基于專家系統的船舶電力系統故障診斷研究?

趙磊磊

（江蘇科技大學 鎮江 212000）

1 引言

隨著我國造船業的不斷發展，船舶電力系統越來越趨向于大型化和復雜化，船舶電網的發配電模塊和負載的復雜度也不斷提高，一旦某處發生故障，很大程度上會引起二次故障，這使得輪機員的工作量大大增加，往往很難快速準確地定位到故障點并排除故障，嚴重影響了船舶作業的穩定性［1～3］。并且，船舶電力設備隨著造船業的發展也在不斷更新換代，而輪機員的原有知識量很難應對新型設備的故障，因此，很有必要構建出一套能夠集成該領域專家知識并且能不斷更新知識庫的故障診斷專家系統［4～5］，以此提高輪機員的工作效率與準確度，保障船舶作業的連續性。

傳統的電力系統故障診斷是根據所研究電力系統的特點建立網絡拓撲模型，再求出系統的拓展關聯矩陣，根據發生故障時的潮流變化來進行故障的定位，這種基于數學計算的方法由于電力系統的復雜程度和規模日趨擴大，同時受到各方面不確定因素的影響很難達到一個理想的效果［6］。現階段主要采用智能化的方法來對電力系統進行故障診斷，包括基于信號處理的方法、基于解析模型的方法和基于知識的方法。其中，文獻［7］采用了基于解析模型的方法，先分析被診斷對象的特點，然后建立起相應的數學模型，構造出觀測器來估計系統的輸出，再將各傳感器的測量值與估計值進行比較，從而提取出故障信息，這種方法由于建模的困難與發生故障時可能會引起模型結構或參數的變化，影響了其得出結論的準確性。文獻［8］采用了基于信號處理的方法，這種方法的優點在于可以規避對復雜模型的建模，直接采用小波變換、相關函數、自回歸滑動平均和頻譜等模型，對方差、頻率、幅值等特征量進行分析，以此來定位故障點，該種方法雖然實現起來比較簡單，但是對于微小故障的檢測不靈敏，只有當故障發展到一定程度時才有較好的檢測效果。文獻［9］采用了基于知識的方法，該方法既繼承了信號處理不需要建立數學模型的優點，同時又避免了信號處理方法靈敏度不夠的缺點，該方法引入了專家特有的診斷知識，能夠充分發揮人類專家在診斷過程中的經驗和主觀性，提高故障診斷的效率與精確度，現如今這種基于知識的診斷已經成為眾多科研人員研究的熱點。

在以上研究的基礎上，結合船舶電力系統的特點，通過分析電力系統可能發生的故障及其產生的原因，對產生的故障進行分類，采用框架式知識來表示電力系統整體的構造，同時使用產生式規則對具體的故障知識進行描述，運用模糊推理來解決推理過程中的不確定性，設計出故障診斷專家系統。本系統結合了多位專家的推理知識以及診斷經驗，某些故障的診斷能力甚至能夠超越單個專家，經過試驗，該專家系統能夠對多種故障進行快速準確的診斷。

2 專家系統的總體結構及船舶電力系統的故障分類

2.1 故障診斷專家系統的整體設計

圖1 專家系統的整體結構

船舶電力系統故障診斷專家系統主要可分為5個部分，包括：綜合數據庫、知識庫、推理機、解釋機和人機交互界面，如圖1所示。其工作原理是：用戶使用人機交互界面將故障特征輸入專家系統，推理機載入規則并與知識庫中的知識相匹配，將完成配對的信息送入綜合數據庫，再通過解釋機反饋給用戶［10］。專家同樣可以通過人機交互界面對知識庫中的信息進行升級和維護，使專家系統不斷適應設備的更新換代。通過以上操作能夠實現對輸入的故障進行判斷，從而得出診斷結果。

2.2 船舶電力系統故障的分類

船舶電力系統由于其特殊的工作環境以及較為密集的布局，受到環境因素的影響較多，故障現象和故障原因具有一定的隨機性與干擾性，本文結合繼電保護知識和船舶電氣方面專家的經驗，對船舶電力系統常見的故障進行分類和總結。本文將所研究的船舶電力系統的故障分為四大類，分別是發電機故障、配電裝置故障、電網故障和用電負載故障。其中由于船舶電力系統電纜布線很緊密并且工作環境比較惡劣，電纜外部絕緣層易受腐蝕，所以電網故障是船舶電力系統故障發生最頻繁的地方，而電網故障往往又會導致其他部位受損產生二次故障［11～12］，因此在進行故障診斷時優先考慮電網故障。

