基于模糊貝葉斯網絡的門座式起重機起升機構電氣故障診斷的研究

薛愷淳

摘 要：為了明確門座式起重機起升機構電氣故障發生的關鍵因素，按照相關資料文獻，利用貝葉斯網絡構建了拓撲結構，并結合模糊理論的相關知識，利用三角模糊數和條件概率表（CPT）得出事件的條件概率，依據貝葉斯網絡推理得出故障診斷的后驗概率。利用GeNIe軟件的診斷推理和靈敏度分析，可以準確找出導致門座式起重機起升機構發生故障的最關鍵因素。將計算得到的結果與實際經驗對比表明該方法對于診斷門座式起重機起升機構故障是切實可行的。

關鍵詞：門座式起重機；貝葉斯網絡；模糊理論；故障診斷

中圖分類號：TH213.4 文獻標志碼：A 文章編號：2095-2945（2018）02-0017-02

Abstract： In order to clarify the key factors of electrical failure of hoisting mechanism of gantry crane， according to the relevant documents， the topology structure is constructed by using Bayesian network， and the relevant knowledge of fuzzy theory is combined. The conditional probability of event is obtained by using triangular fuzzy number and conditional probability table， and the posterior probability of fault diagnosis is obtained by Bayesian network reasoning. By using the diagnostic reasoning and sensitivity analysis of GeNIe software， the most critical factors that cause the hoisting mechanism of gantry crane can be found out accurately. The comparison between the calculated results and the actual experience shows that this method is feasible for diagnosing the hoisting mechanism faults of gantry cranes.

Keywords： portal crane； Bayesian Network； fuzzy theory； fault diagnosis

1 概述

隨著社會對資源的需求日益增加，工業生產的規模也越來越趨于專業化與大型化。門座式起重機電氣設備中隱藏著諸多危險因素，一旦發生故障就會造成巨大的財產損失和生命威脅，所以對于門座式起重機的故障分析和排除就顯得尤為重要[1]。

門座式起重機起升機構部分用來升降貨物，一旦出現故障，若不能夠及時診斷故障出現的地方并迅速排查，不但會給港口裝卸生產帶來不必要的經濟損失，更嚴重則可能引發安全事故[2]。

貝葉斯網絡是建立在不確定知識表達和推理領域最為有效的方法之一。鑒于此，鐘虞全[3]提出基于貝葉斯網絡的智能故障診斷方法。然而實際應用中，由于故障的復雜性、不確定性等因素，難以得出故障概率的和條件概率的精確數值。因此，本文提出利用模糊理論和貝葉斯網絡相結合的模糊貝葉斯網絡故障診斷方法。結合專家打分，經過解模糊后利用貝葉斯推理對故障進行診斷，最后利用GeNIe軟件驗證該方法的可行性。

2 模糊集理論概率分析

2.1 專家語言模糊化

本文采用Wickens的評判7級理論表達自然語言，即把事件發生概率分為很高（VH）、高（H）、較高（FH）、中等（M）、偏低（FL）、低（L）、很低（VL）7個等級[4]，采用三角和梯形相結合的模糊數形式。

為了便于計算，現將7種模糊語言所對應的模糊數形式如表1所示。

2.2 專家權重的確定

通過收集3位業內經驗豐富的專家信息，對結果進行下述處理，采用加權平均法計算權重值，計算結果見表2。

3 門座式起重機貝葉斯網絡的建立

3.1 故障樹的建立

根據起升機構的控制要素以及電氣元件的構成，總結出4大主要的電氣故障，分別為制動器故障、變頻器故障、電機故障、電源故障。本文以“門機起升機構電氣故障”為故障樹的頂事件，建立故障樹模型，且所有節點均為二態性，即故障和正常（1和0）兩種狀態。故障樹的模型如圖1，2所示。

