劉秀麗，徐小力

（北京信息科技大學現(xiàn)代測控技術教育部重點實驗室，北京 100192）

0 引言

風電作為應用最廣泛和發(fā)展最快的新能源發(fā)電技術，已在全球范圍內實現(xiàn)大規(guī)模開發(fā)應用。到2015年底，中國以全球份額33.6%的占比，成為世界最大的風電產(chǎn)業(yè)國。隨著風電產(chǎn)業(yè)的發(fā)展，風電機組事故層出不窮，隨之帶來的經(jīng)濟損失也是相當可觀。風電機組的故障發(fā)生的原因，除了具有一般大型旋轉機械的共性之外，由于工作環(huán)境和結構的特殊性，決定了主要故障原因的特殊性。另外，風電機組齒輪箱大多為行星齒輪箱，不同形式的風力發(fā)電機組有不一樣的要求，齒輪箱的布置形式及結構各異，使得整個傳動系的動力匹配和扭轉振動的因素總是集中反映在某個薄弱環(huán)節(jié)上。目前，世界各國在大力發(fā)展風電產(chǎn)業(yè)的同時，也不斷加大在風機系統(tǒng)故障診斷方面的科研投入。隨著計算機智能技術的快速發(fā)展，對機械故障診斷技術的自動化程度要求越來越高，專家系統(tǒng)日益成為風電機組故障診斷新的研究方向。從風電機組故障診斷專家系統(tǒng)的基本問題入手，提出系統(tǒng)的整體框架及知識庫的設計方法。

專家系統(tǒng)（Expert System，ES）理論在1965年被首次提出，是機械設備故障診斷中的智能診斷技術方法之一。專家系統(tǒng)首先被應用到醫(yī)療診斷中，像醫(yī)生那樣根據(jù)生病情況確診是某種疾病，后來發(fā)展到工程實踐中，由此誕生了許多類型機械故障診斷專家系統(tǒng)。

故障診斷專家系統(tǒng)模擬人類專家的思維過程，將人類專家們具有的知識和經(jīng)驗總結為專家系統(tǒng)的知識庫，通過有效地獲取處理診斷信息，完成推理和判斷，以巧妙的診斷方案對某個機械設備在工作運轉中的健康情況實現(xiàn)智能評價分析。它能夠自學習來滿足多種機械設備診斷工作的需要。專家系統(tǒng)[1，2]一般如圖1所示的6部分組成。

圖1 專家系統(tǒng)基本結構

1 故障診斷專家系統(tǒng)的基本問題

1.1 知識獲取

知識是專家系統(tǒng)與一些常用的大型軟件系統(tǒng)的關鍵差別特征，并且專家系統(tǒng)診斷性能取決于知識的多少和好壞。所謂知識就是人們在生產(chǎn)生活實踐中學習到的認知和經(jīng)驗，它是人類進行一切智能活動的基礎。Hayes-Roth把知識概括為，知識=事實+信念+啟發(fā)式[2]，并從范圍、目的和有效性3個方面把知識進行概括表達。

大型風力發(fā)電機組故障診斷專家系統(tǒng)的診斷過程，是獲取故障知識及使用獲得的故障知識進行故障診斷的過程，因此專家系統(tǒng)性能的優(yōu)劣主要取決于包含知識的多少和好壞。所以開發(fā)大型風力發(fā)電機組故障診斷專家系統(tǒng)的主要任務就是知識獲取，即在診斷專家交流和參閱文獻等資料過程中，把大型風力發(fā)電機組故障知識歸納總結出，然后用一個知識表示手段把它們儲存到整個系統(tǒng)的知識庫里。知識獲取目前依舊為一個難度非常大的事情，為整個系統(tǒng)構建過程的瓶頸。知識獲取的主要目的是給故障診斷專家系統(tǒng)歸納總結出故知識，并由此構建一個知識豐富高效的故障診斷知識庫，進而實現(xiàn)故障診斷。