3 專家系統知識庫的構建

知識庫和推理機的互相分離是專家系統區別于傳統程序的顯著特點，知識庫用于存儲專家系統的各類診斷規則，而推理機用于將輸入的故障與知識庫中的知識進行對比從而得出診斷結論，知識庫與推理機的分離使得在對專家系統進行知識升級時只需修改知識庫中的內容而無需修改推理機，這樣大大減少了專家系統升級的成本，本專家系統采用Microsoft Access 2008來進行知識庫的構建，以實現知識庫易于修改和錄入的特點［13］。

3.1 知識的表示

本專家系統知識的表示采用框架式和產生式相結合的方法，首先建立所研究電力系統的網絡拓撲結構，再采用框架表示法來描述拓撲結構，以此發揮框架式易于表述事物屬性及內在聯系的優勢，同一類型的電力元件擁有相類似的槽包括：框架名、類型描述、繼承關系，故障描述、確定性和缺省值，如圖2所示。在通過故障現象來診斷故障原因的過程中，本系統使用產生式規則對故障診斷知識進行描述，產生式規則通常可表示為IF P THEN Q＜CF＞，其中P和Q分別對應規則的前提和結論，CF表示置信度，一條規則一般包括規則編號、規則前提、規則結論和置信度，例如：規則11 IF發電機啟動失敗，且勵磁電流接近于零THEN故障原因：勵磁電源消失置信度：0.7，其中置信度用于進行不精確推理。

圖2 框架式規則

3.2 模糊化規則

根據以往的經驗，船舶電力系統在電網部分故障發生地最為頻繁，因此對電網故障需要重點分析，通常當輸電線路發生接地或者短路故障的時候，往往會出現電壓減小或者電流增大的情況，電壓電流值和負載特性及故障點與電源的距離密切相關，因而通常用某一閾值來判定電流增大和電壓減小的方法在這里并不適用，這里使用模糊規則用于診斷輸電線路的故障［14～16］。由于，輸電線路在發生故障時，一般不存在電壓增大而電流減小的情況，因此采用如圖3中的線性隸屬函數對電壓電流值進行模糊處理，電流正常時的隸屬函數為電流為高時的隸例如當電 流值為20A時，u（x）=0.75，即當Ix=20A時，電流正常的可信度為0.75。當電壓為低時的隸屬函數為當電壓值為正常時的隸屬函數為即 當 Vx=360V時，電壓正常的可信度為0.75，求得的電壓電流可信度即為模糊規則的可信度，經過預處理后的電壓電流值再與如表1所示的模糊規則相匹配可以得到診斷結果。

4 專家系統的推理機制

4.1 電網模塊的推理機制

推理機負責專家系統在故障診斷的過程中如何調用規則，推理機設計的是否完善將直接影響專家系統的推理精度和效率，選用合適的推理策略更能發揮專家系統的優勢。根據船舶電力系統的特點，相比較其他類型故障而言，電網模塊故障發生的頻率最高［17］，因此發生故障時，優先對電網模塊進行故障診斷將大大提高專家系統的工作效率，為了提高推理速度，對電網模塊故障的推理使用正向推理的方法，專家系統將已知的故障特征信息載入到綜合數據庫中，再與知識庫中的診斷規則進行逐一配對［18～20］，將成功匹配的規則的結論作為新的事實添加到綜合數據庫中，運用更新后的數據庫再次進行匹配，直到得出結論或者沒有新知識加入為止。

圖3 電壓和電流的隸屬函數

表1 模糊規則

4.2 其他模塊的推理機制

當專家系統對電網模塊診斷完成后未找到故障點時，說明故障發生在其他模塊，由于此時剩余的設備級故障點已較少，能比較容易地找到故障點，此時可以同時使用正向推理和反向推理的方法，來進一步提高推理的精度，首先運用正向推理來提出故障點的假設，然后通過反向推理證明假設的存在，以此來找到故障點［21］。

5 結語

本文運用專家系統的方法來對船舶電力系統進行故障診斷，針對船舶電力系統的特點，將故障分成四個模塊，其中重點分析了電網模塊的故障診斷方法。采用框架式結構來描述船舶電網的整體結構以及各模塊之間的聯系，具體的診斷知識通過產生式規則來描述。同時，對于電網模塊故障診斷過程中容易出現的不確定性問題，采用了模糊規則。經過電力系統仿真，本文所設計的船舶電力系統故障診斷專家系統能較為準確地診斷出故障，并提出解決方案。