基于故障樹的梭式窯故障診斷專家系統
2008-12-31 00:00:00楊盛泉劉萍萍李寶敏王志安南光哲
計算機應用研究 2008年11期
(1.西安工業大學 計算機科學與工程學院， 西安 710032；2.西安恒新窯爐技術有限公司， 西安 710065)
摘要：為實現對梭式窯運行異常特別是燃燒異常的故障檢測和定位，研究并設計了一種基于故障樹的故障診斷專家系統。首先給出梭式窯故障診斷專家系統的形式化定義，進而詳細分析并設計了專家系統的各個組成部分；最后重點介紹使用故障樹來設計知識庫的原理與方法，以及使用故障樹來進行故障診斷推理的算法。工程實踐表明，該系統知識模型適應性好，使用簡單方便，故障診斷結果可靠穩定。
關鍵詞：梭式窯；專家系統；知識庫；推理機；故障樹
中圖分類號：TP182文獻標志碼：A
文章編號：1001-3695(2008)11-3401-03
Fault diagnosis expert system of shuttle kiln based on fault tree
YANG Sheng-quan1，LIU Ping-ping1，LI Bao-min1，WANG Zhi-an2，NAN Guang-zhe2
(1.School of Computer Science Engineering， Xi’an Technological University， Xi’an 710032， China；2.Xi’an Hengxin Kiln Technology Co.，Ltd， Xi’an 710065， China）
Abstract:The paper studied and designed a fault diagnosis expert system based on fault tree， in order to realize fast location and detection of exception during running of shuttle kiln， especially exception of firing. Firstly，given formalized definition of fault diagnosis expert system of shuttle kiln， furthermore this paper analyzed and designed in detail the all component elements of the expert system， finally it introduced theory and method to us when to use fault tree to design knowledge warehouse， and also the algorithm， which was used to reason the fault by way of fault tree.Practice results show that the knowledge model of this system has good suitability， and what’s more it is used simply and conveniently， also the outcome of fault diagnosis is reliable and steady.
Key words:shuttle kiln; expert system; knowledge warehouse; reasoning machine; fault tree
梭式窯又稱為抽屜窯、車底窯，是一種新型間歇式的工業燒成設備，被廣泛地用于陶瓷、耐火材料、砂輪、電瓷、鑄造和建筑材料等行業。一般來說，梭式窯由機械窯體、窯車、空氣管道、燃氣管道、各種燃燒設備、控制儀表儀器以及各種風機等組成[1]。隨著熱工機械和自動控制技術的發展，窯爐設備的復雜程度和自動化控制程度不斷提高，其設備運行的實時故障診斷越來越難。窯爐運行中的異常，特別是燃燒異常的故障檢測和定位，由于情況復雜、原因較多，用戶看不到窯爐內部實際運行情況，傳統的手段難以很快給出相應正確的故障判斷，往往因為故障解決時間的拖延，給生產上造成很大損失，因此迫切需要可以快速自動檢測故障并診斷其原因的故障診斷系統為其服務。
故障樹是由美國貝爾電話實驗室的H．A．Walson首先提出，它是一種系統可靠性分析方法。利用故障樹來構建診斷系統知識庫，不僅可以方便推理機構尋找潛在故障或進行故障診斷，而且可以進一步預測未來系統故障發生的概率。
1梭式窯故障診斷專家系統
11故障診斷專家系統定義
