基于目標(biāo)驅(qū)動(dòng)的儀表故障診斷系統(tǒng)的設(shè)計(jì)

高喜奎，白 焰，王 洋，蔣敏敏，吳 賽

（華北電力大學(xué) 控制與計(jì)算機(jī)工程學(xué)院，北京 102206）

在線分析儀表通常指直接安裝在工業(yè)生產(chǎn)流程或其他源流體現(xiàn)場(chǎng)，連續(xù)地或周期性地對(duì)物質(zhì)成分或物性參數(shù)進(jìn)行自動(dòng)分析和檢測(cè)的一類儀器。成分分析是信息的重要來源，通常用于對(duì)成分量進(jìn)行實(shí)時(shí)連續(xù)的檢測(cè)[1]。工業(yè)過程控制系統(tǒng)中，以傳感器和執(zhí)行器故障為主的儀表故障已成為導(dǎo)致控制系統(tǒng)失效的主要原因。據(jù)統(tǒng)計(jì)，80%的控制系統(tǒng)失效起因于儀表故障[2]。因此，這類故障的快速診斷與處理，對(duì)于系統(tǒng)長(zhǎng)期穩(wěn)定運(yùn)行具有重要意義。

閱讀文獻(xiàn)可知，當(dāng)前的故障檢測(cè)及診斷方法主要分為3大類：基于機(jī)理模型、基于知識(shí)以及基于過程數(shù)據(jù)[2]。雖然分析儀表測(cè)量部分的原理清晰，但是其故障類型復(fù)雜多樣，除測(cè)量部分的故障之外，還涉及通信部分、線路故障、環(huán)境因素等多重故障，很難得到精確的診斷模型。而機(jī)理模型方法主要成果局限于線性系統(tǒng)，監(jiān)控性能的好壞很大程度上依賴于模型的準(zhǔn)確程度，因此工業(yè)上難以得到廣泛應(yīng)用[2]。基于知識(shí)的方法以人工智能算法為核心，利用人類對(duì)設(shè)備的知識(shí)和判斷故障的思維邏輯來構(gòu)造診斷功能，自動(dòng)地完成整個(gè)檢測(cè)和診斷過程，以對(duì)故障的定性分析為主。基于過程數(shù)據(jù)的方法是以采集的過程數(shù)據(jù)為基礎(chǔ)，對(duì)數(shù)據(jù)采取各種處理和分析方法挖掘出隱含的有用信息，從而指導(dǎo)系統(tǒng)進(jìn)行分析判斷。

本文在專家系統(tǒng)應(yīng)用于故障診斷的問題上做了改進(jìn)，利用數(shù)據(jù)挖掘技術(shù)處理數(shù)據(jù)，應(yīng)用產(chǎn)生式規(guī)則啟發(fā)分類邏輯的模糊推理，最后通過Eclipse平臺(tái)進(jìn)行JAVA編程，完成全面且準(zhǔn)確的診斷系統(tǒng)。

1 模糊專家系統(tǒng)

1.1 一般結(jié)構(gòu)

專家系統(tǒng)ES（expert system）是利用具有相當(dāng)數(shù)量的權(quán)威性的知識(shí)來解決特定領(lǐng)域中實(shí)際問題的計(jì)算機(jī)程序系統(tǒng)。一個(gè)典型的專家系統(tǒng)主要由6部分組成，分別是知識(shí)庫(kù)、推理機(jī)、綜合數(shù)據(jù)庫(kù)、解釋接口（人機(jī)交互界面）、知識(shí)獲取模塊、輸入/輸出模塊[3]，各個(gè)部分的相互關(guān)系一般可形式化地如圖1所示。

