模糊多級融合技術在化工故障診斷中的應用

劉蘭英

摘 要：為提高化工故障診斷的可靠性，文章提出一種基于模糊多級融合的故障診斷方法，在傳統模糊信息融合故障診斷的基礎上，將各診斷方法的局部診斷結果重新融合后再進行系統的全局故障診斷，同時根據模糊融合方法的實現需求提出評價系統，對權重值進行修正，從而提高故障診斷的快速性與準確性。通過實例分析表明該診斷模型的可行性。

關鍵詞：化工故障；模糊融合；故障診斷

故障診斷技術是一門涉及建模與控制等多領域的綜合性技術[1]。近年來，隨著模糊理論和多源信息融合技術的興起，人們又將模糊信息融合技術應用于故障診斷領域，提出模糊信息融合故障診斷方法[2]，并取得一些研究成果[3- 5]。對于單診斷資源的診斷結果而言，由于算法設計或者知識水平和經驗局限性，可能存在診斷過程片面性和主觀性。面對一個實際系統故障問題時，智能診斷和多方專家診斷在診斷過程中，可能存在每個診斷方法在診斷群體中的重要程度各異。為此，本文提出基于模糊多級故障診斷方法，該方法在傳統的模糊診斷融合的基礎上，將各診斷資源的局部結果進行二級融合，并對權重值用評價系統進行修正。

1 模糊多級故障診斷融合結構

模糊集思想是將普通集合中的隸屬關系從原來只能取0和1擴充到[0，1]區間中的任一數值，因此適合對診斷信息不確定性、片面性進行描述和處理。在化工故障診斷系統中常會同時存在多種診斷資源對同一類或不同類的故障進行診斷。當不同診斷資源各自反饋診斷結果時，多診斷結果多級模糊故障診斷融合結構如圖1所示。

模糊多級融合中心接收多個診斷結果，首先對不同結果進行特征提取，每個結果包含2個值，即PRE_ RESULT[i]={result，DA}。Result指在診斷結果中應用常量值，DA指診斷資源的信息集合，DA集合包括如診斷資源ID、診斷資源權重值等。診斷結果特征被提取后，將所有結果特征值進行模糊多級融合算法處理，然后將全局融合結果輸出，輸出結果也應包含的內容為POS_RESULT[i]= {result， p， k}，其中result是全局融合結果代表特征值，p是融合結果可信度百分比，k指全局融合結果與局部診斷結果相似值。

1.1 融合原理

模糊理論[6]不僅考慮診斷資源各自重要程度，而且強調各診斷資源間會相互關系、相互制約從而對整個融合結果的影響。模糊理論為多診斷資源結果融合提供一個新途徑。具體融合原理如下。

在模糊多級診斷中，設A={A1，A2，…，Ai}為診斷資源所組成集合，i為故障診斷系統中診斷資源個數，也就是智能診斷資源和專家診斷資源參與該次診斷個數。各診斷資源對第n種故障的隸屬度診斷結果可以記為：Sj（A）={Sj（A1）， Sj（A2），…，Sj（Ai）}，1≤i≤m，1≤j≤n，則：

i=1，2，3，…，m，由于各診斷資源診斷能力不同，所以它們對不同故障診斷都對應一個權重值，表示該診斷方法在決策時其診斷結果對全局結果影響程度。在這權重主要包括兩部分：各診斷資源可信度值R和各診斷資源能力等級G。R={r1，r2，…，rn}T，0≤ri≤1。它根據以往診斷經驗得到，以后可以根據實際任務診斷準確率來進行相對應變化。設G={g1，g2， …，gm}，各元素取值范圍為{1，2，3}，表示三個診斷等級。則權重集合為：

為保留各不同運算模型的全部診斷信息，上式模糊算子“ ° ”采用模型M（·，+）進行計算。

1.2 權重設計

上文已敘述如何實現模糊多級診斷融合，在融合需求下，首要解決問題是如何設計不同診斷資源在診斷中權重問題。診斷資源權重值在系統運行中被不斷優化，權重值大小決定于診斷結果與用戶評價共同作用結果。診斷資源特別是專家診斷往往在診斷過程中加入一些主觀因素，權重值設計正好可有效消除主觀因素帶來的不良影響。設計時，令所有診斷資源權重值初始化為0.5，每次診斷結果融合完畢后，系統會根據輸出結果可信度p值和融合結果與診斷資源的局部診斷結果相似度k的大小，提高或降低診斷資源在該診斷中權重值。為使診斷方法權重值更符合實際使用需求，在設計對權重值不斷修正環節上，提出評價系統方法。

