風(fēng)力發(fā)電機(jī)組故障診斷專家系統(tǒng)研究

張曉東，許寶杰，吳國新，左云波

ZHANG Xiao-dong, XU Bao-jie, WU Guo-xin, ZUO Yun-bo

（北京信息科技大學(xué) 現(xiàn)代測控教育部重點(diǎn)實(shí)驗(yàn)室，北京 100192）

0 引言

隨著現(xiàn)代社會的不斷發(fā)展，人類對能源的依賴越來越大，同時(shí)我們也面臨的能源利用與環(huán)境保護(hù)的巨大壓力。一方面，以煤、石油等化石燃料的儲量隨著開采不斷減少，且日漸枯竭；另一方面，化石燃料的大量使用也造成了嚴(yán)重的環(huán)境污染。基于這些原因開發(fā)可再生能源成為了各國新能源發(fā)展戰(zhàn)略和環(huán)境保護(hù)的重大舉措。而風(fēng)能作為一種蘊(yùn)藏較為豐富的可再生綠色能源引起了廣泛關(guān)注。目前，世界各國都在投入大量人力、物力開發(fā)風(fēng)能和研究風(fēng)力發(fā)電技術(shù)，因此風(fēng)力發(fā)電行業(yè)得到了快速發(fā)展，風(fēng)力發(fā)電機(jī)的裝機(jī)數(shù)量不斷增加，但因其工作環(huán)境惡劣，極易發(fā)生各種故障，對其進(jìn)行快速有效的故障診斷維修成為亟待解決的問題。

1 風(fēng)力發(fā)電機(jī)組原理和結(jié)構(gòu)

風(fēng)力發(fā)電機(jī)組工作原理是風(fēng)流掠過風(fēng)輪，使風(fēng)輪按設(shè)定的方向旋轉(zhuǎn)，從而將風(fēng)能轉(zhuǎn)換成風(fēng)輪的旋轉(zhuǎn)機(jī)械能，再通過機(jī)艙內(nèi)部的主軸、齒輪箱等傳動(dòng)機(jī)構(gòu)將風(fēng)輪的旋轉(zhuǎn)機(jī)械能傳遞給發(fā)電機(jī)，最終由發(fā)電機(jī)將旋轉(zhuǎn)的機(jī)械能轉(zhuǎn)化為電能，最終實(shí)現(xiàn)風(fēng)力發(fā)電。

風(fēng)力發(fā)電機(jī)機(jī)型很多，水平軸風(fēng)力發(fā)電機(jī)因其風(fēng)能利用效率高、控制方便等諸多優(yōu)點(diǎn)，逐漸成為現(xiàn)代風(fēng)力發(fā)電機(jī)的主流機(jī)型。目前，水平軸風(fēng)力發(fā)電機(jī)組均采用了上風(fēng)向、水平軸、三葉片結(jié)構(gòu)，其技術(shù)目前也最為成熟。

水平軸風(fēng)力發(fā)電機(jī)組主要是由風(fēng)輪、機(jī)艙、塔筒、塔基四部分組成。機(jī)艙是風(fēng)力發(fā)電機(jī)組的核心部件，主要由傳動(dòng)系統(tǒng)、制動(dòng)系統(tǒng)、發(fā)電機(jī)、冷卻系統(tǒng)、偏航系統(tǒng)、變槳系統(tǒng)和中心控制柜等組成。傳動(dòng)系統(tǒng)是由主軸軸承、主軸、增速齒輪箱和聯(lián)軸器等部件組成。風(fēng)力發(fā)電機(jī)組結(jié)構(gòu)如圖1所示。

2 專家系統(tǒng)

專家系統(tǒng)[1～3]（Expert System，ES）是模擬人類專家的推理決策過程，通過有效地獲取專家們具有的知識、經(jīng)驗(yàn)、技能等并將其綜合編成計(jì)算機(jī)程序，再根據(jù)其進(jìn)行推理和判斷，對監(jiān)測和診斷對象的運(yùn)行狀態(tài)和故障做出智能判斷決策。其具有學(xué)習(xí)能力和自動(dòng)獲取診斷信息能力，且具有很強(qiáng)的適應(yīng)性和靈活性。專家系統(tǒng)一般由知識庫、推理機(jī)、數(shù)據(jù)庫、解釋器、知識獲取和人機(jī)接口六個(gè)部分組成，如圖2所示。

圖2 專家系統(tǒng)基本結(jié)構(gòu)