圖1 專家系統(tǒng)結(jié)構(gòu)Fig.1 Structure of ES

專家系統(tǒng)的知識(shí)庫(kù)用來存儲(chǔ)包含特定領(lǐng)域的知識(shí)，這些知識(shí)的數(shù)量與質(zhì)量決定了一個(gè)專家系統(tǒng)性能的優(yōu)劣，保障其具有良好的可用性、確定性、完整性和可擴(kuò)展性是十分必要的。在知識(shí)獲取中一般采用人工獲取法和歸納法。前者主要通過訪問知識(shí)工程師和專家，后者則著重從實(shí)例中推導(dǎo)規(guī)則。在分析儀表故障診斷系統(tǒng)的實(shí)際應(yīng)用中，出現(xiàn)以下情況增添了知識(shí)獲取的困難：1）故障不能用解析模型合理描述，如樣氣氣路被堵塞或有泄露；2）儀表的先驗(yàn)知識(shí)不完備、不確定，以致不能建立定量模型；3）故障知識(shí)是定性信息，不能毫無(wú)歧義地轉(zhuǎn)換為定量值；4）儀表原理本身過于復(fù)雜，只能建立近似模型；5）由于系統(tǒng)本身所具有的不確定性；6）因時(shí)間和條件所限，缺乏足夠的證據(jù)或接受了當(dāng)下分辨不清的錯(cuò)誤信息；7）缺乏可靠的經(jīng)驗(yàn)等原因，使得專家系統(tǒng)中知識(shí)的不確定性是客觀存在的[3]。

1.2 專家推理

專家系統(tǒng)中存在一些由模糊性引起的不確定性（還有由隨機(jī)性引起的及由于證據(jù)不全或不確切而引起的不確定性）問題，通過采用模糊技術(shù)來處理這種不確定性的專家系統(tǒng)稱為模糊專家系統(tǒng)。模糊專家系統(tǒng)體系結(jié)構(gòu)與傳統(tǒng)的專家系統(tǒng)類似，一般也是由上述6部分組成，只是數(shù)據(jù)庫(kù)、知識(shí)庫(kù)和推理機(jī)采用模糊技術(shù)來表示和處理。

專家推理包括推理方法和控制策略[4]。故障診斷專家系統(tǒng)使用不精確推理，具體有以下幾種方法：基于規(guī)則表示知識(shí)、基于語(yǔ)義網(wǎng)絡(luò)、基于模糊集和基于深層知識(shí)的推理。控制策略主要指推理方向的控制及推理規(guī)則的選擇，目前常用的控制策略有數(shù)據(jù)驅(qū)動(dòng)控制、目標(biāo)驅(qū)動(dòng)控制和混合控制3種[4]。

模糊推理機(jī)的作用是根據(jù)模糊邏輯法則[5]，把模糊規(guī)則庫(kù)中以產(chǎn)生式規(guī)則方法表示的 “如果—?jiǎng)t”規(guī)則轉(zhuǎn)換成某種映射，即實(shí)現(xiàn)U1×U2×…Un上的模糊集合到V上的模糊集合的映射。模糊規(guī)則可以表示成積空間 U×V 上的模糊蘊(yùn)涵 F11×F21×…×Fn1→G′。假設(shè)模糊推理機(jī)的輸入為U上的模糊集合A′，其隸屬函數(shù)為 μA′（u），則每條“如果—?jiǎng)t”推理得到模糊推理機(jī)的輸出V上的模糊集合B′，其隸屬函數(shù)為

當(dāng)對(duì)系統(tǒng)各現(xiàn)象的因果關(guān)系有較深了解后，可利用模糊關(guān)系矩陣建立診斷ES。模糊關(guān)系矩陣，表示映射關(guān)系，反映了故障癥狀與成因的模糊關(guān)系，可通過修正診斷矩陣提高診斷精度。推理決策邏輯是模糊控制的核心，它結(jié)合知識(shí)庫(kù)的信息運(yùn)用模糊數(shù)學(xué)理論對(duì)模糊控制規(guī)則進(jìn)行計(jì)算推理。模糊邏輯運(yùn)算根據(jù)算子的具體含義可以有多種算法，如基于合成算子運(yùn)算的最大最小法、基于概率算子運(yùn)算的概率算子法以及基于加權(quán)運(yùn)算的權(quán)矩陣法等[4]。

