基于模糊診斷專家系統的空壓機故障診斷方法

杜文禮 張書娟 張旭

摘要：目前空壓機故障診斷方法是在電纜傳輸信號的情況下，通過監測的手段對故障進行診斷。這種方法會造成嚴重的信號干擾，難以保證故障診斷的明確性。本文提出了一種基于模糊診斷專家系統的空壓機故障診斷方法。首先建立螺旋式空壓機的故障庫和征兆庫，將系統特征參數模糊化，確定系統模糊關系矩陣，進而確定系統模糊算子。系統的推理機將空壓機待診斷故障的模糊向量通過去模糊化方法推理出準確的設備故障結論。該方法提高了空壓機故障診斷方法的準確性。

關鍵詞：模糊理論；專家系統；空壓機；診斷故障

1 緒論

目前空壓機故障診斷方法是在電纜傳輸信號的情況下，通過監測的手段對故障進行診斷。這種方法會造成嚴重的信號干擾，難以保證故障診斷的明確性。現在各種智能技術應運而生，所以我們需要提高對裝置控制程度和診斷故障的技術。所以本文提出了一種基于模糊診斷專家系統的空壓機故障診斷方法。

吳祖炯等人以 SVM 作為分類器來進行壓縮機質量的檢測，[1]得到了較高的識別率。但是由于訓練樣本不夠多，從訓練樣本中提取得到的故障特征信息并不能完全代替所有故障機的信息，所以會影響診斷的準確。

戴俊等人通過對單BP網絡和組合式BP網絡兩種方法進行對比，[2]得到采用組合式BP網絡的故障診斷方法更加簡單實用。但是由于該空壓機測試數據的局限性，模型還有待于進一步完善。

本文提出了一種基于模糊診斷專家系統的空壓機故障診斷方法。首先建立螺旋式空壓機的故障庫和征兆庫，將系統特征參數模糊化，確定系統模糊關系矩陣，進而確定系統模糊算子。[35]系統的推理機將空壓機待診斷故障的模糊向量通過去模糊化方法推理出準確的設備故障結論。該方法提高了空壓機故障診斷方法的準確性。

2 專家系統

2.1 專家系統的基本構造流程

專家系統基本構造流程如圖1所示。

2.2 故障診斷專家系統的結構

設備故障診斷專家系統結構如圖2所示。[6]用戶和專家訪問人機界面，人機界面與知識獲取程序、解釋程序、推理機的數據是共通的。無線傳感器采集的數據傳送給綜合數據庫，綜合數據庫將數據給解釋程序、推理機。系統知識庫將數據給知識獲取程序、解釋程序、推理機。

2.3 故障診斷專家系統的知識獲取

設備現場診斷專家系統的知識獲取主要涉及獲取設備結構、原理、功能、技術條件和工作環境的知識，獲取設備故障機制相關知識以及獲取設備故障、設備故障征狀、兩者之間的相互關系方面的知識。[7]

3 模糊診斷

模糊診斷的流程圖，如圖3所示。流程圖包括構造隸屬函數、建立診斷矩陣、輸入模糊向量計算A，=B，oR。通過選擇診斷原則即選擇最大隸屬原則和閥值原則，進而分析得到診斷結果。4 螺旋式空壓機故障診斷

4.1 系統的基本架構

本系統的架構圖包括無線數據采集模塊、無線檢測參數表、系統知識管理模塊、系統知識庫表、推理機、系統結論表、人機接口模塊、模糊庫表、模糊計算模塊，如圖4所示。

4.2 系統模糊診斷模型的建立

系統模糊診斷模型主要包括模糊化單元、模糊規則庫、模糊推理機和反模糊化單元，如圖5所示。首先將特征參數賦給模糊化單元，根據模糊規則庫求得故障征兆模糊向量，并輸入給模糊推理機，通過模糊診斷得到待診斷模糊向量，并輸入給反模糊化單元，通過最大隸屬度原則以及閥值原則得到故障診斷結果。

4.3 系統的知識庫設計

知識獲取是構建空壓機故障診斷專家系統知識庫的基本。[910]通過對螺桿空壓機知識獲取的來源并結合專家的經驗，螺桿式空壓機典型故障表Ai和螺桿式空壓機故障征兆集合Bi。