1）知識庫用來儲存領(lǐng)域?qū)＜业慕?jīng)驗(yàn)和知識。專家系統(tǒng)通過知識庫中的知識來模擬領(lǐng)域?qū)＜业乃季S方式對提出的問題進(jìn)行求解，因此知識庫的完備程度決定該專家系統(tǒng)性能的好壞。

2）推理機(jī)根據(jù)已知條件，采用某種規(guī)則和策略使專家系統(tǒng)進(jìn)行有效地推理并得出最終診斷結(jié)果。推理有正向推理、反向推理和正反向混合推理。正向推理是由已知的事實(shí)向結(jié)論推理的過程，根據(jù)已知的事實(shí)，利用推理規(guī)則進(jìn)行推理匹配，再把剛得到的結(jié)論作為一個(gè)新的已知事實(shí)，再進(jìn)行推理匹配，最終得出結(jié)論；反向推理是由目標(biāo)結(jié)論到支持目標(biāo)結(jié)論的事實(shí)的推理，也稱為目標(biāo)驅(qū)動(dòng)策略，先假設(shè)目標(biāo)結(jié)論存在，然后判斷此假設(shè)目標(biāo)存在的前提條件是否能與已知的征兆信息匹配，若匹配則假設(shè)成立，否則把該前提作為子目標(biāo)重復(fù)上述過程；正反向混合推理是根據(jù)正向推理得出假設(shè)，然后利用假設(shè)反向推理，如此反復(fù)，最終得出結(jié)論。

3）解釋器是用來對用戶提出的問題和專家系統(tǒng)診斷推理過程做出明確的解釋。

4）數(shù)據(jù)庫用于儲存需要解決問題的原始數(shù)據(jù)、推理過程中的中間結(jié)果及最終結(jié)論。數(shù)據(jù)庫只在系統(tǒng)運(yùn)行期間產(chǎn)生和變化，所以也稱為動(dòng)態(tài)數(shù)據(jù)庫。數(shù)據(jù)庫在組織表示等方面與知識庫中的知識相一致，以便推理機(jī)能使用數(shù)據(jù)庫中的數(shù)據(jù)和知識庫中的知識去求解問題。

5）知識獲取就是從實(shí)際信息中總結(jié)出所需的知識，如事實(shí)、規(guī)則等，并把它們轉(zhuǎn)換為符合計(jì)算機(jī)知識表示的形式。知識獲取就是為專家系統(tǒng)建立一個(gè)完善有效的知識庫，來滿足求解實(shí)際問題的需要，其基本內(nèi)容有知識抽取、知識轉(zhuǎn)換、知識輸入、知識檢測等。

6）人機(jī)接口能使用戶和系統(tǒng)進(jìn)行對話，使用戶能輸入必要的數(shù)據(jù)、提出問題和了解推理過程及診斷結(jié)果，包括用于故障診斷的交互界面及故障診斷知識庫管理的后臺管理界面。

3 風(fēng)力發(fā)電機(jī)組故障診斷專家系統(tǒng)系統(tǒng)設(shè)計(jì)

3.1 系統(tǒng)框架設(shè)計(jì)

圖3 風(fēng)力發(fā)電機(jī)組故障診斷專家系統(tǒng)框架

該風(fēng)力發(fā)電機(jī)組故障診斷專家系統(tǒng)使用C#語言，ASP.NET平臺開發(fā)，系統(tǒng)數(shù)據(jù)庫使用SQL Server 2008數(shù)據(jù)庫，使用ADO.NET技術(shù)訪問數(shù)據(jù)庫系統(tǒng)。為了使系統(tǒng)具有良好的可擴(kuò)展性和可移植性，系統(tǒng)框架主要有四個(gè)層次：采集層、數(shù)據(jù)層、中間層、用戶表示層，如圖3所示，這樣降低了系統(tǒng)的耦合性,增加系統(tǒng)的構(gòu)件化水平,使系統(tǒng)各層之間分工明確。采集層是風(fēng)力發(fā)電機(jī)組狀態(tài)信號的獲取單元，由傳感器和無線數(shù)據(jù)采集卡組成。傳感器放置在風(fēng)力發(fā)電機(jī)組的各個(gè)測試點(diǎn)上，實(shí)現(xiàn)被測對象振動(dòng)、轉(zhuǎn)速、溫度、電壓和電流信號的采集，再將傳感器采集到的信號送入無線采集卡中，并實(shí)現(xiàn)信號的轉(zhuǎn)換、去噪、放大、儲存并無線發(fā)送等工作；數(shù)據(jù)層就是數(shù)據(jù)庫，將采集層和中間層相連，采集到的數(shù)據(jù)經(jīng)過處理后存放到數(shù)據(jù)層，用戶可以進(jìn)行管理和訪問；中間層是一個(gè)操作系統(tǒng)，主要包括服務(wù)器的配置、網(wǎng)站部署、數(shù)據(jù)訪問層、業(yè)務(wù)邏輯層和用戶權(quán)限。用戶表示層是指用戶可以通過手機(jī)或者電腦等終端進(jìn)行風(fēng)力發(fā)電機(jī)組故障診斷。