2 在線分析儀表故障診斷系統(tǒng)的建立

2.1 故障分析

在工業(yè)現(xiàn)場(chǎng)，當(dāng)分析儀出現(xiàn)故障時(shí)，會(huì)直接影響或破壞工藝過程中產(chǎn)品質(zhì)量的自動(dòng)監(jiān)測(cè)以及過程設(shè)備安全高效運(yùn)行的自動(dòng)控制。帶氧量測(cè)量的在線分析儀表由2部分組成，分別測(cè)量3種或3種以內(nèi)紅外敏感氣體和氧氣，它們的測(cè)量原理不盡相同。以單光路微流量紅外氣體分析儀為例，核心是一種利用敏感元件的熱敏特性測(cè)量微小氣體流量變化的方法；氧量的測(cè)量則是通過氧氣傳感器，根據(jù)燃料池的工作原理運(yùn)行[1]。測(cè)量結(jié)果的準(zhǔn)確性除受到溫度、大氣壓力等環(huán)境的影響外，還取決于溫度補(bǔ)償是否成功、測(cè)量前的自標(biāo)定是否成功；樣氣的傳送過程則依賴于泵的正常運(yùn)行、氣路的通暢等因素；除此之外，還有一些硬件故障諸如跳線問題、斬波器故障、主板故障等。一些故障與故障征兆之間具有簡(jiǎn)單的對(duì)應(yīng)關(guān)系，一種故障只會(huì)引起一種現(xiàn)象的發(fā)生；但更多的故障與征兆之間存在著多重耦合對(duì)應(yīng)關(guān)系，例如“O2傳感器故障或老化”會(huì)導(dǎo)致儀表同時(shí)出現(xiàn) “測(cè)量值O2超出容差”、“自標(biāo)定過程中O2濃度太低”以及“O2傳感器的靈敏度太低”的現(xiàn)象；而“測(cè)量值O2超出容差”的現(xiàn)象還有可能是主板故障導(dǎo)致的。

根據(jù)診斷類型的深淺知識(shí)，首先對(duì)二十多種故障成因知識(shí)進(jìn)行分層次分類型處理，分為單一故障知識(shí)與耦合故障知識(shí)。這些故障的特征模式是該領(lǐng)域?qū)＜覐亩嗄甑膶?shí)踐經(jīng)驗(yàn)中獲得，將這些專家經(jīng)驗(yàn)知識(shí)表示為啟發(fā)式規(guī)則的形式進(jìn)行推理診斷。其中單一故障知識(shí)可以運(yùn)用模式匹配診斷法得出結(jié)論，對(duì)于復(fù)雜的耦合故障知識(shí)，則需要根據(jù)專家知識(shí)進(jìn)行邏輯推理運(yùn)算，得出故障成因。

2.2 模糊邏輯運(yùn)算方法

2.2.1 模糊矩陣的確定

邏輯推理是在已有的專家知識(shí)基礎(chǔ)上，通過構(gòu)建模糊關(guān)系矩陣并確定運(yùn)算算子來實(shí)現(xiàn)的。本文的故障診斷系統(tǒng)采用模糊產(chǎn)生式規(guī)則，可表示為

式中：U 為故障種類集合，是診斷的輸入，U=｛u1，u2，…，um｝；V 為故障征兆集合， 是診斷的輸出，V=｛v1，v2，…，vn｝。 由式（1）可知，它們之間的關(guān)系可表示為

式中：R為模糊關(guān)系矩陣，表示規(guī)則庫(kù)中的規(guī)則；?為模糊邏輯算子。

經(jīng)過故障征兆的隸屬度和模糊關(guān)系矩陣之間的邏輯運(yùn)算，可得到各種故障原因的隸屬度。其中幾種主要的故障征兆與故障成因的關(guān)系如表1所示。

表1 部分故障現(xiàn)象與故障原因的對(duì)應(yīng)關(guān)系Tab.1 Relationship between failure symptoms and causes

由上表可知，m=10，n=5；每種故障征兆出現(xiàn)的幾率相同，由算數(shù)平均原則，U上的模糊集合A′的權(quán)值隸屬度的單位為；模糊矩陣R的元素或者rm×n=0，這取決于征兆與故障成因之間是否有關(guān)聯(lián)；故障征兆模糊集合U中的元素?cái)?shù)值為0或者1，當(dāng)儀表出現(xiàn)征兆時(shí)ui=1，當(dāng)沒有這種征兆時(shí)ui=0。