1.2 知識表示

保證大型風力發(fā)電機組故障診斷專家系統(tǒng)能夠精確進行故障評價決策，該專家系統(tǒng)需要把此方面專家的經(jīng)驗作為整個系統(tǒng)工作的基礎，知識表示就是要把大型風力發(fā)電機組歸納總結出的相關故障知識一種恰當?shù)姆椒ū磉_出來并儲存到該專家系統(tǒng)的知識庫里。

根據(jù)知識的確定性程度情況，知識表示方法分為確定性表示方法和不確定性表示方法。

1.3 推理

推理就是根據(jù)某些方案從明確的已知條件推斷到結論的整個操作程序。推理過程需要的事實有診斷推理方面的原始事實和在診斷過程中推出的中間事實。推理方法和推理控制策略為故障診斷專家系統(tǒng)的完成整個推理的2個重要內容。推理方法用來完成求解在決策推理中已知事實和結果間的相互關系。推理控制策略主要是根據(jù)故障診斷專家系統(tǒng)知識庫中所擁有的故障知識實現(xiàn)快速得出診斷結果的方法。

根據(jù)推理方向（推理控制策略）的異同能夠分為正向推理、反向推理和混合推理3類[1-5]。

2 大型風力發(fā)電機組故障診斷專家系統(tǒng)總體功能

通過構建大型風力發(fā)電機組故障診斷專家系統(tǒng)對工作運行的發(fā)電機組的健康狀況完成實時監(jiān)測和故障智能診斷，使風力發(fā)電場根據(jù)故障需要有目的地安排維修，保證風力發(fā)電設備安全有效健康的運行，縮短故障維修所需的時間，同時降低風力發(fā)電場對人力和物力的需求，增加企業(yè)的效益。

該系統(tǒng)的總體功能結構如圖2所示，主要實現(xiàn)風力發(fā)電機組的故障診斷，并實現(xiàn)對系統(tǒng)的修改完善和日常工作管理[6-10]。

圖2 專家系統(tǒng)總體功能結構

根據(jù)系統(tǒng)所要實現(xiàn)的各種功能，設計該大型風力發(fā)電機組故障診斷專家系統(tǒng)基本包括故障診斷模塊、知識庫管理模塊和系統(tǒng)管理模塊。

3 系統(tǒng)框架設計

該大型風力發(fā)電機組故障診斷專家系統(tǒng)運用C#語言，基于ASP.NET平臺，系統(tǒng)數(shù)據(jù)庫運用SQL Server數(shù)據(jù)庫，通過ADO.NET讀取專家系統(tǒng)數(shù)據(jù)庫。為了使這個系統(tǒng)擁有良好的擴展性和移植性，構建的系統(tǒng)框架主要有4個層次：采集層、數(shù)據(jù)層、中間層、用戶表示層[7-10]，如圖3所示，系統(tǒng)這樣的設計有利于系統(tǒng)模塊化設計，每個層次各司其職，提高系統(tǒng)的工作效率。

4 系統(tǒng)知識庫設計

在故障診斷專家系統(tǒng)的知識庫中，故障知識通過知識的表示方法實現(xiàn)存儲，一般要能全面的體現(xiàn)出大型風力發(fā)電機組故障情況，并能夠由系統(tǒng)管理員對其不斷修改完善。為使大型風力發(fā)電機組故障知識結構清楚便于維護，將其根據(jù)彼此的邏輯關系構成樹狀形式，在此結構樹每個結點代表某種故障其中包含一些故障屬性。

故障結構樹是表示診斷系統(tǒng)層次結構和故障因果關系的模型，所以大型風力發(fā)電機組故障診斷結構樹描述系統(tǒng)的結構關系和風力發(fā)電系統(tǒng)頂故障事件和其各子系統(tǒng)或各組成結構件故障事件子結點間的邏輯關系。

