袁良， 李晉鋒

(塔里木油田分公司， 英買采油氣管理區(qū)， 新疆， 庫爾勒 841000)

0 引言

防爆電氣設(shè)備基本安置于設(shè)備外部，容易受到自然環(huán)境條件的影響，而設(shè)備內(nèi)部結(jié)構(gòu)通常較為復(fù)雜，容易出現(xiàn)故障或失效，影響安全使用[1]。因此需要對設(shè)備進(jìn)行定期的巡視檢查，并記錄設(shè)備的運行參數(shù)，但參數(shù)往往較為復(fù)雜，無法給出設(shè)備是否已經(jīng)失效[2]的結(jié)論。我國相關(guān)研究目前使用較多的是人工神經(jīng)網(wǎng)絡(luò)以及故障樹技術(shù)的判定，這些研究對防爆電氣設(shè)備失效判定時間較長、判定結(jié)果不準(zhǔn)確[3]，為此本文構(gòu)建基于模糊故障樹的防爆電氣設(shè)備失效判定模型。

1 模型設(shè)計

1.1 設(shè)備模態(tài)檢測

首先通過激光掃描設(shè)備獲得圖像，利用Mean Shift算法對圖像中位于分支上的高熱區(qū)進(jìn)行模態(tài)檢測，達(dá)成故障診斷[4]。將圖像表示為網(wǎng)格上的n維向量，在整個圖像空間信息以及色彩信息中，向量可以表示為x=(xs,xr)，維度則為n+2，而信息中所表示的向量則可以利用xs來代表其中網(wǎng)格點的坐標(biāo)，xr則代表在網(wǎng)格點上的n維向量特征，當(dāng)n=2時，圖像處于灰度圖像；當(dāng)n=3時，圖像則為彩色圖像。設(shè)S為n維歐式空間X的一個有限集合，K則是X空間中半徑為λ球體下的特征函數(shù)，則存在：

(1)

式中，x∈X，且x點的Mean Shift向量形式則為

(2)

式中，Sλ代表一個半徑為λ的球體包括的區(qū)域，xk代表k個樣本點，k=1,2，…，n，其中k個點落在Sλ區(qū)域內(nèi)。Mean Shift的樣本點如圖1所示。

圖1 Mean Shift樣本點示意圖

圖1中，樣本點xk和x之間的距離越近，對Mλ(x)統(tǒng)計效果的影響則越大，考慮到其中的距離因素，Mean Shift向量的擴展為

(3)

式中，GH(xi-x)表示一個核函數(shù)，H表示一個正定的d*d大小矩陣。當(dāng)給予Mean Shift算法一個初始值x后，對各項進(jìn)行算法迭代循環(huán)，使所有聚類均處于同一模態(tài)點下的一個區(qū)域內(nèi)，獲得設(shè)備的當(dāng)前模態(tài)狀態(tài)[5]。

1.2 建立模糊故障樹算法

在建立模糊故障樹雙方前，需要對故障樹中的基本符號以及概念進(jìn)行確立[6]。

(4)

1.3 因故障失效判定

(5)

式中，有限時間函數(shù)內(nèi)的τ在變化時，g確定的時間位置會沿著時間軸移動。根據(jù)移動的不同時域端對信號f(t)進(jìn)行分析。G(ω,τ)的結(jié)果反映了被分析信號f(t)在所分析的特定時刻τ，頻率值為ω的含量。

1.4 性能失效判定

考慮造成設(shè)備失效的原因除去設(shè)備上出現(xiàn)故障導(dǎo)致的失效原因，設(shè)備也存在性能下降造成的失效情況，因此本文選擇使用灰色預(yù)測方法來對設(shè)備的性能失效預(yù)測。設(shè)在所測設(shè)備的檢測中獲得的性能退化序列為X(0)=(x(0)(k1),x(0)(k2),…,x(0)(kn))，而在性能退化序列中相鄰分量中的間距則為

Δki=ki-ki-1，i=2,3,…,n

(6)