2.2.2 邏輯算子的確定

當(dāng)模糊向量U和模糊關(guān)系矩陣R為已知時(shí)，邏輯算子的確定有多種綜合評(píng)判模型，其中為廣義模糊“與”運(yùn)算，為廣義模糊“或”運(yùn)算[4]。在本例中，選擇使用M（∧，+）模型。對(duì)應(yīng)一組經(jīng)模糊化的輸入數(shù)據(jù) U=（uki）1×m，m=10，與上述矩陣 R 合成計(jì)算后得到的模糊推理結(jié)論為

其中，“∧”表示取小，這樣可計(jì)算出每個(gè)可能的結(jié)論的隸屬度。 最后比較 vi（i=1，2，…，n）的隸屬度，采用取大原則，即可得到診斷結(jié)果。

2.3 模糊推理過程

本文所提出的故障診斷新方法是基于目標(biāo)驅(qū)動(dòng)的推理過程，從目標(biāo)出發(fā)，為驗(yàn)證目標(biāo)的成立而尋找有用證據(jù)。推理原理如圖2所示[6]。

圖2 模糊推理原理Fig.2 Theory of fuzzy inference

故障成因是系統(tǒng)最終需要求出的目標(biāo)問題，某一種故障原因所引發(fā)的故障現(xiàn)象就是證明該原因的有用證據(jù)。因此由故障征兆的隸屬度以及模糊關(guān)系矩陣，求得故障原因的隸屬度，通過比較結(jié)果實(shí)現(xiàn)診斷目的。

2.4 人機(jī)交互界面

使用JAVA語(yǔ)言在Eclipse平臺(tái)上編程實(shí)現(xiàn)儀表故障診斷的人機(jī)交互界面[7]，由菜單欄、故障診斷對(duì)話框等組成，具體見診斷案例中的結(jié)果展示。

3 診斷案例

以西門子在線分析儀表Ultramat23為實(shí)驗(yàn)設(shè)備，以其出現(xiàn)的常見故障為例來說明本系統(tǒng)運(yùn)用新方法的實(shí)用價(jià)值，有效地輔助運(yùn)行人員把握現(xiàn)場(chǎng)系統(tǒng)情況，補(bǔ)救因監(jiān)視人員對(duì)設(shè)備原理的了解不足而不能及時(shí)處理突發(fā)狀況的弊端。

在上位機(jī)對(duì)儀表故障信號(hào)的讀取過程中，不僅存在著各種過程干擾與測(cè)量噪聲，而且根據(jù)儀表內(nèi)部通信協(xié)議的規(guī)定，一組信號(hào)包含除故障信息以外的狀態(tài)、時(shí)間、端口地址等其他信息。在故障診斷的系統(tǒng)中，首先需要合理剔除無(wú)用信息，準(zhǔn)確挖掘故障征兆的表征信號(hào)，存于數(shù)據(jù)庫(kù)中。在MYSQL數(shù)據(jù)庫(kù)中建立故障診斷庫(kù)，在故障診斷庫(kù)中分別建立故障征兆表與故障成因表，用于存儲(chǔ)故障信息；用JAVA語(yǔ)言實(shí)現(xiàn)推理機(jī)的計(jì)算、判斷、得出結(jié)論以及對(duì)數(shù)據(jù)庫(kù)信息的調(diào)取、增刪等過程，并將結(jié)果顯示在人機(jī)界面中，便于用戶監(jiān)測(cè)。

在需要診斷的故障中，存在一些突發(fā)的、甚至是永久性的破壞性故障。例如某些零部件損壞引起的，還有一些故障是系統(tǒng)在使用過程中某些零部件因疲勞、腐蝕或者磨損等造成性能逐漸下降，最終超出允許值而發(fā)生的漸進(jìn)性故障[4]。這些故障是不能或者難以進(jìn)行人為制造的，因此本文采用信號(hào)還原、隨機(jī)制造故障的方式進(jìn)行實(shí)驗(yàn)，這樣既保證了設(shè)備的安全及可用性，又能夠真實(shí)測(cè)試專家系統(tǒng)的診斷功能。