化工用戶根據診斷結果是否能解決化工故障問題，在客戶端上對診斷結果評價，評價等級分為：（1）有效解決故障；（2）部分解決故障；（3）未能解決故障3個等級。系統根據用戶評價等級，并結合p，k值，通過推理共同作用于診斷資源權重值。另外，專家同樣可通過查閱歷史診斷案例，對診斷結果進行評價。權重值具體修正過程如圖2所示。注意，權重修正過程增量a，b，u，v，z值大小均由用戶在系統中自定義，對于不同診斷對象，增量值大小可能會存在一定差異。

1.3 模糊決策

求出最終診斷信息D后，可按最大隸屬、閥值和擇近原則等方法進行模糊判決。為提高全局診斷精度，將最大隸屬與閥值原則結合使用的方法：

（1）診斷故障應具有最大隸屬度；2）診斷故障隸屬度應大于設定閥值，且設定閥值α∈[0，1]，記d0=max（di），i=1，2，…，n。若d0<α，則“拒絕識別”判決，說明提供的故障診斷信息不足，在診斷人員補足信息之后再重新判斷；若d0≥α，則按最大隸屬原則判決目標類別。（2）目標類別與其它類別隸屬度之差必須大于設定閥值γ，即：

閥值α，γ的確定目前沒有統一理論方法，應用最多的是對系統進行多次實際試驗后結合專家經驗，通常是人為參考多次試驗結果后進行比較取得。

2 診斷實例

本文對化工過程的油缸模擬故障診斷進行試驗研究，以驗證所提方法正確性。設油缸有活塞桿與導套拉傷（S1）、液壓油含有氣泡造成油缸爬行（S2）、缸內異物堵塞（S3）、密封件損壞變形（S4）、油缸上蓋開裂（S5）、油缸閥座漏油（S6）6種故障狀態。將這些故障作為故障診斷集S：S={S1，S2，S3，S4，S5，S6}。實驗過程中有診斷資源A1，A2，A3參與診斷：A={A1，A2，A3}。各診斷資源可信度權重為：

通過對診斷資源原始數據進行分析計算，得到六種模擬故障與3個診斷資源間的隸屬度值如表1所示。

分別用上述4種運算模型進行模糊一級融合，根據式（12）得出模糊一級融合輸出為：

由式（13）得全局診斷融合矩陣O為：

設4種運算模型的比重因子為：C=[0.10 0.15 0.35 0.40]。根據式（14）進行二次模糊融合診斷信息為：D=C○O=[0.2554 0.4934 0.2597 0.3022 0.2192 0.3969]。根據模糊決策原則，根據多次試驗，結合專家經驗，設定閾值α=0.45，γ=0.05，則d0=max（di）=d2=0.4934>0.4500（i=1，2，…，6）；d2-di>0.0500（i≠2）。由此得出最終診斷結果為故障S2，液壓油含有氣泡造成的油缸爬行故障。

3 結語

[參考文獻]

[1]CHANG S Y，CHANG C T.A fuzzy-logic based fault diagnosis strategy for process control loops[J].Chemical Engineering Science，2003（15）：3395-3411.

[2]朱大奇，劉永安.故障診斷的信息融合方法[J].控制與決策，2007（12）：1321-1328.

[3]朱大奇，于盛林，田裕鵬.應用模糊數據融合實現電子電路的故障診斷[J].小型微型計算機系統，2002（5）：633-635.

[4]劉莉，任文舉.模糊信息融合在無損檢測技術中的應用研究[J].機械工程與自動化，2006（3）：73-77.

[5]楊廣，吳曉平.基于模糊信息融合的船舶動力裝置綜合故障診斷方法研究[J].船舶工程，2007（6）：5-8.

[6]Keller JM，Osbom J.T raining the Fuzzy Integral[J].International Journal of Approximation Reasoning，1996（1）：1-24.[7]陳水利，李敬功，王向公.模糊集理論及其應用[M].北京：科學出版社，2005.

Application of Fuzzy Multilevel Fusion to Chemical Fault Diagnosis

Liu Lanying

（School of Automation， Guangdong University of Technology， Guangzhou 510006， China）

Abstract： To enhance the reliability of chemical fault diagnosis， a fault diagnosis method based on fuzzy multilevel fusion was developed. Overall fault diagnosis was carried out after fusing again the partial diagnostic by each diagnosis method， and proposed a evaluation system to correct the weight value based on the requirements of fuzzy fusion. The result of the example shows that the diagnostic model could improve the evaluation process and the accuracy of fault diagnosis.

Key words： chemical fault； fuzzy fusion； fault diagnosis