3.2 知識庫設(shè)計(jì)

3.2.1 風(fēng)力發(fā)電機(jī)組故障和故障現(xiàn)象知識

風(fēng)力發(fā)電機(jī)組結(jié)構(gòu)復(fù)雜、工作環(huán)境惡劣，容易產(chǎn)生故障。根據(jù)風(fēng)力發(fā)電機(jī)組的故障歷史數(shù)據(jù)知其故障主要集中在齒輪箱、發(fā)電機(jī)、低速軸、高速軸、葉片等關(guān)鍵部件。現(xiàn)僅列舉其一部分常見故障、故障現(xiàn)象及其故障原因，如表1所示。

3.2.2 知識庫的管理

專家系統(tǒng)是一種知識增長型的系統(tǒng)，而且知識庫的完備程度決定了專家系統(tǒng)性能的好壞，因此必須通過不斷更改完善專家系統(tǒng)知識庫中的知識來提高專家系統(tǒng)性能，使專家系統(tǒng)解決問題的能力越來越強(qiáng)。所以必須做好知識庫的管理工作，確保系統(tǒng)具有好的性能。知識庫的管理是對專家系統(tǒng)知識庫進(jìn)行維護(hù)，對知識庫中的知識的不斷增加、更新、刪除和修改等操作，使知識更加完整，更符合實(shí)際使專家系統(tǒng)的診斷更加準(zhǔn)確。

知識庫的管理首先要保證知識庫的安全性，防止誤操作，通過用戶權(quán)限設(shè)置只允許系統(tǒng)管理員對知識庫進(jìn)行各種操作。其次通過故障診斷信息反饋將專家系統(tǒng)進(jìn)行的實(shí)際診斷情況如診斷結(jié)果正確與否及時(shí)地反饋給系統(tǒng)管理員，系統(tǒng)管理員根據(jù)診斷的實(shí)際情況分析總結(jié)，再對專家系統(tǒng)的知識庫進(jìn)行必要的更新。

3.3 故障知識的表示和推理

知識的表示形式[3,4]有產(chǎn)生式表示法、語義網(wǎng)絡(luò)表示法和框架表示法等，產(chǎn)生式規(guī)則是專家系統(tǒng)中應(yīng)用較多的表示形式。產(chǎn)生式規(guī)則將專家的知識利用規(guī)則集合表示，一般寫成以IF A THEN B的形式，A是前提條件，B是結(jié)論，條件與結(jié)論均可以通過邏輯運(yùn)算AND、OR、NOT進(jìn)行復(fù)合。本系統(tǒng)主要采用產(chǎn)生式規(guī)則推理，并結(jié)合使用主觀貝葉斯方法推理，對規(guī)則無法解決的問題使用主觀貝葉斯方法后驗(yàn)概率進(jìn)行推理。基于規(guī)則的推理是對確定性事實(shí)的精確推理，而對需要處理不確定性的事實(shí)的推理即在證明結(jié)論所必需的證據(jù)還不知道的推理就用主觀貝葉斯推理算法[3,4]。對不確定性的事實(shí)雖然可以通過測試得到一個(gè)可靠的結(jié)論，但這樣也會需要更多的時(shí)間和開支，而在這期可能導(dǎo)致更大的事故，因此為提高推理效率利用主觀貝葉斯方法后驗(yàn)概率對某些比較確定但沒有驗(yàn)證的不確定事實(shí)進(jìn)行推理。