人機(jī)交互整體界面如圖3所示，當(dāng)點(diǎn)擊左上角的急救箱小圖標(biāo)時(shí)，即可得到儀表故障診斷對(duì)話框。對(duì)話框包括故障時(shí)間、故障現(xiàn)象、故障原因以及是否被確認(rèn)的信息顯示。如圖4、圖5、圖6為計(jì)算機(jī)隨機(jī)產(chǎn)生不同種類故障時(shí)專家系統(tǒng)的自診斷結(jié)果。

圖3 人機(jī)交互界面Fig.3 Human machine interface

圖4 故障1診斷結(jié)果Fig.4 Diagnosis result of fault 1

圖5 故障2診斷結(jié)果Fig.5 Diagnosis result of fault 2

圖6 故障3診斷結(jié)果Fig.6 Diagnosis result of fault 3

圖4中，當(dāng)儀表具有“測(cè)量值通道3超出容差”現(xiàn)象時(shí)，系統(tǒng)對(duì)其的診斷結(jié)果為“第3組分的分析部分出現(xiàn)故障”；圖5中，連續(xù)出現(xiàn)3個(gè)故障信息，綜合評(píng)判結(jié)果為“O2傳感器故障或老化”；圖6中，儀表出現(xiàn)“沒有溫度補(bǔ)償?shù)臄?shù)據(jù)”，由于專家知識(shí)的不完備，無(wú)法精確判斷故障原因，此時(shí)系統(tǒng)會(huì)給出參考結(jié)論，即 “溫度補(bǔ)償不成功/加載了新組分/E2PROM已經(jīng)被初始化”。結(jié)果表明，系統(tǒng)的診斷結(jié)論與現(xiàn)有的專家知識(shí)完全吻合。

4 結(jié)語(yǔ)

當(dāng)前的工業(yè)現(xiàn)場(chǎng)設(shè)備故障的檢測(cè)和監(jiān)測(cè)還多依賴于設(shè)備手冊(cè)，對(duì)于一些實(shí)時(shí)性要求高的系統(tǒng)，如在線分析控制系統(tǒng)，一套完備可靠的自檢測(cè)自診斷系統(tǒng)顯得尤為重要。本文充分利用設(shè)備手冊(cè)以及領(lǐng)域?qū)＜业慕?jīng)驗(yàn)設(shè)計(jì)實(shí)現(xiàn)的模糊專家系統(tǒng)完成了故障診斷的狀態(tài)評(píng)估和監(jiān)測(cè)功能，具有重大的工程實(shí)踐意義。同時(shí)，對(duì)于仍然存在部分耦合關(guān)系復(fù)雜的故障成因還沒有一個(gè)恰當(dāng)?shù)姆椒ㄟM(jìn)行解耦合，本文新方法的實(shí)現(xiàn)對(duì)克服這一難點(diǎn)做出了良好的鋪墊。

[1]高喜奎.在線分析系統(tǒng)工程技術(shù)[M].北京：化學(xué)工業(yè)出版社，2014.

[2]白小琴.流程工業(yè)在線儀表故障診斷方法及其應(yīng)用[D].杭州：浙江大學(xué)，2007：5-6.

[3]劉有才，劉增良.模糊專家系統(tǒng)原理與設(shè)計(jì)[M].北京：北京航空航天大學(xué)出版社，1995.

[4]呂琛.故障診斷與預(yù)測(cè)—原理、技術(shù)與應(yīng)用[M].北京：北京航空航天大學(xué)出版社，2012.

[5]明紹民.并聯(lián)混合動(dòng)力汽車模糊邏輯控制策略的研究[D].吉林：吉林大學(xué)，2007.

[6]劉勝，王宇超，傅薈璇.船用計(jì)程儀故障診斷模糊專家系統(tǒng)[J].計(jì)算機(jī)工程，2009，35（18）：227-230.