梭式窯故障診斷專家系統是一種智能計算機軟件系統，是指計算機在采集梭式窯各個控制設備運行狀態的信息后，綜合運用各種規則(專家經驗與邏輯知識)，進行一系列的機器智能推理，運行過程中還可以由用戶提供人工干預信息，可快速并準確地找到最終故障點與故障原因，再由用戶來證實，最后自動地或者由人工來解除故障。
梭式窯故障診斷專家系統的形式可以定義為一個五元組： KFD=（state，rule，reasoning，intervene，fr）。其中:state表示當前窯爐所有設備運行狀態的集合；rule為所有故障邏輯知識的集合（這些規則可以表示為一個故障樹）；reasoning為機器智能推理應用程序的集合；intervene為系統提供給用戶操作接口參數的集合；fr為定位故障輸出或者系統自動解除故障并輸出故障點元素的集合。
12故障診斷專家系統宏觀設計
本診斷專家系統主要由九個部分組成：多媒體人機界面、解釋機構、知識獲取管理機構、動態數據庫、知識庫(故障樹)、推理機、評價優化機構、自學習模塊及窯爐設備狀態信息監控機構等[2]。其結構如圖1所示。各個部分說明描述如下：
a)多媒體人機界面。它是用戶與專家診斷系統進行交互的信息媒介。用戶包含操作人員與熱工專家。一方面，用戶通過這個界面向系統提出或回答問題，或向系統提供原始的故障診斷規則知識等；另一方面，系統通過這個界面向用戶提出或回答問題，并輸出結果，以及對系統的行為和最終結果進行明確的解釋。同時系統在推理過程中，當專家系統控制與窯爐設備實際狀態有誤差時，可以隨時根據經驗知識通過此界面輸入對診斷系統人工干預參數，從而對診斷系統實時修正，使其快速進入正確的診斷軌道。
b)系統解釋機構。對故障原因的推理過程作出解釋，必要時給用戶提供合理的處置建議。系統解釋機構專門負責向用戶解釋專家系統的行為和結果。推理過程中，它向用戶解釋窯爐控制系統操作的內容、原因，回答用戶“why”之類的問題；推理結束后它可向用戶解釋推理的結果是怎樣得來的，回答用戶提出的“how”之類的問題。
c)知識獲取管理機構。領域專家知識工程師(主要是熱工專家)通過本人機界面輸入故障診斷的經驗知識與邏輯知識，經過本機構將規范化的形式存入知識庫來構建故障樹。
d)動態數據庫。存儲已知事實和推理過程的中間結果，以及來自窯爐設備狀態信息監控系統的實時數據、歷史數據等。
e)知識庫(故障樹)。存放的知識主要有設備故障特征值、故障診斷算法、推理規則等，反映系統的因果關系，用來進行故障推理。知識庫的知識包括經驗知識、邏輯知識和元知識。元知識是關于構建、調度和管理故障樹的知識。知識庫中的知識是按照知識的表示形式、性質、層次、內容來組織的，構成了知識庫的邏輯結構。
f)推理機。它是專家系統中實現基于知識推理的部件，基于知識的推理在計算機中的實現，主要包括推理和控制兩個方面。在本系統中采用正向推理與反向推理相結合的混合推理機制。與/或樹的有界深度優先搜索算法作為搜索策略，從知識庫中選擇知識規則與已知事實進行匹配，提高了推理的效率，減少了搜索時間。
g)評價優化機構。系統在運行過程中，對推理過程運用知識庫中的知識源進行解決問題的效果周期性地實施評價，根據用戶反饋與設備狀態信息，對診斷性能差的知識予以掛起，對那些方面知識不足的信息予以用戶警告與提示。
h)自學習模塊。根據系統評價優化的總結和診斷控制指令后動作效果的好壞，能夠對系統自身不斷動態地加以完善和革新，并實時地豐富知識庫中的知識，對性能差、控制偏差較大的知識予以自修正或自刪除。
i)窯爐設備狀態信息監控機構。該機構主要用來監測窯爐運行過程中各設備運行參數如壓力、流量、開度、溫度等，還有設備本身的參數如電流、電壓等。同時還可以根據推理機構的指令調整控制設備以達到自動排除故障的目的。
2專家系統知識庫核心——故障樹
知識表示是專家診斷系統知識庫的創建核心問題，其目的在于通過知識的有效表示使專家系統程序利用這些知識進行正確的推理和迅速作出決策，較快地解決該領域提出的問題。
故障樹是研究引起系統故障發生原因規則來建立邏輯關系樹，并用邏輯框圖表示。故障樹中，底部事件通過一些邏輯符號連接到一個或多個頂事件。頂部事件一般指危及系統的事件或是不希望發生的系統故障；底部事件通常指部件故障或者是人員的錯誤操作。對故障樹的定性分析通常采用最小割集法，即利用引起發生事件的基本事件鏈來發現系統的薄弱環節，進而采取改進措施，提高系統診斷的可靠性[3，4]。
21故障樹的創建
梭式窯由于設備種類繁多及生產工藝復雜，運行過程中可能發生的故障較多，如風機故障、點火器故障、壓力異常故障、溫度異常波動故障、燃燒異常故障等，這些故障需要在知識庫中建立相應的故障樹來進行邏輯表示。
