R1，轉(zhuǎn)子不對(duì)中R2，轉(zhuǎn)子不平衡R3的概率和節(jié)點(diǎn)S4的條件概率，經(jīng)過(guò)軟件計(jì)算得出結(jié)果。

圖3 1倍頻幅值過(guò)大的MSBNx仿真圖Fig 3 MSBNx simulation of over large 1 times frequency amplitude

5 結(jié)論

貝葉斯網(wǎng)絡(luò)的推理過(guò)程符合專家的思維方式，它不但提供給專家一個(gè)表達(dá)知識(shí)和經(jīng)驗(yàn)的方法，而且可利用這些知識(shí)進(jìn)行定量計(jì)算。貝葉斯網(wǎng)絡(luò)在離心機(jī)故障診斷中的應(yīng)用有以下優(yōu)勢(shì):

1）貝葉斯網(wǎng)絡(luò)可用簡(jiǎn)潔直觀的圖形描述故障與征兆間復(fù)雜的因果關(guān)系。

2）貝葉斯網(wǎng)絡(luò)具有很強(qiáng)的不確定性推理能力，可定量計(jì)算出故障發(fā)生的概率，給出概率解釋。

本文通過(guò)實(shí)際驗(yàn)證和仿真結(jié)果表明本研究的正確性和有效性，并可依據(jù)此結(jié)果進(jìn)行檢修，避免了大量繁瑣和無(wú)用的工作，節(jié)省了時(shí)間與資源，同時(shí)提高了設(shè)備的可靠性和安全性。

［1］楊 建，徐 平，周保堂，等.離心機(jī)機(jī)械故障診斷專家系統(tǒng)設(shè)計(jì)及其應(yīng)用［J］.機(jī)械科學(xué)與技術(shù)，1998，17（1）:132 －134.

［2］Giarratano J，Riley G.專家系統(tǒng)原理與編程［M］.印鑒.北京:機(jī)械工業(yè)出版社，2006.

［3］曾慧芳，朱慧明，李素芳.基于MH算法的貝葉斯分位自回歸模型［J］.湖南大學(xué)學(xué)報(bào)自然科學(xué)版，2010，37（2）:88 －92.

［4］Han Ting，Li Bo，Xu Limei.A universal fault diagnostic expert system based on bayesian network［C］//2008 International Conference on Computer Science and Software Engineering，2008:260－263.

［5］Bottone S，Lee D，O’Sullivan M.Failure prediction and diagnosis for satellite monitoring systems using Bayesian networks［C］//Military Communications Conference，2008:1 －7.

［6］徐斌剛，屈梁生，陶肖明.轉(zhuǎn)子故障貝葉斯診斷網(wǎng)絡(luò)的研究［J］.機(jī)械工程學(xué)報(bào)，2004，40（1）:66 －72.