4.3.1系統特征參數的模糊化

知識模糊化的目的就是確定故障特征參數的隸屬函數。[11]采用偏大型和偏小型函數作為隸屬函數：

偏大型：

μx0，

x-ab-a

1，x

a

SymbolcB@ x

SymbolcB@ b

x>b（1）

2）偏小型

μx1，

b-xb-a

0，x

a

SymbolcB@ x

SymbolcB@ b

x>b（2）

對于偏大型函數，a為正常工作時特征參數的最大值，b為特征參數的最大閥值；對于偏小型函數，a為特征參數的最小閥值，b為正常工作時特征參數的最大值。

4.3.2系統模糊關系矩陣的確定

模糊診斷矩陣表示著空壓機故障與各個故障征兆之間的關系。

當故障征兆Bi出現時若引起故障征兆的原因為Ai的話，則rij′為1；如果故障和征兆之間沒有關系，則rij′為0；其余情況根據隸屬程度在區域之間取值。進而確定初等診斷矩陣R，再通過歸一化處理，即用公式（3）對i=1，2，3，...，m，，分別求模糊關系矩陣R的rij。進而得到空壓機模糊關系矩陣。

若Ai出現是因為故障征兆Bi，則rij′為1；若Ai故障征兆Bi無關，則rij′為0；其他根據隸屬程度取值，從而得到初等診斷矩陣R，o根據歸一化原則，將通過公式（3）對i=1，2，3，...，m，分別求模糊關系矩陣R的rij。進而得到模糊關系矩陣。

rij=r，ij∑nj=1r，ij，j=1，2，3..，n（3）

4.3.3系統模糊算子的確定

通過計算公式（A′=B′。R）得到待診斷的故障向量，還需要一個模糊算子。[12]本文選擇用算子M

SymbolEC@ ）來計算，公式如下

aj=mi（1，∑ni=1birij），j=1，2，3..，n（4）

其中aj為空壓機故障Aj的隸屬度，bi為空壓機故障征兆Bi的隸屬。

4.4 系統的推理機設計

系統的推理機設計首先通過通過利用算法A′=B′。R計算出模糊向量A′。式中B′為輸入的故障征兆模糊向量，而模糊算子“o”和模糊矩陣R是已知的，從而得到待診斷故障的模糊向量A′。再通過通過利用閥值原理求出模糊向量A′的最大值，將這一值的一半設為判別空壓機故障與否的閥值

SymbollA@ 。接下來匹配模糊向量A′的各個模糊子集，如果大于

SymbollA@ ，則說明該故障發生，并將對應結論輸出。

5 結論

該方法通過建立螺旋式空壓機的故障庫和征兆庫，將系統特征參數模糊化，確定系統模糊關系矩陣及系統模糊算子。推理機將空壓機待診斷故障的模糊向量通過去模糊化方法推理出準確的設備故障結論。并通過空壓機故障實例診斷，驗證了系統的可行性。與傳統的監測方法相比，該方法工作效率更高，增加了空壓機故障診斷方法的準確性。所以該方法可以有效的診斷出空壓機的故障，可以有效大力的推廣使用。

參考文獻：

[1]戴俊.基于組合式BP網絡的空壓機故障診斷[J].船海工程，2008，10.

[2]吳祖迥.小波包與SVM用于壓縮機在線故障檢測的研究[J].五邑大學學報，2014，8.

[3]張桂才，史鐵林，楊叔子.基于高階統計量的機械故障特征提取方法研究[J].華中理工大學學報，1999，27（3）：68.

[4]楊國安，鐘秉林，黃仁，等.機械故障信號小波包分解的時域特征提取方法研究[J].振動與沖擊，2001，20（2）：2528.

[5]劉獻棟，李其漢.小波變換在轉子系統動靜件早期碰摩故障診斷中的應用[J].航空學報，1999，20（3）：220223.

[6]KANKAR P K，SHARMA S C，HARSHA S P.Rolling element bearing fault diagnosis using autocorrelation and continuous wavelet transform[J].Journal of Vibration and Control，2011，17（14）：20812094.

[7]RAFIEEJ，TSEPW，HARIFIA，etal.A novel technique for selecting mother wavelet function using an intelligent fault diagnosis system[J].Expert Systems with Applications，2009，36（3）：48624875.

[8]張學工.關于統計學習理論與支持向量機[J].自動化學報，2000，26（1）：3242.

[9]Gaopin Lin，Danqing Wu，et al，Inden.tifieation of Compressor Cylinder Pressure By Using CylinderHead Vibration Signals[M].ICTCC，1993.

[10]Shanxiang Xu，Qiang Jiang，Ex Pert KnowledgeBased online Fau It Diaostic System for Reciprocating Com Pressor[M].ICTCC，1993.

[11]赫沐羽.往復式壓縮機管系振動與控制措施[J].油氣田地面工程，2003，22（9）：84.

[12]孫盛宇.基于小波神經網絡的往復壓縮機故障診斷方法研究[J].壓縮機技術，2009，（5）：29.

作者簡介：杜文禮（1964），男，河北張家口人，工程師，現工作在石家莊四站廠供銷任處長一職；第三作者張旭（1991），女，河北邢臺人，碩士，主要研究方向為計算機測控技術。

*通訊作者：張書娟（1992），女，河北河間人，碩士，主要研究方向為測試計量技術及儀器。