表1 風(fēng)力發(fā)電機(jī)組部分常見故障現(xiàn)象及原因

先驗(yàn)概率：故障Gi為真的概率P(Gi)。

后驗(yàn)概率：也稱事后概率，即癥狀Z發(fā)生后，故障Gi為真的概率P(Gi|Z),。

1）單故障征兆模型的后驗(yàn)概率計(jì)算

圖4 故障征兆模型

在圖4(a)中，對于初始一級的征兆G是確定性征兆。根據(jù)條件概率的定義，當(dāng)P(B)＞0時(shí)，則有：P(A|B)=P(A∩B)/P(B)，所以在故障預(yù)測中，由于P(～G)＞0，P(M)＞0，所以有：

P(M|～G)P(～G)=P(～G |M)/P(M)=P(～G ∩M)即：

同理，在P(G)＞0，P(M)＞0情況下有：

以上式（1）、式（2）兩式聯(lián)立有：

在圖4(a)中，對于中間層次的征兆M則是不確定的征兆，根據(jù)條件全概率公式有：

而由式（3）可知：

將式（5）代入式（4）得：

因此，對規(guī)則M→H：若已知，規(guī)則可信度P(H|M)=W；M的先驗(yàn)概率P(M)；H的先驗(yàn)概率P(H)；M的后驗(yàn)概率Y(M)；則由式（6）可得到故障H的后驗(yàn)概率為：

2）多故障征兆模型的后驗(yàn)概率計(jì)算

在故障診斷中，通常有多個(gè)故障征兆對應(yīng)同一個(gè)故障，如圖4(b)所示。若Y1(H),Y2(H),…,Yn(H)分別為各條規(guī)則導(dǎo)出的故障H的后驗(yàn)概率，則后驗(yàn)概率Y(H)的計(jì)算公式為：

3.4 人機(jī)交互界面

3.4.1 登陸界面

該風(fēng)力發(fā)電機(jī)組故障診斷專家系統(tǒng)可以通過WEB瀏覽器進(jìn)行登陸。所有操作者當(dāng)輸入正確的用戶名和密碼，才能進(jìn)入系統(tǒng)的故障診斷界面，登陸界面如圖5所示。

圖5 登陸界面

3.4.2 故障診斷界面

成功登錄系統(tǒng)以后，點(diǎn)擊故障診斷按鈕就進(jìn)入到故障診斷模塊，故障診斷界面如圖6所示，輸入故障現(xiàn)象后進(jìn)行故障診斷，并將診斷結(jié)果顯示出來，用戶點(diǎn)擊診斷結(jié)果反饋按鈕將該次故障診斷情況反饋給系統(tǒng)管理員。

圖6 故障診斷界面

圖7 診斷結(jié)果反饋界面

3.4.3 診斷結(jié)果反饋界面

用戶點(diǎn)擊診斷結(jié)果反饋按鈕就進(jìn)入診斷結(jié)果反饋界面，如圖7所示。用戶根據(jù)實(shí)際情況將該次專家系統(tǒng)的故障診斷情況反饋給系統(tǒng)管理員，以便對系統(tǒng)知識庫進(jìn)行管理。

4 結(jié)論

計(jì)算機(jī)科學(xué)技術(shù)和人工智能技術(shù)的不斷發(fā)展為機(jī)械設(shè)備診斷提供了新的思路。通過對風(fēng)力發(fā)電機(jī)組故障診斷專家知識進(jìn)行總結(jié)，并使用ASP.NET平臺開發(fā)和SQL Server 2008數(shù)據(jù)庫，構(gòu)建風(fēng)力發(fā)電機(jī)組故障診斷專家系統(tǒng)，實(shí)現(xiàn)了風(fēng)力發(fā)電機(jī)組故障的在線診斷。由于故障經(jīng)驗(yàn)知識積累的原因，編制的專家系統(tǒng)知識庫還不夠完善，需要與有現(xiàn)場經(jīng)驗(yàn)的專家進(jìn)行交流獲取知識，來不斷完善該專家系統(tǒng)的知識庫，以提高該專家系統(tǒng)故障診斷能力。

[1]鄂加強(qiáng).智能故障診斷及其應(yīng)用[M].長沙:湖南大學(xué)出版社,2006.

[2]張梅軍.機(jī)械狀態(tài)檢測與故障診斷[M].北京:國防工業(yè)出版社,2008.

[3]沈慶根,鄭水英.設(shè)備故障診斷[M].北京:化學(xué)工業(yè)出版社,2006.

[4]史忠植.知識工程[M].北京:清華大學(xué)出版社,1988.

[5]楊炳儒.知識工程與知識發(fā)現(xiàn)[M].北京:冶金工業(yè)出版社,2000.