式中，當(dāng)Δki數(shù)值為常數(shù)時，序列X(0)屬于等距序列，當(dāng)該數(shù)值存在變化時，序列X(0)則屬于非等距序列。在X(0)中進(jìn)行累加生成，將該序列中的第一數(shù)據(jù)作為生成列中的第一數(shù)據(jù)，將其中的第二數(shù)據(jù)添加在序列的第一數(shù)據(jù)中，按此規(guī)則，獲得生成式：

X(1)=(x1(k1),x1(k2),…,x1(kn))

(7)

式中，X(1)則為序列X(0)的第一次累加生成，同時根據(jù)灰色預(yù)測中的一階線性微分方程：

(8)

式中，a代表序列發(fā)展灰數(shù)，μ代表內(nèi)生控制灰度。該方程反映了數(shù)據(jù)之間的變化關(guān)系，得出的灰色微分方程則為

x(0)(ki+1)·Δki+1+az(1)(ki+1)=μΔki+1

(9)

式中，z(1)(ki+1)表示X(1)在[ki,ki+1]上的背景值。根據(jù)獲得參數(shù)a以及μ的估計值，求得式(9)中的離散解，從而獲得對該設(shè)備原始性能退化序列的預(yù)測，公式為

(10)

根據(jù)該設(shè)備的當(dāng)前性能情況，判斷設(shè)備是否失效，同時依據(jù)式(10)也可以對設(shè)備未來可能出現(xiàn)的失效情況進(jìn)行判斷。

2 實驗論證分析

2.1 測試判定設(shè)備

在本文實驗中，對該公司的電氣防爆設(shè)備的失效判定共測試了7種設(shè)備，以下設(shè)備使用時間均超出了正常使用年限，存在不同程度的失效，如表1所示。

表1 測試判定設(shè)備

實驗中進(jìn)行失效判定的設(shè)備之一如圖2所示。

圖2 防爆接線箱

2.2 實驗運算設(shè)備

實驗中，對檢測到的參數(shù)進(jìn)行判定運算的設(shè)備選用PC機進(jìn)行。PC機軟件中，操作系統(tǒng)采用Windows 7，數(shù)據(jù)庫采用MySQL 5.0，軟件應(yīng)用使用MATLAB仿真軟件。

2.3 對比結(jié)果分析

首先測試4種模型在對設(shè)備的失效判定時所消耗的時間，這其中并不包括相關(guān)設(shè)備的檢測時間，測試結(jié)果如圖3所示。

圖3 模型對設(shè)備判別時間

圖3中，模型一代表本文設(shè)計的失效判定模型，模型二代表文獻(xiàn)[5]中的失效判定模型，模型三代表文獻(xiàn)[6]中的失效判定模型，模型四代表文獻(xiàn)[7]中的失效判定模型。圖3中，由于設(shè)備之間參數(shù)不同，計算的復(fù)雜度也不同，其中模型一在計算中使用時間最低。

采用文獻(xiàn)[5]、文獻(xiàn)[6]、文獻(xiàn)[7]中的失效判定模型以及本文設(shè)計的失效判定模型，對防爆電氣設(shè)備進(jìn)行失效程度判斷，并將3種模型的判斷結(jié)果與實際測試的設(shè)備失效程度進(jìn)行對比，其對比結(jié)果如表2所示。

表2 設(shè)備失效程度判斷結(jié)果

根據(jù)表2中的數(shù)據(jù)可以發(fā)現(xiàn)，模型一對設(shè)備參數(shù)判定得出的失效程度更接近實際測試得出的失效程度，證明本文設(shè)計的電氣設(shè)備失效判定模型在進(jìn)行失效判定時性能更好，具有更高的準(zhǔn)確性。

3 總結(jié)

本文構(gòu)建了基于模糊故障樹的防爆電氣設(shè)備失效判定模型，通過在傳統(tǒng)失效判定上常用的故障樹的改進(jìn)，添加了模糊故障樹來限制故障樹的時段，得出具體時段下的設(shè)備性能，獲得更高準(zhǔn)確率的設(shè)備失效判定模型。在未來研究中，考慮到物聯(lián)網(wǎng)技術(shù)的發(fā)展，可以考慮在設(shè)備上添加與物聯(lián)網(wǎng)連接的傳感器，實現(xiàn)無人的實時檢測和性能判定。