聞源長，郭建斌，張曉康

（1.杭州市蕭山區(qū)農(nóng)機(jī)水利局，浙江 杭州 31 1 2 5 1；2.河海大學(xué)能源與電氣學(xué)院，江蘇 南京 2 1009 8）

基于貝葉斯推理機(jī)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(nóng)機(jī)水利局，浙江 杭州 31 1 2 5 1；2.河海大學(xué)能源與電氣學(xué)院，江蘇 南京 2 1009 8）

應(yīng)用貝葉斯推理機(jī)的后驗(yàn)概率，模糊定量化液壓油缸爬行故障與產(chǎn)生故障影響因素之間的相關(guān)性趨勢。液壓油缸爬行故障的診斷應(yīng)用表明，貝葉斯推理機(jī)對底事件驅(qū)動后驗(yàn)失效概率呈現(xiàn)0.03% ～ 10.93%分布，有效指向故障原因按密封圈失效導(dǎo)致進(jìn)氣、導(dǎo)向壓條過緊導(dǎo)致摩擦力不均等次序排列，更好地保障工程可靠運(yùn)行。

液壓油缸；故障診斷；貝葉斯網(wǎng)絡(luò)；推理機(jī)

1 問題的提出

液壓系統(tǒng)的故障診斷和維修是一項(xiàng)復(fù)雜的經(jīng)驗(yàn)性工作，隨著計(jì)算機(jī)技術(shù)、人工智能技術(shù)的迅速發(fā)展，專家系統(tǒng)在液壓技術(shù)領(lǐng)域故障診斷中的研究與應(yīng)用逐漸得到重視。挖掘、組織、利用專家經(jīng)驗(yàn)進(jìn)行有效的故障診斷，一直是國內(nèi)外相關(guān)研究的重要方向。

貝葉斯推理機(jī)制是一種基于貝葉斯網(wǎng)絡(luò)，依據(jù)一定的規(guī)則從已有的事實(shí)推出結(jié)論的機(jī)制，對于解決復(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，在多個領(lǐng)域中獲得廣泛應(yīng)用。商業(yè)銀行全面風(fēng)險預(yù)警中利用貝葉斯推理機(jī)，測算各類誘因?qū)ι虡I(yè)銀行全面風(fēng)險的影響，以幫助銀行采取措施化解風(fēng)險[1]；京滬高速鐵路建設(shè)項(xiàng)目中，運(yùn)用貝葉斯網(wǎng)絡(luò)方法研究,建立質(zhì)量管理風(fēng)險因素的貝葉斯推理機(jī)模型，提高了高速鐵路建設(shè)的質(zhì)量管理風(fēng)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(guān)系建立貝葉斯網(wǎng)絡(luò)可靠性評估模型，可有效提高器件的可靠性[3]。

本文應(yīng)用貝葉斯推理機(jī)方法，計(jì)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(chǎn)生故障影響因素之間相關(guān)性趨勢的后驗(yàn)概率，有效指向故障發(fā)生原因、部位，以及相應(yīng)解決措施等?；谪惾~斯推理機(jī)的液壓油缸爬行故障診斷，具有重要的工程現(xiàn)實(shí)意義。

2 貝葉斯推理機(jī)的基本理論

2.1 貝葉斯推理機(jī)概述

貝葉斯推理機(jī)（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(guān)性概率，提示各層數(shù)據(jù)之間的相互關(guān)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(jī)模型圖見圖1。由圖1可知，通過各層節(jié)點(diǎn)、有向弧段對應(yīng)的條件后驗(yàn)概率表（CPT），從而形成故障可能性概率分析的診斷推理機(jī)，從而對故障發(fā)生原因、部位，以及相應(yīng)解決措施形成有效指向。

圖1 簡單貝葉斯推理機(jī)模型圖

2.2 貝葉斯推理機(jī)相關(guān)算法

推理機(jī)(Inference Engine)是專家系統(tǒng)中實(shí)現(xiàn)基于知識推理的部件，是基于知識的推理實(shí)現(xiàn)，主要包括推理和控制2個方面，依據(jù)一定的規(guī)則從已有的事實(shí)推出結(jié)論的過程。知識的運(yùn)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(jī)，推理算法按以下3種模式[5]進(jìn)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(diǎn)先驗(yàn)概率，沿有向弧段進(jìn)行正向推理，確定葉節(jié)點(diǎn)的發(fā)生概率。記為

（2）診斷推理。診斷推理是在已知結(jié)論的條件下，推導(dǎo)可能導(dǎo)致該結(jié)論產(chǎn)生的事件發(fā)生概率。該模式應(yīng)用于故障診斷中，在掌握故障事實(shí)的條件下，去求解原因節(jié)點(diǎn)的后驗(yàn)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(chǎn)生現(xiàn)象說明解釋的一種推理模式，用于分析導(dǎo)致結(jié)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(yùn)行的FullBNT - 1.04開源包，開展貝葉斯推理機(jī)計(jì)算。