由于排版限制，本文將門機起升機構電氣故障分為兩幅圖來表達且其中所有節點均為邏輯或關系。

3.2 先驗概率的計算

在確定了3位專家信息和相關權重后，利用三角模糊數方法求解各個根節點故障的先驗概率[5]。

以根節點X10為例，3位專家就“行程開關損壞”這一根節點故障運算得：

3.3 條件概率表的計算

在得到根節點的先驗概率后，還需要計算貝葉斯網絡的條件概率表。以“總電源接觸器觸點接觸不良”X1和“斷路器、繼電器故障”X2同時發生時“主回路電壓低”M2不發生為例，計算P（M2=0|X1=1，X2=1）=0.2089。

4 貝葉斯網絡模型仿真與結果分析

4.1 貝葉斯網絡推理

貝葉斯網絡的條件概率表計算完成后，將其輸入GeNIe軟件進行貝葉斯網絡推理，得到后驗概率信息如圖3所示。endprint

根據網絡推理的結果來看，門機起升機構電氣故障發生的概率為38%，隸屬于“較低”等級。比較節點T的四個父節點，其中M8“變頻器故障”發生的概率為最大，而節點M8的父節點中屬M10“變頻器內部直流母排‘過電壓OV”出現故障的概率最大。通過貝葉斯網絡推理就能給工作人員提供快速排查故障的方案。

4.2 靈敏度分析

靈敏度分析可以用來確定對后果事件發生概率貢獻較大的基本事件[6]。為了找到導致門機起升機構電氣故障最為突出的因素，在圖3的基礎之上更新頂事件T的概率，使之發生的概率P（T=1）=100%。

通過假定頂事件T必然發生，經靈敏度分析可以得到根節點X15“變頻器周圍溫度過高過熱而保護值低”的后驗概率最高，對門機起升機構發生電氣故障的影響最大。

接著以最為核心的中間節點M10“變頻器內部直流母排‘過電壓OV”作為貝葉斯網絡的觀測節點，即把父節點P（M10=1）=100%作為新的證據輸入再次進行推理，其子節點的故障出現的概率也相應產生變化，子節點M8發生故障的概率從55%增至68%，父節點M10的靈敏度為13%。

用同樣的方法將M8的另一個父節點M9也使其概率P（M9=1）=100%，得到子節點M8發生故障的概率從55%增至76%，父節點M9的靈敏度為21%。

通過對比可以發現M9的靈敏度更大，即“變頻器報‘過熱OH1”是影響“變頻器故障”最突出的因素。

5 結束語

本文采用模糊集理論和貝葉斯網絡相結合的方法，提出基于模糊貝葉斯網絡的門座式起重機起升機構電氣故障的診斷方法。其中利用三角模糊數與專家打分相結合的方法，根據模糊數形式進行解模糊處理，得到精確值的條件概率表。最后結合貝葉斯網絡模型，進行貝葉斯網絡推理和靈敏度分析，提高了貝葉斯網絡處理模糊信息的能力和排查故障發生的最突出因素的能力，具有較高的實際應用價值。

參考文獻：

[1]李君.港口起重機電氣故障診斷與處理[M].武漢：武漢理工大學出版社，2009：70-102.

[2]劉普.基于PLC和變頻器的港口門座起重機控制系統研究[D].南京理工大學，2014.

[3]鐘虞全.貝葉斯網絡在起重機故障診斷中的應用[D].湖南大學，2011.

[4]何友奇，蔣新華，聶明星.基于模糊貝葉斯網絡的叉裝車制動系統故障診斷研究[J].微型機與應用，2016，35（11）：70-73.

[5]霍春勇，董玉華，高惠臨，等.管道故障樹基本事件分析的德爾斐法[J].油氣儲運，2005，24（1）：8-11.

[6]陸瑩，李啟明，周志鵬.基于模糊貝葉斯網絡的地鐵運營安全風險預測[J].東南大學學報（自然科學版），2010，40（05）：1110-1114.endprint