根據(jù)以上4個大型風力發(fā)電機組齒輪箱、發(fā)電機、葉片和塔筒等的故障情況總結表，按照大型風力發(fā)電機組的組成層次結構，并根據(jù)故障結構樹建立大型風力發(fā)電機組的故障樹結構如圖4所示。

圖3 風力發(fā)電機組故障診斷專家系統(tǒng)框架

圖4 大型風力發(fā)電機組故障結構樹

根據(jù)故障結構樹就能對大型風力發(fā)電機組故障進行分析，從故障故頂端出發(fā)即最不愿意出現(xiàn)的故障情況開始分析，接著搜索到造成這個故障情況出現(xiàn)的所有原因，然后搜索到出現(xiàn)其下一層故障事實的所有原因，以此類推逐步向下推理，直到搜索到不能再追究的情況，這樣就構成了遞推層次分明的故障結構樹，經(jīng)過故障樹的層層搜索，然后推斷出故障緣由。

5 系統(tǒng)數(shù)據(jù)庫設計

數(shù)據(jù)庫的設計主要建立5張數(shù)據(jù)表，即用戶數(shù)據(jù)表、故障現(xiàn)象表、故障原因表、規(guī)則表和故障信息表。其中用戶數(shù)據(jù)表主要寄存用戶的基本數(shù)據(jù)資料，故障現(xiàn)象表主要寄存故障現(xiàn)象事實的基本數(shù)據(jù)，故障原因表主要寄存故障原因的數(shù)據(jù)，規(guī)則表主要寄存故障推理的規(guī)則數(shù)據(jù)，故障信息表主要寄存故障日志數(shù)據(jù)。其中數(shù)據(jù)庫中故障現(xiàn)象表、故障原因表和規(guī)則表所涉及的事實現(xiàn)象、事實結論和規(guī)則之間的關系如圖5所示。

圖5 事實和規(guī)則的屬性及其聯(lián)系

6 結論

通過對專家系統(tǒng)的基本結構和基本問題進行研究，為設計構建大型風力發(fā)電機組故障診斷專家系統(tǒng)提供理論基礎，通過對大型風力發(fā)電機組常見故障進行總結構建故障結構樹，利用ASP.NET開發(fā)平臺和SQL Serve數(shù)據(jù)庫，設計構建風力發(fā)電機組故障診斷專家系統(tǒng)，實現(xiàn)了大型風力發(fā)電機組故障的在線智能診斷。

[1]鐘秉林，黃仁.機械故障診斷學[M].北京：機械工業(yè)出版社，2003.

[2]沈慶根，鄭水英.設備故障診斷[M].北京：化學工業(yè)出版社，2006.

[3]劉峰，楊曉萍，劉曉黎，等.基于神經(jīng)網(wǎng)絡的水輪發(fā)電機組振動故障診斷專家系統(tǒng)的研究[J].西安理工大學學報，2003（4）：372-376.

[4]張彥南，張禮達.風力機機艙故障診斷專家系統(tǒng)方法研究[J].能源與環(huán)境，2009（2）：25-26.

[5]周娟娟，張廣明，袁宇浩.基于免疫Agent的風力發(fā)電機組故障自愈系統(tǒng)的研究[J].機械設計與制造，2012（3）：136-138.

[6]張曉東，許寶杰，吳國新，等.風力發(fā)電機組故障診斷專家系統(tǒng)研究[J].制造業(yè)自動化，2014（21）：21-25.

[7]梅杰.基于人工神經(jīng)網(wǎng)絡的旋轉機械故障診斷專家系統(tǒng)[D].武漢理工大學，2011.

[8]李效龍.大型風力發(fā)電機組機械故障診斷信息系統(tǒng)研究[D].燕山大學，2011.

[9]陳波.分布式遠程故障診斷專家系統(tǒng)的框架及若干關鍵技術的研究[D].大連理工大學，2002.

[10]梁亮.風機旋轉機械設備故障診斷專家系統(tǒng)的設計與實現(xiàn)[D].北京化工大學，2008.