下面僅以一種很常見的某溫區溫度異常波動故障為頂部事件建立故障樹，如圖2所示。
其中：T為頂部事件；E為中間事件；X為底部事件。各符號的具體含義如表1所示。
表1溫度異常波動故障樹各符號含義
符號含義符號含義
一般的故障樹就是一棵普通的樹型數據結構，為了方便知識庫存儲與專家診斷系統推理，還要將其轉換成為二叉故障樹。二叉樹是樹的一種，它容易被計算機表示和處理。其特點是每個節點至多只能有兩個子樹，且子樹有左右之分，其次序不能任意顛倒。其轉換原理是孩子兄弟算法：父節點保留與左子節點的鏈接；父節點鏈接在兄弟節點上；打斷與右子節點的鏈接；將兄弟節點順時針轉45°。
限于篇幅，本文不再詳述，算法的詳細描述參照文獻[5]。
22基于故障樹的診斷推理[6]
推理機制就是依據一定的搜索策略從知識庫(故障樹)中選擇有關知識，對已知或用戶提供的證據不斷地進行推理，直到得出結論為止。本專家系統的故障診斷在故障樹知識表示的基礎上，將專家經驗分析和原理分析的思想集成到專家系統的診斷過程中。
由于故障樹的表示是二叉樹的形式，對故障的推理很大部分工作就對應于各個二叉故障樹的遍歷問題。遍歷二叉樹是指以一定的次序訪問二叉樹中的每個節點，每個節點僅被訪問一次。所謂訪問節點，就是指對節點進行各種操作。本文采用前序遍歷二叉樹的方法對故障樹進行搜索并診斷推理。二叉樹的前序遍歷就是首先訪問根節點，然后遍歷左子樹，最后遍歷右子樹。其遞歸算法描述如下：
節點故障邏輯判別式為知識庫中產生式規則表中的布爾表達式，根據窯爐設備狀態信息監控機構可以判斷該節點為是否故障原因。
診斷推理實例分析，假設系統通過實時監測模塊得到某溫區溫度異常波動這一故障現象，并且有以下事實:空總PID參數被用戶修改導致異常，即X8故障邏輯判別式為真，則遍歷順序依次為T→E1→E4→X5→E5→X6→X2→E2→E6→X7→X8(找到，返回主程序)。
3故障診斷專家系統實現
本文運用面向對象技術、數據庫技術和圖形圖像技術，在Windows XP環境下使用Delphi設計并實現本故障診斷專家系統，其主要運行實例主界面如圖3所示。系統中特別地將專家經驗診斷與邏輯知識故障樹診斷相結合，改進了傳統故障診斷推理過程，增強了系統多故障診斷的能力。系統中采用多媒體圖形技術人機交互方式，增強了系統的可視化。專家知識主要故障樹的形式存儲于關系數據庫SQL Server中，通過封裝的ADO對象進行訪問。系統同時實現了診斷報表的維護管理功能，可以完成診斷報告單的打印、查詢、統計和經驗知識的學習查詢等工作[1]。
本系統實現時將知識庫中故障樹采用對象式框架表示。一個節點對象分為狀態知識項、測試知識項、規則知識項、解決知識項和圖表知識項等。該系統投入到國內某陶瓷企業梭式窯實際監控運行一年多來，反映效果良好，為該企業正常運行生產發揮了很大的作用。
4結束語
采用基于故障樹的形式建立專家系統的知識庫，可以將系統故障的各種原因(包括硬件、環境、人為因素)，由總體至部分，按樹枝狀結構清晰地呈現出來，不但有助于操作人員全面了解系統的各種故障，而且還可以使得系統推理機能夠自上而下逐層細化地進行故障推理診斷，明確系統故障的各種直接與間接原因。本文論述的基于故障樹的梭式窯故障診斷專家系統將復雜的問題分解得簡單化，具有很強的通用性和科學嚴謹性，為類似的其他設備故障診斷系統研究與開發提供了較好的模型和方法，具有較高的實際應用價值。
參考文獻：
［1］
楊盛泉，李玉平.工業梭式窯專家系統[J].西安工業大學學報，2007，27(5):485-490.
[2]劉白林，郝重陽，范躍華，等.故障診斷專家系統外殼設計與實現[J].火力與指揮控制，2007，32(5):85-87.
［3］徐進永，羅士軍，張子達.基于模糊故障樹分析法的裝載機液壓系統故障診斷系統[J]．吉林大學學報：工學版，2007，37(3):569-572.
[4]袁靜，胡昌華，徐瑞，等.一類改進故障樹分析法的可靠性仿真及應用[J]．計算機應用研究， 2006，23（11）:167-169.
［5］READY K A，ANDREWS J D.A fault tree analysis strategy using binary decision diagrams[J]．Reliability Engineering and System Safety，2002，78(1):45-56.
［6］GABRIELE A.Reliability improvement of a diesel engine using the FMETA approach [J].Quality and Reliability Engineering International，2004，20(2):150-152.