[7]趙新慧，李文超，石元博，等.Java程序設(shè)計(jì)教程[M].北京：清華大學(xué)出版社，2014.

我國(guó)工業(yè)無(wú)線網(wǎng)絡(luò)技術(shù)標(biāo)準(zhǔn)被歐洲正式采納

2015年12月25日從中科院沈陽(yáng)自動(dòng)化研究所獲悉，該所牽頭研究制定的面向過程自動(dòng)化的工業(yè)無(wú)線網(wǎng)絡(luò)WIA-PA技術(shù)標(biāo)準(zhǔn)，日前經(jīng)國(guó)際電工委員會(huì)（IEC）和歐洲電工技術(shù)標(biāo)準(zhǔn)化委員會(huì)（CENELEC）聯(lián)合投票，被正式采納成為歐洲標(biāo)準(zhǔn)。

“WIA-PA能夠成為歐洲標(biāo)準(zhǔn)，打破了歐洲的技術(shù)壁壘，讓中國(guó)工業(yè)無(wú)線產(chǎn)品拿到了進(jìn)入工業(yè)無(wú)線網(wǎng)絡(luò)歐洲市場(chǎng)的準(zhǔn)入證書，降低了中國(guó)企業(yè)的生產(chǎn)成本，縮短了產(chǎn)品的開發(fā)和認(rèn)證時(shí)間，使得中國(guó)工業(yè)無(wú)線產(chǎn)品與國(guó)外品牌站在了同一起跑線上。”該項(xiàng)目負(fù)責(zé)人、中科院沈陽(yáng)自動(dòng)化研究所梁煒研究員表示。

技術(shù)標(biāo)準(zhǔn)已經(jīng)成為應(yīng)對(duì)技術(shù)性貿(mào)易壁壘的根本游戲規(guī)則，掌握了技術(shù)標(biāo)準(zhǔn)就意味著掌握了國(guó)際市場(chǎng)。“歐洲工業(yè)自動(dòng)化市場(chǎng)競(jìng)爭(zhēng)激烈，自有品牌扎堆，對(duì)工業(yè)無(wú)線產(chǎn)品的準(zhǔn)入條件繁多而苛刻。同時(shí)，歐洲也正在制定關(guān)于工業(yè)無(wú)線網(wǎng)絡(luò)共存等方面的其他限制性標(biāo)準(zhǔn)。”梁煒說，沖擊本土產(chǎn)業(yè)并非歐洲政府所樂見，尚不夠強(qiáng)大的中國(guó)品牌要想在這塊高端市場(chǎng)上站穩(wěn)腳跟，仍將面臨諸多挑戰(zhàn)。

據(jù)介紹，西門子、ABB、E+H等眾多知名自動(dòng)化公司，目前都在研發(fā)工業(yè)無(wú)線網(wǎng)絡(luò)技術(shù)和標(biāo)準(zhǔn)并積極拓展市場(chǎng)。“如果沒有自有的技術(shù)和標(biāo)準(zhǔn)，僅以價(jià)格取勝，將導(dǎo)致中國(guó)產(chǎn)品越來越難進(jìn)入歐洲市場(chǎng)。”梁煒說，技術(shù)性貿(mào)易壁壘通常是指進(jìn)口國(guó)采取強(qiáng)制性和非強(qiáng)制性的技術(shù)標(biāo)準(zhǔn)、法規(guī)等技術(shù)準(zhǔn)入要求，限制他國(guó)產(chǎn)品進(jìn)入其市場(chǎng)。隨著中國(guó)自主技術(shù)和自主品牌的不斷強(qiáng)大，國(guó)外的技術(shù)性貿(mào)易壁壘將越來越嚴(yán)格。

據(jù)悉，歐洲電工技術(shù)標(biāo)準(zhǔn)化委員會(huì)成立于20世紀(jì)50年代，成員包括歐洲31個(gè)國(guó)家，旨在指定既符合市場(chǎng)要求又符合歐洲法規(guī)的統(tǒng)一標(biāo)準(zhǔn)。