3 貝葉斯推理機(jī)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(jìn)行分類，常見故障模式見表1。

表1 液壓啟閉機(jī)常見故障模式表

3.2 液壓油缸故障的貝葉斯推理機(jī)

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(guān)聯(lián)樹[6]。在分析總結(jié)液壓油缸結(jié)構(gòu)特點(diǎn)、功能需求的基礎(chǔ)上，以故障概率的后驗(yàn)概率為條件，計(jì)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(jī)（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(guān)節(jié)點(diǎn)定義見表2。

表2 液壓油缸爬行故障推理機(jī)節(jié)點(diǎn)定義表

圖2 液壓油缸爬行故障貝葉斯推理機(jī)模型圖

3.3 液壓油缸爬行故障的貝葉斯推理機(jī)診斷

依據(jù)液壓油缸故障的貝葉斯推理機(jī)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(zhuǎn)化各個節(jié)點(diǎn)的條件概率集；其次，導(dǎo)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(jī)的推理診斷。

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

圖3 底事件后驗(yàn)概率統(tǒng)計(jì)特性圖

表3 底事件后驗(yàn)概率值表

由圖3可知，在底事件中，C15、C16、C11、C13、C14等的后驗(yàn)概率偏大，C15（液壓油缸密封圈失效）后驗(yàn)概率最大。因此，當(dāng)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?yàn)橹埂?/p>

（2）底事件重要度計(jì)算。底事件的重要度是指底事件（根節(jié)點(diǎn)）對于頂事件發(fā)生的影響程度，表現(xiàn)為發(fā)生概率重要度和關(guān)鍵性重要度[8]，按公式(1)、(2)計(jì)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(guān)鍵性重要度后驗(yàn)概率（見表4 ～ 5）。為直觀掌握各個底事件關(guān)鍵重要度情況，建立底事件關(guān)鍵重要度統(tǒng)計(jì)特性（見圖4）。

式中：Iipr為底事件概率重要度；Iist為底事件關(guān)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(guān)鍵重要度表

圖4 底事件關(guān)鍵重要度統(tǒng)計(jì)特性圖

由圖4可知，在底事件關(guān)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(chǎn)、設(shè)計(jì)、安裝調(diào)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(diǎn)后驗(yàn)概率計(jì)算結(jié)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(diǎn)后驗(yàn)概率確定。各節(jié)點(diǎn)后驗(yàn)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(jī)診斷宜按B3 → B2 → B1的次序逐項(xiàng)排除解決，避免不必要地大卸大拆。

（4）故障貝葉斯推理機(jī)結(jié)論。應(yīng)用貝葉斯推理機(jī)的后驗(yàn)概率，模糊定量化液壓啟閉機(jī)常見故障與產(chǎn)生故障影響因素之間的相關(guān)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(yùn)行、故障分析提供較為可靠的依據(jù)；各部件的后驗(yàn)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(jié) 語

（1）貝葉斯推理機(jī)對底事件驅(qū)動后驗(yàn)失效概率計(jì)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(jī)正向推理計(jì)算維修后的系統(tǒng)可靠性指標(biāo)，對液壓系統(tǒng)的可靠性設(shè)計(jì)和故障診斷具有較好的指導(dǎo)作用。

[1] 陸靜，王捷．基于貝葉斯網(wǎng)絡(luò)的商業(yè)銀行全面風(fēng)險預(yù)警系統(tǒng)[J]．系統(tǒng)工程理論與實(shí)踐，2012，32(2)：225 - 235．

[2] 周國華，彭波．基于貝葉斯網(wǎng)絡(luò)的建設(shè)項(xiàng)目質(zhì)量管理風(fēng)險因素分析 — 以京滬高速鐵路建設(shè)項(xiàng)目為例[J]．中國軟科學(xué)，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(wǎng)絡(luò)方法[J]．西北工業(yè)大學(xué)學(xué)報(bào)，2016，34(5)：915 - 920．

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

[5] 厲海濤，金光，周經(jīng)倫，等．貝葉斯網(wǎng)絡(luò)推理算法綜述[J]．系統(tǒng)工程與電子技術(shù)，2008，30(5)：935 - 939．

[6] 陳東寧，姚成玉，王斌．貝葉斯網(wǎng)絡(luò)在液壓系統(tǒng)可靠性分析中的應(yīng)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(wǎng)絡(luò)的多態(tài)系統(tǒng)可靠性分析及在液壓系統(tǒng)中的應(yīng)用[J]． 機(jī)械工程學(xué)報(bào)， 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(jī)設(shè)計(jì)[J]．計(jì)算機(jī)工程，2012，38(11)：228 - 230．250．

（責(zé)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(shù)示范項(xiàng)目(SF - 201723)；江蘇省水利科技項(xiàng)目(2014027)。

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